#matplotlib入门

##x轴和y轴

matplotlib比较难写,我们一般缩写成plt。用plot()方法进行绘制图像,第一个参数表示x轴,第二个参数表示y轴

1
2
3
4
5
6
7
xpoints = np.array([1, 8])

ypoints = np.array([3, 10])

plt.plot(xpoints, ypoints)

plt.show()

img

画多个点(有连线)

1
2
3
4
5
xpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])

plt.plot(xpoints, ypoints)
plt.show()

img

tips:这里的x轴是有默认值的,如果你没有传入x轴的参数,默认是从0开始增长,到传入y轴的参数个数-1

1
2
3
4
ypoints = np.array([3, 8, 1, 10, 5, 7])

plt.plot(ypoints)
plt.show()

img

参数marker

marker用指定的标记来强调每个点

marker=’o’,对应的坐标会变成实心小圆点

1
2
3
4
ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker = 'o')
plt.show()

img

marker 图像
‘o’ 实心原点
‘*’ *
‘.’ .(小点)
‘,’ 像素(我看不到)
‘x’ X
‘X’ X (粗的)
‘+’ +
‘P’ +(粗的)
‘s’ 实心正方形
‘D’ 斜方棱形
‘d’ 斜棱形(窄一点)
‘p’ 五边形
‘H’ 六边形(平的)
‘h’ 六边形(竖着的,尖朝上)
‘v’ 倒三角
‘^’ 正三角
<’ 三角(尖朝左)
‘>’ 三角(尖朝右)
‘1’ image-20221105005243564
‘2’ image-20221105005309097
‘3’ image-20221105005321954
‘4’ image-20221105005332738
‘|’ |
‘_’ _

格式字符串fmt

也可以使用快捷字符串符号参数来指定标记。

该参数也被称为fmt,并使用以下语法编写:

*marker*|*line*|*color*

线 形状
‘-‘ 实线
‘:’ 点虚线
‘–’ 线虚线
‘-.’ 点线交错虚线

如果不指定颜色,默认是蓝色image-20221105005915754

如果不指定线的形状,就没有线

如果不指明点的形状,就没有点

颜色对应字符 颜色
‘r’ 红色
‘g’ 绿色
‘b’ 蓝色
‘c’ 青色(Cyan)
‘m’ 洋红色(Magenta)
‘y’ 黄色
‘k’ 黑色
‘w’ 白色

marksize

指定点的大小,参数为marksize,或者缩写成ms

1
2
3
4
ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker = 'o', ms = 20)
plt.show()

img

markeredgecolor

markeredgecolor设置点的边缘的颜色,可以缩写成mec

1
2
3
4
ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker = 'o', ms = 20, mec = 'r')
plt.show()

img

markerfacecolor

markerfacecolor设置点的里面的颜色,可以缩写成mfc

1
2
3
4
ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker = 'o', ms = 20, mfc = 'r')
plt.show()

img

1
2
3
4
ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker = 'o', ms = 20, mec = 'r', mfc = 'r')
plt.show()

img

这个mec和mfc可以用十六进制表示颜色,也可以用一些颜色的名字指定

1
2
plt.plot(ypoints, marker = 'o', ms = 20, mec = '#4CAF50', mfc = '#4CAF50')
plt.plot(ypoints, marker = 'o', ms = 20, mec = 'hotpink', mfc = 'hotpink')

linestyle

linestyle指定线的格式,实际上用的最多的还是上面的fmt(方便),缩写成ls

形状 参数
‘solid’ (default) ‘-‘
‘dotted’ ‘:’
‘dashed’ ‘–’
‘dashdot’ ‘-.’
‘None’ ‘’ or ‘ ‘

实际上和上边的fmt提到的一样

color

color设置线的颜色,和fmt里面的c一样

1
plt.plot(ypoints, c = 'hotpink')

linewidth

设置线的宽度,fmt里面好像没有这个

缩写成lw

1
2
3
4
ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, linewidth = '20.5')
plt.show()

img

绘制多条线

你可以通过简单地添加更多的plot .plot()函数来绘制任意多的线

1
2
3
4
5
6
7
y1 = np.array([3, 8, 1, 10])
y2 = np.array([6, 2, 7, 11])

plt.plot(y1)
plt.plot(y2)

plt.show()

img

还可以通过在相同的plt.plot()函数中为每条直线添加x轴和y轴的点来绘制多条直线

1
2
3
4
5
6
7
y1 = np.array([3, 8, 1, 10])
y2 = np.array([6, 2, 7, 11])

plt.plot(y1)
plt.plot(y2)

plt.show() # 我们只指定y轴上的点,这意味着x轴上的点得到默认值(0,1,2,3)

x和y值成对出现

1
2
3
4
5
6
7
x1 = np.array([0, 1, 2, 3])
y1 = np.array([3, 8, 1, 10])
x2 = np.array([0, 1, 2, 3])
y2 = np.array([6, 2, 7, 11])

plt.plot(x1, y1, x2, y2)
plt.show()

img

标签和标题

xlabel()和ylabel()

1
2
3
4
5
6
7
8
9
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.plot(x, y)

plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")

plt.show()

img

title()

