17-matplotlib绘图总结

Data_Analysis_matplotlib绘图

图片灰度处理

%matplotlib inline
- 用在Jupyter notebook中具体作用是当调用matplotlib.pyplot的绘图函数plot()进行绘图的时候，或者生成一个figure画布的时候，可以直接在你的python console里面生成图像
- 代替plt.show()的作用
均值
- jin = plt.imread('img/jinzhengen.png')
- jin_mean = jin.mean(axis=2)
- plt.imshow(jin_mean, cmap='gray')
最大值
- jin_max = jin.max(axis=-1)
- plt.imshow(jin_max, cmap='gray')
加权
- jin_weight = np.dot(jin, [0.2,0.3,0.5])
- plt.imshow(jin_weight, cmap='gray')

Matplotlib基础知识

导入
- import numpy as np
- import pandas as pd
- import matplotlib.pyplot as plt
pandas绘图：是pandas中的额外工具，只是提供方便matplotlib是专门的绘图工具，定制性更强，样式更丰富
只含单一曲线的图
- 一个参数
  - n = np.arange(10)
  - plt.plot(n)
- 曲线，x，y
  - x = np.linspace(-1,1,1000)
  - y = 1 - x**2plt.plot(x, y)
- 正弦曲线
  - x = np.linspace(-10,10,1000)
  - y = np.sin(x) # 正弦曲线
  - plt.plot(x, y)
包含多个曲线的图
- 可以使用多个plot函数（推荐），在一个图中绘制多个曲线
  - x = np.linspace(-10,10,1000)
  - 在一个图中画多条线
  - plt.plot(x, x*5)
  - plt.plot(x, 1-x**2)
  - plt.show()
  - show后面的线是另外一个图
  - plt.plot(x, np.cos(x))
- 也可以在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线
  - plt.plot(x, x, x, x*3, x, x**2)
网格线
- 使用plt.grid(True)方法为图添加网格线
  - plt.grid()
    - plt.grid(b=True, color='red', linestyle='-.')
    - plt.grid(b=True, color='green', linestyle='-.', axis='both', lw=2, alpha=0.3)
      - axis=x/y/both
  - x = np.linspace(-10,10,1000)
  - y = np.cos(x)
  - plt.plot(x, y)
  - plt.grid(True, c='r', linestyle='-.')
画子图
- 数据
  - x = np.linspace(-10,10,1000)
  - y = np.cos(x)
- 创建一个画布，用来绘制多个子图
  - fig = plt.figure(figsize=(12,6))
- 第一个子图
  - axes1 = fig.add_subplot(131)
  - axes1.plot(x,y)
  - axes1.grid(True, c='gray', lw=1, linestyle='-.')
- 第二个子图
  - axes2 = fig.add_subplot(1,3,2)
  - axes2.plot(x,y)
  - axes2.grid(True, c='r', lw=1, linestyle='-.')
- 第三个子图
  - axes3 = fig.add_subplot(133)
  - axes3.plot(x,y)
  - axes3.grid(True, c='y', lw=1, linestyle='-.')
坐标轴界限
- axis方法
  - 如果axis方法没有任何参数，则返回当前坐标轴的上下限axis(xmin =,ymax = )
  - plt.axis([-10,10,-1,2])
    - -10,10 表示x坐标的最小值和最大值
    - -1，2 表示y坐标的最小值和最大值
- 坐标轴数据显示更明细
  - plt.axis('tight')
- 关闭坐标轴
  - plt.axis('off')
- 让x轴和y轴单位长度相等，即分辨率相等
  - plt.axis('equal')
- xlim方法和ylim方法
  - plt.xlim(-10,10)
    - 设置x轴的范围
  - plt.ylim(-1,2)
    - 设置y轴的范围
- 通过改变绘图框的尺寸来设置相等的缩放
  - plt.axis('scaled')
- 画圆
  - x = np.linspace(-1,1,1000)
  - y = (1-x2)0.5
  - plt.plot(x,y)
  - plt.plot(x,-y)
  - plt.axis('equal')
坐标轴标签
- 给坐标轴添加标签
  - xlabel = plt.xlabel('half circle', fontsize=16)
- 更改标签位置
  - ylabel.set_position((0,0.8))
- 旋转标签
  - xlabel.set_rotation(60)
- 设置背景色
  - xlabel.set_bbox({'facecolor':'red'})
- 设置字体颜色
  - ylabel.set_color('blue')
标题
- 设置标题并给定背景色
  - title = plt.title('hello', bbox=dict(facecolor='pink'))
- 设置透明度
  - title.set_alpha(0.6)
- 旋转标题
  - title.set_rotation(60)
- 设置标题字体颜色
  - title.set_color('green')
图例
- legend方法
  - 在plot函数中增加label参数
    - plt.plot(x, y, label='half circle')
    - plt.plot(x, np.sin(x), label='_sinx')
      - 加了下划线的图例不显示
  - 在legend方法中传入字符串列表
    - plt.legend(['half circle', 'sinx', 'cosx'], loc=1)
- loc参数
  - 表示图例的位置
  - loc参数可以是2元素的元组，表示图例左下角的坐标
    - plt.legend(loc=(1.1, 0.2))
- ncol参数
  - ncol控制图例显示有几列
  - plt.legend(loc=(1,1), ncol=3)
linestyle、color、marker
- 线条样式
  - plt.plot(x1, label='line1', linestyle=':', c='r', linewidth=2, marker='<', markersize=4)
保存图片
- fig.savefig('pic1.png', dpi=200, facecolor='gray')
- filename
  - 含有文件路径的字符串或Python的文件型对象
- dpi
  - 分辨率，越大图片越大，默认为100
- facecolor
  - 背景色，默认为白色

