python强大的绘图模块matplotlib示例讲解

Matplotlib 是 Python 的绘图库。作为程序员，经常需要进行绘图，在我自己的工作中，如果需要绘图，一般都是将数据导入到excel中，然后通过excel生成图表，这样操作起来还是比较繁琐的，所以最近学习了一下Matplotlib模块，将该模块的常用的绘图手段和大家分享一下，提高大家在工作中的效率；

在示例中，我们主要用到Matplotlib和Numpy这两个模块来为大家演示Python强大的绘图功能，相信大家通过我下面的10个示例，基本上可以满足大家日常工作的需求，再次强调一下，只是简单的用法，大家千万不要想通过这篇博客获取到太高深的用法。

下面进入正题

1、绘制一条直线

代码如下，下面的代码大家应该都可以看懂吧

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

# 导入常用的包 import numpy as np import matplotlib.pyplot as plt    # 生成-1到1的数据，一共生成100个，也可以生成1到-1的数据，这些数据是平均分布的 # 定义x轴的数据 x = np.linspace(-1,1,100)    # 定义y轴的数据 y = x * 2 + 100 plt.plot(x,y)    # 显示图像 plt.show()

　　

效果如下

 

2、创建一个画布，同时设置该画布的大小

代码如下

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

import numpy as np    import matplotlib.pyplot as plt    x = np.linspace(-1,1,100)    y1 = x * 2 + 100       y2 = x ** 2    # 创建一个画布    # figsize：设置画布的大小 plt.figure(figsize=(2,2)) plt.plot(x,y1)    # 创建第二个画布 plt.figure() plt.plot(x,y2)    plt.show()

　　

效果如下，会同时显示两张画布

 

 3、在一张画布中画两条线，同时可以设置线的颜色，宽度，和风格

代码如下

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

import numpy as np    import matplotlib.pyplot as plt    x = np.linspace(-1,1,100)    y1 = x * 2 + 0.5       y2 = x ** 2          # color:表示设置线的颜色 # linewidth:表示设置线的宽度 # linestyle:表示设置线的风格 plt.figure(figsize=(2,2)) plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')    plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')    plt.show()    # 上面的效果就是2条曲线被放到一个画布中

　　

效果如下

 

 4、限制x轴，y轴的显示范围，为x轴和y轴添加描述，替换x轴和y轴的显示信息

代码如下

?

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 38

import numpy as np    import matplotlib.pyplot as plt    # 设置坐标轴 x = np.linspace(-3,3,100)    y1 = x * 2 + 0.5    y2 = x ** 2       plt.figure(figsize=(6,6)) plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')    plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')    # 限制x轴的显示范围 plt.xlim((-1,2))    # 限制y轴的显示范围 plt.ylim((-1,5))    # 给x轴加描述 plt.xlabel("xxxxxx") # 给y轴加描述 plt.ylabel("yyyyyy")          # 替换一下横坐标的显示 temp = np.linspace(-2,2,11) plt.xticks(temp)    # 替换纵坐标的标签，用level0代替之前的-1 plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])    plt.show()

　　

效果如下

 

 5、对边框进行设置，调整x轴和y轴的位置

代码如下

?

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 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55

import numpy as np    import matplotlib.pyplot as plt    # 设置坐标轴 x = np.linspace(-3,3,100)    y1 = x * 2 + 0.5    y2 = x ** 2       plt.figure(figsize=(6,6)) plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')    plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')    # 限制x轴的显示范围 plt.xlim((-1,2))    # 限制y轴的显示范围 plt.ylim((-1,5))    # 给x轴加描述 plt.xlabel("xxxxxx") # 给y轴加描述 plt.ylabel("yyyyyy")          # 替换一下横坐标的显示 temp = np.linspace(-2,2,11) plt.xticks(temp)    # 替换纵坐标的标签，用level0代替之前的-1 # plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])    # 获取边框 ax = plt.gca() # 设置右边框的颜色为红色 ax.spines["right"].set_color("r")    # 去掉上边框 ax.spines["top"].set_color(None)    # 把x轴的刻度设置为bottom ax.xaxis.set_ticks_position("bottom") # 把y轴的客户设置为left ax.yaxis.set_ticks_position("left")    # 设置x和y交汇的点，x轴是0，y是也是0，也就是x轴和y轴的都是0点交汇 ax.spines["bottom"].set_position(("data",0)) ax.spines["left"].set_position(("data",0))    plt.show()