标题,写在最上面

1
2
3
4
5
6
7
8
9
10
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.plot(x, y)

plt.title("Sports Watch Data")
plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")

plt.show()

img

参数fontdict 给标题和标签设置样式

这个fontdict拿到的实参格式,就是css格式

1
2
3
4
5
6
7
8
9
10
11
12
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

font1 = {'family':'serif','color':'blue','size':20}
font2 = {'family':'serif','color':'darkred','size':15}

plt.title("Sports Watch Data", fontdict = font1)
plt.xlabel("Average Pulse", fontdict = font2)
plt.ylabel("Calorie Burnage", fontdict = font2)

plt.plot(x, y)
plt.show()

img

loc参数确定title的位置

可选:left、right、center(默认)

1
2
3
4
5
6
7
8
9
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("Sports Watch Data", loc = 'left')
plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")

plt.plot(x, y)
plt.show()

img

网格线

plt.grid()方法添加网格线

1
2
3
4
5
6
7
8
9
10
11
12
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("Sports Watch Data")
plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")

plt.plot(x, y)

plt.grid()

plt.show()

img

指定要显示的网格线的轴向

grid()里面的参数axis表示显示的是x轴还是y轴还是都显示 x、y、both

1
2
3
4
5
6
7
8
9
10
11
12
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("Sports Watch Data")
plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")

plt.plot(x, y)

plt.grid(axis = 'x')

plt.show()

img

1
plt.grid(axis = 'y')

img

给网格线设置样式

你也可以设置网格的线条属性,像这样:grid(color = ‘color’, linestyle = ‘linestyle’, linewidth = number)

1
2
3
4
5
6
7
8
9
10
11
12
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("Sports Watch Data")
plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")

plt.plot(x, y)

plt.grid(color = 'green', linestyle = '--', linewidth = 0.5)

plt.show()

img

子图

subplot()放多张图

plt.subplot(a, b, c) 这个视图被分成了a行b列,均匀切割,并且切换当前这个图到第c个图(一共a*b个)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(2, 1, 1)
plt.plot(x,y)

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(2, 1, 2)
plt.plot(x,y)

plt.show()

img

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(2, 3, 1)
plt.plot(x,y)

x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(2, 3, 2)
plt.plot(x,y)

x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(2, 3, 3)
plt.plot(x,y)

x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(2, 3, 4)
plt.plot(x,y)

x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(2, 3, 5)
plt.plot(x,y)

x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(2, 3, 6)
plt.plot(x,y)

plt.show()

img

标题

tips:每个子图都可以加标题

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(1, 2, 1)
plt.plot(x,y)
plt.title("SALES")

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(1, 2, 2)
plt.plot(x,y)
plt.title("INCOME")

plt.show()

如果用了subplot的话,总的图还可以用suptitle()来添加一个大标题

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(1, 2, 1)
plt.plot(x,y)
plt.title("SALES")

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(1, 2, 2)
plt.plot(x,y)
plt.title("INCOME")

plt.show()

img

散点图

用scatter()创造一个散点图

1
2
3
4
5
6
7
8
9
10
11
#day one, the age and speed of 13 cars:
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y)

#day two, the age and speed of 15 cars:
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y)

plt.show()

img

操作基本上和plot是一样的,实际上我感觉plot把那个线的参数设置成空,然后把点的参数设置成o,就等于这个散点图了

color参数(缩写c)

基本上类似

1
2
plt.scatter(x, y, color = 'hotpink')
plt.scatter(x, y, color = '#88c999')

img

你甚至可以通过使用一个颜色数组作为c参数的值来为每个点设置特定的颜色

1
2
3
4
5
6
7
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])

plt.scatter(x, y, c=colors)

plt.show()

img

colirmap

Matplotlib模块有许多可用的色彩图。

colormap就像一个颜色列表,其中每个颜色都有一个从0到100的值。

下面是一个色彩图的例子:

img

这个配色图被称为“viridis”,如你所见,它的范围从0(紫色)到100(黄色)

你可以用关键字参数cmap和colormap的值来指定色彩图,在本例中是’viridis’,它是Matplotlib中可用的内置色彩图之一。

另外,你必须创建一个包含值的数组(从0到100),每个点对应一个散点图中的值

1
2
3
4
5
6
7
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')

plt.show()

img

你可以在绘图中使用plt.colorbar()语句

1
plt.colorbar()

img

我感觉使用色彩图应该就是要和这个colorbar一起用才有意义,不然我也可以通过给每个点指定颜色来实现colormap(复杂一点点)(内置的色彩图有点多,这里不放了,自己查看看吧)

大小

参数s来修改大小

1
2
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])
plt.scatter(x, y, s=sizes)

和c一样,都可以整花活,给每一个点都整个不同的大小

img

透明度

参数alpha指定透明度 0~1

1
plt.scatter(x, y, s=sizes, alpha=0.5)

img

整个花活儿

1
2
3
4
5
6
7
8
9
10
x = np.random.randint(100, size=(100))
y = np.random.randint(100, size=(100))
colors = np.random.randint(100, size=(100))
sizes = 10 * np.random.randint(100, size=(100))

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')

plt.colorbar()

plt.show()

img