设置plot的风格和样式

点和线的样式
- 颜色
  - 别名
    - color='r'
  - 合法的HTML颜色名
    - color = 'red'
  - HTML十六进制字符串
    - color = '#eeefff'
      - plt.plot(x, y, c='#aa2323')
  - 归一化到[0, 1]的RGB元组
    - color = (0.3, 0.3, 0.4)
      - plt.plot(x, y, c=(0.3, 0.4, 0.5))
- 透明度
  - plt.plot(x, y, alpha=0.4)
    - 透明度范围0-1
- 背景色
  - 设置背景色，通过plt.subplot()方法传入facecolor参数，来设置坐标轴的背景色
  - plt.subplot(111,facecolor='gray')
- 线型
  - plt.plot(x, y, ls='-.')
- 线宽
  - plt.plot(x, y, ls='-.', lw=6)
- 不同宽度的破折线
  - plt.plot(x, y, dashes=[30,2,5,10], lw=5)
    - 30表示第一根破折线的长度
    - 2表示第一个间距
    - 5表示第二根线的长度
    - 10表示第二个间距
- 点型
  - plt.plot(x, y, marker='1', markersize=12)
- 点边缘的颜色&点内部的颜色
  - plt.plot(x, y, marker='o', markersize=10, markeredgecolor='r', markerfacecolor='y', lw=4)
在一条语句中为多个曲线进行设置
- 多个曲线统一设置
  - plt.plot(x, x*3, x, x**2, x, np.sin(x), ls='-.', lw=3, marker='s')
- 多个曲线不同设置
  - plt.plot(x, x*3, ':', x, x**2, '-.', lw=3, marker='s')
三种设置方式
- 向方法传入关键字参数
  - plt.plot(x, y, color='r', ls='-.')
- 对实例使用一系列的setter方法
  - line = plt.plot(x, y)[0]
  - 取出对象
  - line.set_color('r')line.set_linestyle('-.')
- 使用setp()方法
  - line, = plt.plot(x, y)
  - plt.setp(line, ls='-.')
X、Y轴坐标刻度
- 设置x轴的刻度并自定义刻度显示
  - plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], ['-pi', '-pi/2', '0', 'pi/2', 'pi'])
- 设置y轴的刻度并自定义刻度显示
  - plt.yticks([-1, 0, 1], ['min', '0', 'max'])
面向对象方法
- 构建子图
  - fig = plt.figure()axes = fig.add_subplot(111)
- 设置x轴刻度
  - axes.set_xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
- 设置x轴刻度标签
  - axes.set_xticklabels(['-pi', '-pi/2', '0', 'pi/2', 'pi'], fontsize=20, c='r', rotation=30)