　　

效果如下

 

6、为画布添加图例

代码如下

?

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 38 39 40 41 42 43 44 45 46 47 48 49

#Auther Bob #--*--conding:utf-8 --*-- import numpy as np   import matplotlib.pyplot as plt   # 设置图例 x = np.linspace(-3, 3, 100)   y1 = x * 2 + 0.5   y2 = x ** 2   plt.figure(figsize=(6, 6))   # 首先要为两条线分别取名，这里的逗号必须要有 l1, = plt.plot(x, y1, color='r', linewidth=1.0, linestyle='--')   l2, = plt.plot(x, y2, color='b', linewidth=5.0, linestyle='-')   # handles控制图例中要说明的线 # labels为两条线分别取一个label # loc控制图例的显示位置，一般用best，由代码为我们选择最优的位置即可   plt.legend(handles=[l1, l2], labels=["test1", "test2"], loc='best')   # 限制x轴的显示范围 plt.xlim((-1, 2))   # 限制y轴的显示范围 plt.ylim((-1, 5))   # 给x轴加描述 plt.xlabel("xxxxxx") # 给y轴加描述 plt.ylabel("yyyyyy")   # 替换一下横坐标的显示 temp = np.linspace(-2, 2, 11) plt.xticks(temp)   # 替换纵坐标的标签，用level0代替之前的-1 plt.yticks([-1, 0, 1, 2, 3, 4, 5], ["level0", "level1", "level2", "level3", "level4", "level5", "level6"])   # 为图像加一个图例，用来对图像做说明       plt.show()

　　

效果如下

 

 7、为图像添加描述

代码如下

?

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 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62

import numpy as np    import matplotlib.pyplot as plt    # 为图像做标注 x = np.linspace(-3,3,100)    y1 = x * 2    # y2 = x ** 2       plt.figure(figsize=(6,6))       plt.plot(x,y1,color='r',linewidth=1.0,linestyle='-')                # 给x轴加描述 plt.xlabel("xxxxxx") # 给y轴加描述 plt.ylabel("yyyyyy")    # ====================================================== # 在x轴为x0，y轴为x0 * 2上画一个点，这个点的颜色是红色，大小为50，这个大小就是这个点显示的大小 x0 = 0.5 y0 = x0 * 2 # scatter是画点的方法 plt.scatter(x0,y0,color='g',s=50)    # 画线 # 这条线是第一个点的坐标为[x0,y0],第二个点的坐标为[x0,-6]，后面就是设置线的风格，线的颜色，线的宽度    plt.plot([x0,x0],[y0,-6],color='k',linestyle='--',linewidth=1.0)          # 画箭头和描述       # xy代表我们的点 # xytext代码我们描述的位置，基于当前的点，在x轴+30，在y轴-30 # r'$2*x={n}$是我们要显示的文字信息，格式必须要这样 # textcoords表示作为起点 # fontsize表示设置字体大小 # arrowprops设置箭头 # arrowstyle设置箭头的样式 # connectionstyle设置风格.2表示弧度 plt.annotate(r'$2*0.5={n}$'.format(n = y0),xy=(x0,y0),xytext=(+30,-30),textcoords='offset points',fontsize=10,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))    # 显示文字描述，从x轴为-1，y轴为2开始显示，$$中就是要显示的字符，这里如果要显示空格，则需要转义 # fontdict设置字体 plt.text(-1,2,r'$1\ 2\ 3\ 4$',fontdict={"size":16,"color":"r"})    # =========================================================    # 为图像加一个图例，用来对图像做说明    plt.show()

