Python3快速入门（十六）——Matplotlib绘图

一、Matplotlib简介

1、Matplotlib简介

Matplotlib是 Python 2D-绘图领域使用最广泛的套件，可以简易地将数据图形化，并且提供多样化的输出格式。
matplotlib有两个接口，一个是状态机层的接口，通过pyplot模块来进行管理；一个是面向对象的接口，通过pylab模块将所有的功能函数全部导入其单独的命名空间内。

创新互联建站主要从事成都网站制作、成都网站建设、外贸营销网站建设、网页设计、企业做网站、公司建网站等业务。立足成都服务婺城,十年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18980820575

2、Matplotlib安装

使用conda安装如下：
conda install matplotlib

二、Matplotlib图表结构

1、Matplotlib图表结构简介

Matplotlib基本图表结构包括坐标轴（X轴、Y轴）、坐标轴标签（axisLabel）、
坐标轴刻度（tick）、坐标轴刻度标签（tick label）、绘图区（axes）、画布（figure）。

2、Figure

Figure代表一个绘制面板，其中可以包涵多个Axes（即多个图表）。
Axes表示一个图表 ，一个Axes包涵：titlek、xaxis、yaxis。
为了支持pylab中的gca()等函数，Figure对象内部保存有当前轴的信息，因此不建议直接对Figure.axes属性进行列表操作，而应该使用add_subplot, add_axes, delaxes等方法进行添加和删除操作。

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    fig = plt.figure()
    ax1 = fig.add_axes([0.1, 0.45, 0.8, 0.5])
    ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.2])
    x1 = np.linspace(0.0, 5.0)
    x2 = np.linspace(0.0, 3.0)

    y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
    y2 = np.cos(2 * np.pi * x2)

    ax1.patch.set_facecolor("green")
    ax1.grid(True)
    line1 = ax1.plot(x1, y1, 'yo-')
    line2 = ax2.plot(x2, y2, 'r.-')
    plt.show()

3、网格线设置

网格线设置
plt.grid(color='r',linestyle='-.')
axis：坐标轴，可选值为x，y
color:支持十六进制颜色
linestyle: –，-.，:
alpha：透明度，0——1

4、坐标轴设置

坐标轴范围设置
plt.axis([xmin,xmax,ymin,ymax])
也可以通过xlim(xmin,xmax)，ylim(xmin,xmax)方法设置坐标轴范围

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x = np.arange(-10, 10, 0.1)
    y = x ** 2
    plt.plot(x, y,)
    plt.axis([-10, 10, 0, 100])
    plt.show()

关闭坐标轴
plt.axis('off')

5、画布设置

设置画布比例
plt.figure(figsize=(a,b))
a是x轴刻度比例，b是y轴刻度比例。

6、图例设置

图例设置有两种方法，一种是分别在plot函数中使用label参数指定，再调用plt.legend()方法显示图例；一种是直接在legend方法中传入字符串列表设置图例。

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x = np.arange(-10, 10, 0.1)
    y = x ** 2
    plt.plot(x, y, label='y = x ** 2')
    plt.legend()
    plt.show()

使用legend函数设置图例时，参数如下：
图例名称列表：传递的图例名称列表必须与曲线绘制顺序一致。
loc：用于设置图例标签的位置，matplotlib预定义了多种数字表示的位置。
best：0，upper right：1，upper left：2，lower left：3，lower right：4，right：5，center left：6，center right：7，lower center：8，upper center：9，center：10，loc参数可以是2个元素的元组，表示图例左下角的坐标，[0,0] 左下，[0,1] 左上，[1,0] 右下，[1,1] 右上。
ncol：图例的列数

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x1 = np.linspace(0, 2 * np.pi, 100)
    y1 = np.sin(x1)
    plt.plot(x1, y1)
    x2 = x1 = np.linspace(0, 2 * np.pi, 100)
    y2 = np.cos(x1)
    plt.plot(x2, y2)
    plt.legend(['sin(x)', 'cos(x)'], loc=0, ncol=1)
    plt.show()

7、标题设置

标题设置可以使用plt.title()方法或ax.set_title()方法。

三、Matplotlib常见图表绘制

1、曲线图

抛物线绘制：

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x = np.arange(-10, 10, 0.1)
    y = x ** 2
    plt.plot(x, y)
    plt.show()

