(一)1.如何绘制散点图
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import numpy as np
import matplotlib.pyplot as plt
# 如何绘制散点图# 先随机生成数据x = np.array(range(100))
y = np.sin(x)
# 直接输入x和y便可绘制相应的散点图plt.scatter(x, y)# 不要忘了这句话，表示让图像显示plt.show() |
可以看到类似于正弦曲线一样的点
(一)2.如何给散点图加上样式
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import numpy as np
import matplotlib.pyplot as plt
x = np.array(range(0, 100, 5))
y = 3 * x + 2
# scatter里面的参数有很多，不过我们主要使用四种# 1：s，表示点的面积，注意是面积。# 2：c，颜色,不指定默认为蓝色# 3：marker：点的形状，不指定默认为点# 4：alpha：透明度，不指定默认为1，表示透明度为0plt.scatter(x, y, s=100, c="green", marker="<", alpha=0.1)
plt.show() |
(二)1.如何绘制折线图
|
1
2
3
4
5
6
7
8
9
|
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1, 1, 100)
y = x ** 2
plt.plot(x, y)# 此外还有一个plt.plot_date()函数，专门用来绘制有一个轴是日期格式的数据plt.show() |
(二)2.如何给折线图加上样式
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-10, 10, 20)
y = x ** 2
z = x * 2 + 1
# 关于样式的参数有很多# linestyle:表示线段的样式# color：表示颜色# marker：表示点的样式plt.plot(x, y, linestyle="-", color="green", marker="o")
plt.plot(x, z, linestyle="--", color="red", marker="<")
plt.show() |
(三)1.如何绘制条形图
|
1
2
3
4
5
6
7
8
9
10
11
|
import numpy as np
import matplotlib.pyplot as plt
# 还记得每一个图对应的每一个函数吗？# 散点图：scatter# 折线图：plot# 条形图：bar# 这个函数可以只接收两个参数，分别是条形图中每一条的索引和高度plt.bar(x=[0, 1, 2, 3, 4, 5], height=[11, 22, 33, 44, 55, 66])
plt.show() |
(三)2.如何给条形图加上样式
|
1
2
3
4
5
6
7
8
9
10
|
import matplotlib.pyplot as plt
# color：颜色# width：线条宽度plt.bar(x=[0, 1, 2, 3, 4, 5],
height=[11, 22, 33, 44, 55, 66],
color="green",
width=0.2)
plt.show() |
(三)3.如何绘制横向的条形图
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import matplotlib.pyplot as plt
# 如果绘制横向的条形图# 那么bottom相当于之前的x，width相当于之前的heightplt.bar(x=0,
bottom=[0, 1, 2, 3, 4, 5],
width=[11, 22, 33, 44, 55, 66],
color="green",
height=0.2,
orientation="horizontal")
# 还有一个plt.barh(),表示花水平的条形图，不用显示的指定orientation="horizontal"，但其他的参数还是要有的plt.show() |
(四)1.如何绘制直方图
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import numpy as np
import matplotlib.pyplot as plt
mu = 100
sigma = 20
x = mu + sigma * np.random.randn(2000)
# 设置直方图# bins:表示要分成多少个区间# normed:表示是否进行标准化,标准化之后，那么纵坐标不在是个数，而是频率。plt.hist(x, bins=30, color="red", density=True)
plt.show() |
(四)2.如何绘制双变量直方图
|
1
2
3
4
5
6
7
8
9
10
|
import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(1000)+2
y = np.random.randn(1000)+3
plt.hist2d(x, y, bins=40)
plt.show() |
(五)1.如何绘制饼图
|
1
2
3
4
5
6
7
8
9
10
|
import matplotlib.pyplot as plt
labels = ["satori", "mashiro", "nagisa"]
fracs = [40, 30, 30]
# 最重要的两个参数# x：所占的份额# labels：对应的标签plt.pie(x=fracs, labels=labels)
plt.show() |
细心地哲学♂家可能回好奇，为什么是一个椭圆，这是因为我们这里少了一句话
而且每一块上面光秃秃的，每个部分都贴在了一块，也不好看，我们也可以设置一些参数，让其变得好看一些
|
1
2
3
4
5
6
7
8
9
10
|
import matplotlib.pyplot as plt
labels = ["satori", "mashiro", "nagisa"]
fracs = [40, 30, 30]
# 加上这句话表示x和y轴的比例是一比一# 因此图形就变成了圆形plt.axes(aspect=1)
# autopct：表示每一块的比例# explode：突出显示，每个部分不会贴在一块<br><br># shadow：表示加上一层阴影，指定为True即可 |
|
1
|
plt.pie(x=fracs, labels=labels, autopct="%.0f%%", explode=[0.01, 0.02, 0]) plt.show()
|
(六)1.如何绘制箱形图
|
1
2
3
4
5
6
7
8
9
10
|
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(100)
data = np.random.normal(0, 1, size=1000)
# sym：形状，表示异常值的形状# whis：表示虚线的长度，可以控制异常值显示的多少，越大虚线越长plt.boxplot(data, sym="<", whis=1.5)
plt.show() |
(七)颜色和样式
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
蓝色 - 'b'
绿色 - 'g'
红色 - 'r'
青色 - 'c'
品红 - 'm'
黄色 - 'y'
黑色 - 'k' 白色 - 'w'
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
'.' point marker
',' pixel marker
'o' circle marker
'v' triangle_down marker
'^' triangle_up marker
'<' triangle_left marker
'>' triangle_right marker
'1' tri_down marker
'2' tri_up marker
'3' tri_left marker
'4' tri_right marker
's' square marker
'p' pentagon marker
'*' star marker
'h' hexagon1 marker
'H' hexagon2 marker
'+' plus marker
'x' x marker
'D' diamond marker
'd' thin_diamond marker
'|' vline marker
'_' hline marker
|
|
1
2
3
4
|
'-' solid line style
'--' dashed line style
'-.' dash-dot line style
':' dotted line style
|
输入样式的时候还有一个简便的方法，cx--,c是青色，x是点的样式，--是线的样式
(八)1.如何绘制子图
|
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
|
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 100, 5)
# 生成一个画布fig = plt.figure()
# 往画布上添加对象# 这里的221表示，生成一个2X2的画布，并处于第一个位置s1 = fig.add_subplot(221)
s2 = fig.add_subplot(222)
s3 = fig.add_subplot(223)
s4 = fig.add_subplot(224)
y1 = np.exp(x)
y2 = np.sin(x)
y3 = np.cos(x)
y4 = x ** 2
s1.plot(x, y1, "cx--")
s2.plot(x, y2, "bo-.")