　　

效果如下

 

8、绘制散点图

代码如下

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

import numpy as np    import matplotlib.pyplot as plt             # 绘制散点图 # plt.scatter(np.arange(1,10,1),np.arange(10,19,1))    # plt.scatter(np.linspace(-3,3,10),np.linspace(-3,3,10))       x = np.random.normal(1,10,500) y = np.random.normal(1,10,500)    print(x) # s设置点的大小 # c是颜色 # alpha是透明度 plt.scatter(x,y,s=50,c='b',alpha=0.5) plt.show()

　　

效果如下

 

9、绘制直方图

代码如下

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

import numpy as np    import matplotlib.pyplot as plt       # 绘制直方图 x = np.arange(10) y = x ** 2 + 10       # facecolor设置柱体的颜色 # edgecolor设置边框的颜色    plt.bar(x,y,facecolor='g',edgecolor='r')    # 绘制翻转过来的直方图 # plt.bar(x,-y)    #显示文字 for x,y in zip(x,y):     plt.text(x,y,"{f}".format(f=y),ha="center",va='bottom') plt.show()

　　

效果如下

 

10、一张画布显示多张图像

代码如下

?

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 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59

#Auther Bob #--*--conding:utf-8 --*-- import numpy as np import matplotlib.pyplot as plt         # plt.figure() # 有一个两行两列的单元格，这个位于第一个单元格 # plt.subplot(2,2,1)   # 画一条【0,0】-----》【1,1】的直线 # plt.plot([0,1],[0,1])       # 有一个两行两列的单元格，这个位于第一个单元格 # plt.subplot(2,2,2)   # 画一条【0,0】-----》【1,1】的直线 # plt.plot([0,1],[0,1])       # 有一个两行两列的单元格，这个位于第一个单元格 # plt.subplot(2,2,3)   # 画一条【0,0】-----》【1,1】的直线 # plt.plot([1,0],[0,1]) # plt.show()       # 上面的例子，每张图他显示的大小是一样的，我们想显示不同的大小该怎么办？   plt.figure() # 有一个两行三列的单元格，这个位于第一个单元格 plt.subplot(2,1,1)   # 画一条【0,0】-----》【1,1】的直线 plt.plot([0,1],[0,1])       # 有一个两行三列的单元格，这个位于第四个单元格，因为第一个单元格占了3个位子，所以这里就是第四个 plt.subplot(2,3,4)   # 画一条【0,0】-----》【1,1】的直线 plt.plot([0,1],[0,1])       # 有一个两行三列的单元格，这个位于第五个单元格 plt.subplot(2,3,5)   # 画一条【0,0】-----》【1,1】的直线 plt.plot([1,0],[0,1]) plt.show()

　　

效果如下

 

11、matplotlib模块中的颜色和线条风格，取自菜鸟教程

作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。 可以使用以下格式化字符。

字符	描述
'-'	实线样式
'--'	短横线样式
'-.'	点划线样式
':'	虚线样式
'.'	点标记
','	像素标记
'o'	圆标记
'v'	倒三角标记
'^'	正三角标记
'<'	左三角标记
'>'	右三角标记
'1'	下箭头标记
'2'	上箭头标记
'3'	左箭头标记
'4'	右箭头标记
's'	正方形标记
'p'	五边形标记
'*'	星形标记
'h'	六边形标记 1
'H'	六边形标记 2
'+'	加号标记
'x'	X 标记
'D'	菱形标记
'd'	窄菱形标记
'|'	竖直线标记
'_'	水平线标记

以下是颜色的缩写：

字符	颜色
'b'	蓝色
'g'	绿色
'r'	红色
'c'	青色
'm'	品红色
'y'	黄色
'k'	黑色
'w'	白色