正弦曲线绘制：

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x = np.linspace(0, 2 * np.pi, 100)
    y = np.sin(x)
    plt.plot(x, y)
    plt.show()

多条曲线绘制：
多次调用plot函数可以在图上绘制多条曲线。

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x1 = np.linspace(0, 2 * np.pi, 100)
    y1 = np.sin(x1)
    plt.plot(x1, y1)
    x2 = x1 = np.linspace(0, 2 * np.pi, 100)
    y2 = np.cos(x1)
    plt.plot(x2, y2)
    plt.show()

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。

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x1 = np.linspace(0, 2 * np.pi, 100)
    y1 = np.sin(x1)
    x2 = x1 = np.linspace(0, 2 * np.pi, 100)
    y2 = np.cos(x1)
    plt.plot(x1, y1, x2, y2)
    plt.show()

2、直方图

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x = np.random.randint(0, 100, 100)
    bins = np.arange(0, 101, 10)
    fig = plt.figure(figsize=(12, 6))
    plt.subplot(1, 1, 1)
    plt.hist(x, bins, color='b', alpha=0.6)
    plt.show()

3、折线图

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x = [1, 2, 3, 4, 5]
    y = [2.3, 3.4, 1.2, 6.6, 7.0]
    fig = plt.figure(figsize=(12, 6))
    plt.subplot(1, 1, 1)
    plt.plot(x, y, color='r', linestyle='-')
    plt.show()

4、柱状图

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x = [1, 2, 3, 4, 5]
    y = [2.3, 3.4, 1.2, 6.6, 7.0]

    plt.figure()
    plt.bar(x, y)
    plt.title("bar")
    plt.show()

5、饼状图

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    y = [2.3, 3.4, 1.2, 6.6, 7.0]
    plt.figure()
    plt.pie(y)
    plt.title('PIE')
    plt.show()

6、散点图

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    n = 1024
    X = np.random.normal(0, 1, n)
    Y = np.random.normal(0, 1, n)
    T = np.arctan2(Y, X)

    plt.axes([0.025, 0.025, 0.95, 0.95])
    plt.scatter(X, Y, s=75, c=T, alpha=.5)

    plt.xlim(-1.5, 1.5), plt.xticks([])
    plt.ylim(-1.5, 1.5), plt.yticks([])
    plt.show()

7、等高线图

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

def get_height(x, y):
    # the height function
    return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)

if __name__ == "__main__":
    n = 256
    x = np.linspace(-3, 3, n)
    y = np.linspace(-3, 3, n)
    X, Y = np.meshgrid(x, y)

    plt.figure(figsize=(14, 8))

    plt.contourf(X, Y, get_height(X, Y), 16, alpah=0.7, cmap=plt.cm.hot)
    # 
    C = plt.contour(X, Y, get_height(X, Y), 16, color='black', linewidth=.5)
    # adding label
    plt.clabel(C, inline=True, fontsize=16)

    plt.xticks(())
    plt.yticks(())
    plt.show()

8、数据3D图

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

if __name__ == "__main__":
    fig = plt.figure()
    ax = Axes3D(fig)
    X = np.arange(-4, 4, 0.25)
    Y = np.arange(-4, 4, 0.25)
    X, Y = np.meshgrid(X, Y)
    R = np.sqrt(X ** 2 + Y ** 2)
    Z = np.sin(R)

    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.cm.hot)
    ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.cm.hot)
    ax.set_zlim(-2, 2)

    plt.show()

四、Matplotlib应用示例

1、图片加载与保存

图片加载显示：

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt

if __name__ == "__main__":
    img = plt.imread('network.png')
    plt.imshow(img)
    plt.show()

图片保存：

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    x1 = np.linspace(0, 2 * np.pi, 100)
    y1 = np.sin(x1)
    plt.plot(x1, y1)
    x2 = x1 = np.linspace(0, 2 * np.pi, 100)
    y2 = np.cos(x1)
    plt.plot(x2, y2)
    plt.legend(['sin(x)', 'cos(x)'], loc=0, ncol=1)
    plt.savefig('test.png')
    plt.show()

2、多曲线实例

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    # 创建一个 8 * 6 点（point）的图，并设置分辨率为 80
    plt.figure(figsize=(8, 6), dpi=80)

    # 创建一个新的 1 * 1 的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）
    plt.subplot(1, 1, 1)
   X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
   C, S = np.cos(X), np.sin(X)

