Matplotlib学习笔记（2）--Matplotlib面向对象绘图

Matplotlib面向对象简介

Matplotlib面向对象主要是可以实现更加定制化的绘图，但相比于通过直接使用pyplot而言使用也更加复杂。Matplotlib中大的对象主要分为三个，FigureCanvas（画布），Figure（图），Axes（绘制的坐标轴）。

一张图中绘制多个子图

import matplotlib.pyplot as plt
import numpy as npx = np.arange(1, 100)# 创建一个图
fig = plt.figure()
#331表示，将这个图分为3*3的格式(即一共可以添加9个子图)，并添加一号子图
ax1 = fig.add_subplot(331)
ax1.plot(x,x)
#334表示向这个3*3的图中添加四号子图
ax2 = fig.add_subplot(334)
ax2.plot(x,np.log(x))# 对于同一个figure而言，划分成的格式应该一样
# 例如对于上边的figure而言，fig.add_subplot()中的参数只能是“33X”
# 33表示的是将一个figure按照3*3划分，X表示要操作的子图，取值范围为1-9plt.show()

生成多张图

生成多张图可以通过创建多个Figure对象来实现

import matplotlib.pyplot as plt
import numpy as npx = np.arange(0, 100)fig1 = plt.figure()
ax1 = fig1.add_subplot(111)ax1.plot(x,x)fig2 = plt.figure()
ax2 = fig2.add_subplot(111)ax2.plot(x,-x)plt.show()

网格背景及图例的显示

import matplotlib.pyplot as plt
import numpy as npx = np.arange(1,10,1)plt.plot(x,x*2,label="Normal")
plt.plot(x,x*3,label="Fast")
plt.plot(x,x*4,label="Faster")#网格的显示可以通过plt.grid(True)来显示
plt.grid(True)
#图例的显示可以通过plt.legend()来显示，需要提前给要绘制的图形添加上label
plt.legend()plt.show()

官网对于legend的参数的详解

官网对于grid的参数的详解

在使用面向对象的绘图中可以通过对Axes的操作来实现图例的显示

x = np.arange(1,10,1)fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x,x*2,label="Normal")
ax1.legend()plt.show()

调整坐标轴范围

调整坐标轴范围可以有多种方式，

import matplotlib.pyplot as plt
import numpy as npx = np.arange(1,11,1)fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x,x)

方式一


#使用plt.axis()函数，四个值分别对应着x轴的起点，终点，y轴的起点，终点plt.axis([5,10,4,8])

方式二


#使用plt.xlim()函数plt.xlim(xmin=2,xmax=8)
plt.ylim(ymin=2,ymax=8)

调整坐标轴的刻度

import numpy as np
import matplotlib.pyplot as pltx = np.arange(1,11,1)plt.plot(x,x)ax = plt.gca()
#只调整x轴刻度
ax.locator_params('x',nbins=20)plt.show()

调整坐标轴的刻度有两种方式：

通过Axes对象的locator_params()函数（面向对象的方式）
通过matplotlib.pyplot的locator_params()函数

两种方式其实使用的都是locator_params()，其有多个参数可供选择

常用参数有：

nbins：划分成多少份刻度
x：表示调整的是x轴刻度
y：表示调整的是y轴刻度
注：若x，y都不填则默认参数为both，即两个轴都会调整

locator_params()官网参数详解

绘制样式的美化

之前的绘制都是直接使用原生的样式来绘制，而Matplotlib内建的提供了更多的多种样式可供我们选择。

#通过使用该方法可以美化我们绘制出的图形
plt.style.use('ggplot')#该方法可以查看当前可供选择的style
plt.style.available

Matplotlib学习笔记（2）--Matplotlib面向对象绘图相关推荐

matplotlib学习笔记 - 散点图、条形图和直方图
Matplotlib 学习笔记 - 散点图.条形图和直方图散点图 from matplotlib import pyplot as plt from matplotlib import font_m ...
matplotlib学习笔记（3）---热力图(Heat Map)
matplotlib学习笔记(3)-热力图(Heat Map) import matplotlib.pylab as plt import seaborn as sns import numpy as ...
【莫烦Python】Matplotlib学习笔记（二）
[莫烦Python]Matplot学习笔记(一) [莫烦Python]Matplotlib学习笔记(二) 一.Bar柱状图/条形图二.Contours等高线图三.Image图像四.3D图像五. ...
MATLAB学习笔记——二维和三维绘图
MATLAB学习笔记--二维和三维绘图近期练习matlab的二维和三维绘图,整理一下,以防忘记. 文章目录 MATLAB学习笔记--二维和三维绘图一.二维绘图 1.plot命令 2.fplot 命 ...
Qt 学习笔记（5）绘图五子棋游戏
在上一篇博客C++ Qt学习笔记(4)绘图中介绍了Qt中的绘图方法,基于上一篇的博客的知识,使用QPainter设计一个五子棋的棋盘,后续会完成五子棋的游戏设计. 1. 棋盘的设计首先需要绘制棋盘的 ...
Java学习笔记六、面向对象编程中级部分
Java学习笔记六.面向对象编程中级部分包包的注意事项和使用细节访问修饰符访问修饰符的注意事项和使用细节面向对象编程三大特征封装封装的实现步骤(三步) 继承继承的细节问题继承的本质 ...
python可视化：matplotlib学习笔记
信息可视化是数据分析的一块重要内容.这是一个探索性的过程.比如说,可以帮助我们坚定离群值,或者必要的数据转换,又或者是构建一个理想的模型.对于其他的一些领域,也可以进行web可视化.Python有许多 ...
Python数据分析三剑客学习笔记Day6——matplotlib包的使用：数据可视化，简单绘制柱状图、曲线图、饼图、频率分布直方图
本文是视频Python数据分析三剑客数学建模基础 numpy.pandas.matplotlib的学习笔记. -------------------------------------------- ...
Python数据科学学习笔记之——Matplotlib数据可视化
Matplotlib 数据可视化 1.Matplotlib 常用技巧 1.1.导入 Matplotlib import matplotlib as mpl import matplotlib.pypl ...
matplotlib学习笔记——入门版（超详细）
最近才肝完的matplotlib入门教程,学习笔记顺便写上.欢迎大家在评论区补充.提问-- print('--------------------------------------------mat ...