2D图形

直方图
- 直方图的参数只有一个x！！！不像条形图需要传入x,y
- plt.hist(n)
- plt.hist(n, bins=20, density=True, color='r', orientation='horizontal')
  - bins 组数
  - density: 表示频率，默认是出现的次数
  - orientation='horizontal'
    - 水平方向
条形图/柱状图
- plt.bar(x, y, color='r', width=0.5)
- 水平条形图
  - plt.barh(x, y, color='r', height=0.5)
饼图
- 普通各部分占满饼图
  - n = [1,2,3,4]
  - plt.pie(n,
  - labels=list('abcd'),
  - labeldistance=1.2, # 距离圆心的距离
  - autopct='%.2f%%', # 显示比例的格式化
  - pctdistance=0.6, # 距离
  - explode=[0.01, 0.03, 0.05, 0.06], # 中间的间隙
  - colors=['r', 'g', 'b', 'y'], # 各个块的颜色
  - shadow=True, # 阴影
  - startangle=30, # 旋转角度
  - counterclock=False, # 是否逆时针
  - radius=1.5 # 半径)
    - labels标签
    - labeldistance标签距离圆心的距离
    - autopct
      - 显示比例的格式化
    - pctdistance
      - 显示比例距离圆心的距离
    - explode
      - 各个饼间的间隙
    - colors
      - 各个块的颜色
    - shadow
      - 阴影
    - startangle
      - 旋转角度
    - counterclock
      - 是否逆时针
    - radius
      - 饼图半径
- 普通未占满饼图
  - n = [0.1, 0.2, 0.3, 0.2]
  - plt.pie(n)
散点图
- 散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标
- plt.scatter(x, y, s=100, c=np.arange(10), marker='d', cmap='rainbow', alpha=0.5)
  - s表示点的大小
  - c是颜色，可以给数组
  - cmap：rainbow彩虹色

图形内的文字、注释、箭头

图形内的文字
- suptitle()
  - 为Figure对象添加中心化的标题
  - x = np.linspace(0, 2*np.pi, 100)
  - axes1 = plt.subplot(121)
  - axes1.plot(x, np.sin(x))
  - axes1.set_title('sin')
  - axes2 = plt.subplot(122)
  - axes2.plot(x, np.cos(x))
  - axes2.set_title('cos')
  - plt.suptitle('正弦和余弦', fontproperties='KaiTi', fontsize=20) # 注意指定中文字体
- text()
  - 在Axes对象的任意位置添加文字
  - x = np.linspace(0, 2*np.pi, 100)
  - plt.plot(x, np.sin(x))
  - plt.text(x = np.pi+0.2, y=0, s='sin(\(\pi\))=0') # 文本x坐标，y坐标，文本内容，\pi转义
- figtext()
  - 在Figure对象的任意位置添加文字
  - plt.plot(x, np.sin(x))
  - plt.figtext(x=0.5, y=0.5, s='sin(\(\pi\))=0') # x与y的位置，使用比例
注释与箭头
- plt.plot(y)plt.axis([0,400,-6,6]) # 设置x和y的坐标轴界限
- 箭头的长度取决于xytext
- plt.annotate(s='峰值', xy=[220,2.2], xytext=[260,3], fontproperties='KaiTi',
- arrowprops={'width':10,'headwidth':15,'headlength':10,'facecolor':'r','shrink':1})
- xy参数设置箭头指示的位置
- xytext参数设置注释文字的位置
  - 也即箭头尾部位置
- arrowprops参数以字典的形式设置箭头的样式
  - width参数设置箭头长方形部分的宽度
  - headlength参数设置箭头尖端的长度
  - headwidth参数设置箭头尖端底部的宽度
  - facecolor设置箭头颜色
  - shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）
  - s=箭头样式
    - '-', '->', '-[', '<-', '<->', 'fancy', 'simple', 'wedge'， 'arc', 'arc,angleA=10,armA=30,rad=30', 'arc3,rad=.2', 'arc3,rad=-.2', 'angle', 'angle3'