    # 绘制余弦曲线，使用蓝色的、连续的、宽度为 1 （像素）的线条
    plt.plot(X, C, color="blue", linewidth=2.5, line)

    # 绘制正弦曲线，使用绿色的、连续的、宽度为 1 （像素）的线条
    plt.plot(X, S, color="red", linewidth=2.5, line)
    # 坐标轴的范围
    xmin, xmax = X.min(), X.max()
    ymin, ymax = C.min(), C.max()
    # 计算坐标轴的冗余
    dx = (xmax - xmin) * 0.2
    dy = (ymax - ymin) * 0.2
    # 设置横轴的上下限
    plt.xlim(xmin - dx, xmax + dx)
    # 设置纵轴的上下限
    plt.ylim(ymin - dy, ymax + dy)
    # 设置横轴记号
    plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
    # 设置纵轴记号
    plt.yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$'])

    # 设置坐标轴位置
    ax = plt.gca()
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.spines['bottom'].set_position(('data', 0))
    ax.yaxis.set_ticks_position('left')
    ax.spines['left'].set_position(('data', 0))
    # 设置图例
    plt.plot(X, C, color="blue", linewidth=2.5, line, label="cosine")
    plt.plot(X, S, color="red", linewidth=2.5, line, label="sine")
    plt.legend(loc='upper left')
    # 在2pi/3位置做标注
    t = 2 * np.pi / 3
    plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=2.5, line)
    plt.scatter([t, ], [np.cos(t), ], 50, color='blue')
    plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
             xy=(t, np.sin(t)), xycoords='data',
             xytext=(+10, +30), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrow, connection))
    plt.plot([t, t], [0, np.sin(t)], color='red', linewidth=2.5, line)
    plt.scatter([t, ], [np.sin(t), ], 50, color='red')

    plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
             xy=(t, np.cos(t)), xycoords='data',
             xytext=(-90, -50), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrow, connection))
    # 坐标轴刻度标签半透明化
    for label in ax.get_xticklabels() + ax.get_yticklabels():
        label.set_fontsize(16)
        label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65))

    plt.show()

3、嵌套图实例

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

if __name__ == "__main__":
    fig = plt.figure(figsize=(10, 6))
    fig.set_facecolor('white')

    x = [1, 2, 3, 4, 5, 6, 7]
    y = [1, 3, 4, 2, 5, 8, 6]

    # 大图
    left, bottom, width, weight = 0.1, 0.1, 0.8, 0.8
    ax = fig.add_axes([left, bottom, width, weight])
    ax.plot(x, y, 'r')
    ax.set_xlabel(r'$X$')
    ax.set_ylabel(r'$Y$')
    ax.set_title(r'$BigFigure$')
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')

    # 左上小图
    left, bottom, width, weight = 0.2, 0.6, 0.25, 0.25
    ax1 = fig.add_axes([left, bottom, width, weight])
    ax1.plot(y, x, 'b')
    ax1.set_xlabel(r'$x$')
    ax1.set_ylabel(r'$y$')
    ax1.set_title(r'$figure1$')
    ax1.spines['right'].set_color('none')
    ax1.spines['top'].set_color('none')

    plt.show()

4、Pandas绘图

可以直接使用Pandas的Series、DataFrame实例的plot直接进行绘图。
Series示例如下：

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

if __name__ == "__main__":
    # Series绘图
    x = np.linspace(0, 2 * np.pi, 100)
    # 正弦曲线
    y = np.sin(x)
    s = pd.Series(data=y, index=x)
    s.plot()

    plt.show()

DataFrame实例：

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

if __name__ == "__main__":
    # DataFrame绘图
    x = np.linspace(0, 2 * np.pi, 100)
    df = pd.DataFrame(data={'sin': np.sin(x), 'cos': np.cos(x)}, index=x)
    df.plot()
    # 取出某列数据进行绘图
    # df['sin'].plot()

    plt.show()

DataFrame绘制柱状图：

# -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

if __name__ == "__main__":
    df = pd.DataFrame(np.random.randint(0, 10, size=(8, 4)), index=list('abcdefgh'), columns=list('ABCD'))
    ax = df.plot(kind='bar')
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')

    plt.show()

kind='barh'参数表示绘制水平柱状图。

另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

当前名称：Python3快速入门（十六）——Matplotlib绘图-创新互联
标题来源：http://hbruida.cn/article/coojej.html