s3.plot(x, y3, "g<--")
s4.plot(x, y4, "y>-.")
# 最后显示要用fig，因为它是我们创建出来的画布，必须要让它显示fig.show() |
(八)2.如何绘制子图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 100, 5)
plt.subplot(221)
plt.plot(x, np.exp(x))plt.subplot(222)
plt.plot(x, np.sin(x))plt.subplot(223)
plt.plot(x, np.cos(x))plt.subplot(224)
plt.plot(x, x**2)
plt.show() |
(九)如何绘制网格
|
1
2
3
4
5
6
7
8
9
10
|
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 100, 5)
# 绘制出格子plt.grid(x, color="green")
# 绘制线段plt.plot(x, x, "cx--")
plt.show() |
(十)如何给图像带上标记
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1, 1, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
# 加上需要的标签label
plt.plot(x, y1, label="np.sin")
plt.plot(x, y2, label="np.cos")
plt.plot(x, y3, label="np.tan")
# 必须加上这句话，否则标签不显示
# legend里面还有一个location参数，可以指定位置
# 以及ncol可以指定要标签分几列显示
plt.legend()
plt.show()
(十一)调整坐标轴范围
|
1
2
3
4
5
6
7
8
9
10
|
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-100, 100)
y = 3 * x + 1
plt.plot(x, y)# 表示x轴从-10到10，y轴-100到100<br># 也可以通过plt.xlim([,])和plt.ylim([,])只调x轴或y轴<br># 如果只想调整一边的话，就直接指定最大或者最小,xlim(xmin=,xmax=),ylim(ymin=,ymax=)plt.axis([-10, 10, -100, 100])
plt.show() |
(十二)调整坐标轴刻度
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1, 10)
plt.plot(x, x)# 获取坐标轴属性,get current axisax = plt.gca()
# nbins表示有多少间隔，可以看到分成了20份ax.locator_params(nbins=20)
# 如果我只想调整某一个轴的话# 指定ax.locator_params("x", nbins=20)plt.show() |
|
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
import matplotlib as mpl
import datetime
start = datetime.date(2016, 1, 1)
end = datetime.date(2017, 1, 1)
timedelta = datetime.timedelta(days=1)
date = mpl.dates.drange(start, end, timedelta)
y = np.random.rand(len(date))
ax = plt.gca()
plt.plot_date(date, y)# 设置时间格式date_format = mpl.dates.DateFormatter("%Y-%m-%d")
# 将格式应用到x轴上ax.xaxis.set_major_formatter(date_format)plt.show() |
(十三)如何添加坐标轴
|
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.arange(2, 20, 1)
y1 = x
y2 = np.log(x)
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x, y1)ax1.set_ylabel("mashiro")
# 表示生成一个双胞胎y轴，twinx，表示生成一个y轴ax2 = ax1.twinx()
ax2.plot(x, y2)ax2.set_ylabel("satori")
fig.show() |
(十四)添加注释
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-10, 11)
y = x ** 2
plt.plot(x, y)plt.annotate("my name is satori",
xy=(0, 5), # 箭头坐标
xytext=(0, 20), # 文本坐标
arrowprops={"facecolor": "r", # 颜色
"headlength": 10, # 箭头的长度
"headwidth": 30, # 箭头的头的宽度
"width": 20 # 箭头的身体的宽度
}
)
plt.show() |
(十五)如何绘制3D图形
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D as A3
fig = plt.figure()
ax = A3(fig)
x = np.arange(-4, 4, 0.2)
y = np.arange(-4, 4, 0.2)
x, y = np.meshgrid(x, y)
z = np.power(x, 2) + np.power(y, 2)
plt.title("satori")
# rstride,cstride表示行列每隔多少个点建一个面，cmap表示颜色ax.plot_surface(x, y, z, rstride=1,
cstride=1,
cmap=plt.cm.CMRmap,
alpha=0.4)
ax.set_xlabel('x_label', color='r')
ax.set_ylabel('y_label', color='g')
ax.set_zlabel('z_label', color='b')
plt.show() |
如何解决中文乱码问题
|
1
2
3
4
|
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
plt.rcParams['axes.unicode_minus'] = False # 步骤二（解决坐标轴负数的负号显示问题）
|
解决子图重合问题
plt.tight_layout()
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1, 100)
y = 2 * x
plt.plot(x, y)# 调整x，y轴的取值范围plt.xlim(10, 30)
plt.ylim(20, 60)
# 调整x或y轴的间隔ax = plt.gca()
ax.locator_params("x", nbins=40)
# 调整x或y轴坐标的倾斜程度plt.xticks(rotation=60)
plt.show() |