3D图

导包
- from mpl_toolkits.mplot3d.axes3d import Axes3D
3D散点图

x = np.random.randn(500)
y = np.random.randn(500)
z = np.random.randn(500)
plt.figure('3D Scatter', facecolor='lightgray', figsize=(12, 6))  
# 创建画布
ax3d = plt.gca(projection='3d')  
# 创建三维坐标系
d = (x-0)**2 + (y-0)**2 + (z-0)**2  
# 为每一个点绘色,随着值变化
ax3d.set_xlabel('X', fontsize=12)
ax3d.set_ylabel('Y', fontsize=12)
ax3d.set_zlabel('Z', fontsize=12)
# cmap参数接受一个值（每个值代表一种配色方案），并将该值对应的颜色图分配给当前图窗
ax3d.scatter(x, y, z, s=60, marker='o', alpha=0.6, c=d, cmap='jet')
plt.tight_layout()
plt.show()

玫瑰图/极坐标条形图

plt.figure('Polar', facecolor='orangered', figsize=(12, 6))  
# 创建画布
plt.gca(projection='polar')  
# 创建极坐标系
plt.title('Polar')
plt.xlabel(r'$\theta$', fontsize=14)  
# LaTax语法
plt.ylabel(r'$\rho$', fontsize=14)
plt.grid(linestyle=':')
# 绘制sin曲线
x = np.linspace(0, 6*np.pi, 1000)
y = 3*np.sin(6*x)
plt.plot(x, y)
plt.show()

南丁格尔玫瑰图

# 根据给定数据，绘制南丁格尔玫瑰图，也就是在极坐标系中绘制柱状图
fig = plt.figure(figsize=(40, 25))
# 极坐标轴域
# ax = fig.add_subplot(111, projection='polar')
ax = fig.gca(projection='polar')
# 顺时针
ax.set_theta_direction(-1)
# 正上方为0°
ax.set_theta_zero_location('N')
# 极坐标系中的横纵坐标数据
r = np.arange(100, 800, 20)
theta = np.linspace(0, np.pi*2, len(r), endpoint=False)
# 绘制柱状图
ax.bar(theta, 
       r,  # 角度对应位置，半径对应高度       
       width=0.18,  # 宽度       
       color=np.random.random((len(r), 3)),  # 颜色       
       align='edge',  # 从指定角度的径向开始绘制,条形的中心位置，edge,center       
       bottom=100  # 远离圆心，设置偏离距离      
      )# 在圆心位置显示文本
ax.text(np.pi*3/2-0.2, 90, 'Rose diagram', fontsize=25)
# 在每个柱的顶部显示文本表示大小
for angle, height in zip(theta, r):    
    ax.text(angle+0.03, height+105, s=str(height), fontsize=height/15)
# 不显示坐标轴和网格线
plt.axis('off')
# 紧凑布局，缩小外边距
plt.tight_layout()
# 保存图片# 
plt.savefig('polarBar.png', dpi=480)

