画图
这个好难，太多东西了，我学的也不是很多，了解的也有限，博大精深。只能说，持续更新吧。。。
就最常用的一些画图属性。图标的三个部分，画图区、轴和
plot()函数是常用的折线图，在使用过程中如果想画出圆滑的曲线，可能要关键点密集一些。。我分割的点就非常的细。
Matplotlib API包含有三层：
- backend_bases.FigureCanvas : 图表的绘制领域
- backend_bases.Renderer : 知道如何在FigureCanvas上如何绘图
- artist.Artist : 知道如何使用Renderer在FigureCanvas上绘图
FigureCanvas和Renderer需要处理底层的绘图操作，例如使用wxPython在界面上绘图，或者使用PostScript绘制PDF。Artist则处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道。
Artists分为简单类型和容器类型两种。简单类型的Artists为标准的绘图元件，例如Line2D、 Rectangle、Text、AxesImage 等等。而容器类型则可以包含许多简单类型的Artists，使它们组织成一个整体，例如Axis、 Axes、Figure等。
Figure代表一个绘制面板，其中可以包含多个Axes。即多个图表。
Axes：表示一个图表，包含titleK，xaxis，yaxis(坐标轴)。
import matplotlib.pyplot as plt import numpy plt.rcParams['font.sans-serif'] = ['KaiTi'] plt.rcParams['font.serif'] = ['KaiTi'] plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串 x = numpy.arange(0,10,0.1) y1 = numpy.sin(x) y2 = numpy.cos(x) plt.plot(x, y1, color="orange", label='sin(x)', linewidth=5, linestyle='--') plt.plot(x, y2, color="green", label='cos(x)') plt.xlabel("X轴") plt.ylabel('Y轴') plt.title("三角函数") plt.legend() plt.yticks([-1,0,1],["最低",'0','最高'])
#要先保存再现实就可以正常了 plt.savefig("../图片/1.jpg") plt.show()
结果：
scatter()函数是常用的画散点图的函数，画一个随机产生一些点的图片。
import matplotlib.pyplot as plt import numpy import random # 散点图 随机产生点 x1 = [random.random()*10 for _ in range(100)] y1_1 = [random.random()*10 for _ in range(100)] plt.scatter(x1, y1_1, marker="*") plt.xticks(rotation=90) plt.savefig("../图片/散点图.jpg") plt.show()
结果：
子图
对于画图，在常见的实验中，一张画布上通常有很多的图，这也就是子图的概念。
在Figure上有两种不同的创建子图的方式，一种是通过面向对象的方式或者plt.subplot()参数的方式，另一种是add_axes的方式。subplots(numRows, numCols, plotNum)。subplots将整个绘图区域等分为numRows行 * numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplots(323)和subplots(3,2,3)是相同的。
方法一：subplots()函数
import matplotlib.pyplot as plt import numpy import random plt.rcParams['font.sans-serif'] = ['KaiTi'] plt.rcParams['font.serif'] = ['KaiTi'] plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串 #子图 x = numpy.arange(0,100,0.1) #使用subplots()函数返回一个画布对象和一个轴数组 fig, axe = plt.subplots(nrows=2, ncols=2, figsize=(8,6),dpi=100) ax0, ax1,ax2,ax3 = axe.ravel()
plt.subplots_adjust(wspace =0.5, hspace =0.5)#调整子图间距
ax0.plot(x,x, color='red') ax1.plot(x,x**2, color='orange') ax2.plot(x,x**3, color='green') ax3.plot(x,x**4, color='blue') for i in axe.ravel(): i.set_xlabel("X") i.set_ylabel("Y") i.set_title("Function") plt.show()
结果：
方法二：add_subplot()函数
Axes
Axes容器是整个Matplotlib库的核心，它包含了组成图表的众多Artist对象，并且有许多的方法函数帮助我们创建、修改这些对象。和Figure一样，他有一个patch属性作为背景。
当Axes表示的坐标系是笛卡尔坐标，patch表示一个Rectangle对象。
当Axes表示的是极坐标时，patch表示的是一个Circle对象。
当你调用Axes的绘图方法（例如plot），它将创建一组Line2D对象，并将所有的关键字参数传递给这些Line2D对象，并将它们添加进Axes.lines属性中，最后返回所创建的Line2D对象列表，plot返回的是一个Line2D对象的列表，因为我们可以传递多组X,Y轴的数据，一次绘制多条曲线。
下面列出Axes的创建Artist对象的方法：
其中：
annotate()添加注释
bar()条形图
fill()
hist()直方图
imshow()
legend()是给图像添加图例
plot()函数创建的是一个Line2D对象
scatter()是散点图
import matplotlib.pyplot as plt import numpy # 折线图 x = numpy.arange(0,10,0.5) y1 = numpy.sin(x) y2 = numpy.cos(x) plt.plot(x, y1, color="orange", label='sin(x)', linewidth=5, linestyle='--') plt.plot(x, y2, color="green", label='cos(x)') plt.plot(x,x, color='#9f0012',label="x", marker='*') plt.xlabel("X轴") plt.ylabel('Y轴') plt.title("三角函数") #loc：确定图像的位置0-10 #nol:图例的列数，现在是只有一列 #bbox_to_anchor:边界框的位置。前两个值为起始位置，第三个值为宽度，第四个值为高度，所有的值均基于归一化轴坐标系、 #mode：可设为none和expand #borderaxespad:指定坐标轴和图例之间的间距 plt.legend(loc=1, ncol=1,bbox_to_anchor=(0.2,0.2,0,0),mode='none',borderaxespad=0.0) plt.yticks([-1,0,1],["最低",'0','最高']) #注释 #第一个参数，注释的内容。第二个参数，注释的坐标点。 #第三个参数设定为data，表示注释和图像使用同一个坐标轴，第四个参数，注释文本的起始位置。 #第五个参数 指定标定的符号 plt.annotate("(5,5)",(5,5), xycoords='data',xytext=(5,6), arrowprops=dict(arrowstyle='->')) #要先保存再现实就可以正常了 plt.savefig("../图片/折线图.jpg") plt.show()
结果：
Axis
Axis容器包括坐标轴上的刻度线、刻度文字、坐标网格以及坐标轴标题等内容。刻度主要包括主刻度和副刻度，分别通过Axis.get_major_ticks和Axis.get_minor_ticks方法获得。每个刻度线都是一个XTick或者YTick对象，它包括实际的刻度线和刻度文本。为了方便访问刻度线和文本，Axis对象提供了get_ticklabels和get_ticklines方法分别直接获得刻度线和刻度文本。