3D曲面

# 生成网格化坐标矩阵
'''生成绘制3D图形所需的网格数据。在计算机中进行绘图操作时， 往往需要一些采样点，
然后根据这些采样点来绘制出整个图形。在进行3D绘图操作时，
涉及到x、y、z三组数据，而x、y这两组数据可以看做是在Oxy平面内对坐标进行采样得到的坐标对(x, y)'''
x, y = np.meshgrid(np.linspace(-3, 3, 1000), np.linspace(-3, 3, 1000))
# 根据每个网格点坐标，通过某个公式计算z高度坐标
z = (1 - x/2 + x**5 + y**5) * np.exp(-x**2 - y**2)
plt.figure('3D', facecolor='lightgray', figsize=(12, 6))
ax3d = plt.gca(projection='3d')  
# 创建3维坐标系
plt.title('3D', fontsize=20)
ax3d.set_xlabel('x', fontsize=14)
ax3d.set_ylabel('y', fontsize=14)
ax3d.set_zlabel('z', fontsize=14)
plt.tick_params(labelsize=10)  
# 设置刻度的大小# 绘图# rstride: 行跨距# cstride: 列跨距  就是一个小格子的长和高
ax3d.plot_surface(x, y, z,rstride=10, cstride=10, cmap='jet')
plt.show()

3D线框图

x, y = np.meshgrid(np.linspace(-5, 5, 1500), np.linspace(-5, 5, 1500))  
# 生成网格化坐标矩阵
z = (1 - x/2 + x**5 + y**5) * np.exp(-x**2 - y**2)
plt.figure('3D Wireframe', facecolor='lightgray', figsize=(12, 6))
plt.title('3D Wireframe', fontsize=20)
plt.grid(linestyle=':')
ax3d = plt.gca(projection='3d')  
# 创建3维坐标系
ax3d.set_xlabel('x', fontsize=14)
ax3d.set_ylabel('y', fontsize=14)
ax3d.set_zlabel('z', fontsize=14)
ax3d.plot_wireframe(x, y, z, rstride=40, cstride=40, lw=0.5, cmap='jet')
plt.show()

绘制等高线图

x, y = np.meshgrid(np.linspace(-3, 3, 1000), np.linspace(-3, 3, 1000))
z = (1 - x/2 + x**5 + y**5) * np.exp(-x**2 - y**2)
plt.figure('Contour', facecolor='lightgray', figsize=(12, 6))
plt.title('Contour', fontsize=20)
plt.xlabel('x', fontsize=14)
plt.ylabel('y', fontsize=14)
plt.tick_params(labelsize=10)  
# 设置刻度的大小
plt.grid(linestyle=':')
# 绘制等高线
plt.contourf(x, y, z, 8, cmap='jet')  
# plt.contourf(x, y, z, 阶数, cmap=颜色映射)
# 添加颜色线宽
cntr = plt.contour(x, y, z, 8, colors='black', linewidths=0.5)
# 为等高线添加高度标签
plt.clabel(cntr, inline_spacing=1, fmt='%.1f', fontsize=10)
plt.show()

绘制热成像图

# 绘制热成像图
# origin ↓↓↓： 
#    hight: 缺省，原点在左上角
#    lower：原点在左下角
# 网格化
x, y = np.meshgrid(np.linspace(-3, 3, 1000), np.linspace(-3, 3, 1000))
z = (1 - x/2 + x**5 + y**5) * np.exp(-x**2 - y**2)
plt.figure('Hot', facecolor='lightgray', figsize=(12, 6))
plt.title('Hot', fontsize=20)
plt.xlabel('x', fontsize=14)
plt.ylabel('y', fontsize=14)
plt.tick_params(labelsize=10)
plt.grid(linestyle=':')
# 绘制
plt.imshow(z, cmap='hot', origin='lower')
plt.colorbar().set_label('z', fontsize=14)
plt.show()

posted @ 2022-08-09 15:23 lotuslaw 阅读(235) 评论(0) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

Loading

lotuslaw

17-matplotlib绘图总结

Data_Analysis_matplotlib绘图

图片灰度处理

Matplotlib基础知识

在一个图中画多条线

show后面的线是另外一个图

设置plot的风格和样式

取出对象

2D图形

图形内的文字、注释、箭头

箭头的长度取决于xytext

3D图

公告