matplotlib最详细介绍

原创于 2024-08-23 22:14:01 发布 · 1.5k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#matplotlib

matplotlib最详细介绍

一、plot函数

1、plot() 函数是 matplotlib 中最常用的函数之一，用于绘制二维图形，通常用于绘制折线图。它非常灵活，可以绘制简单的线条图、点线图、以及多种样式的图形。

plot() 函数的基本语法：

matplotlib.pyplot.plot(*args, **kwargs)

参数详解：

\*args: 位置参数，可以传入以下几种格式：
1. plot([x], y)：传入 x 和 y 的数据列表，如果 x 省略，则默认使用索引作为 x 轴数据。
2. plot([x], y, [format])：[format] 用来设置线条和点的样式（如颜色、线型、标记等）。
\**kwargs: 关键字参数，可以用来设置线条的属性，如颜色、线型、线宽、标记样式等。

常用的关键字参数：

color: 设置线条颜色，可以使用颜色的名称、RGB 颜色值或十六进制表示法。
linestyle: 设置线条样式，如 '-'（实线）、'--'（虚线）、'-.'（点划线）、':'（点线）。
linewidth: 设置线条宽度，以点为单位。
marker: 设置数据点的标记样式，如 '.'（点）、'o'（圆圈）、's'（方块）、'^'（三角形）等。
markersize: 设置标记的大小。
markerfacecolor: 设置标记内部的颜色。
markeredgecolor: 设置标记边缘的颜色。
label: 设置曲线的标签，用于图例显示。

二、tick_params函数

tick_params() 函数是 matplotlib 中一个用于控制图表中坐标轴刻度线和刻度标签外观的函数。你可以通过它来调整刻度线的方向、颜色、粗细、长度，以及刻度标签的字体大小、字体颜色等。``

import matplotlib.pyplot as plt

# 生成简单的折线图
plt.plot([0, 1, 2, 3], [0, 1, 4, 9])

# 调整刻度参数
plt.tick_params(
    axis='both',        # 同时设置 x 轴和 y 轴
    which='major',      # 仅应用于主要刻度
    direction='inout',  # 刻度线同时向内向外
    length=10,          # 刻度线长度
    width=2,            # 刻度线宽度
    colors='r',         # 刻度线和标签的颜色为红色
    labelsize=14,       # 刻度标签的字体大小
    labelcolor='blue',  # 刻度标签的字体颜色
    bottom=True,        # 显示 x 轴下方的刻度线
    top=True,           # 显示 x 轴上方的刻度线
    left=True,          # 显示 y 轴左侧的刻度线
    right=True          # 显示 y 轴右侧的刻度线
)

plt.show()

三、legend函数

legend() 函数用于显示图表中的图例（legend）。当你绘制多条曲线或多个数据集时，通过 legend() 函数可以为每条曲线或数据集加上标签，方便区分不同的数据。

常见用法：

在调用 plot() 时设置 label 参数，并在之后调用 legend() 函数显示图例。

例子：

import matplotlib.pyplot as plt

x = [0, 1, 2, 3]
y1 = [0, 1, 4, 9]
y2 = [0, 1, 2, 3]

plt.plot(x, y1, label='Quadratic')  # 为第一条曲线设置标签
plt.plot(x, y2, label='Linear')     # 为第二条曲线设置标签

plt.legend()  # 显示图例
plt.show()    # 显示图表

`legend()` 的参数：

loc: 设置图例的位置，如 'upper right', 'lower left' 等。
fontsize: 设置图例的字体大小。
title: 为图例添加标题。
frameon: 设置是否显示图例的边框。

legend() 函数在显示图例时可以根据图例的标签自动生成图例，通常配合 label 参数一起使用。

四、scatter函数

scatter() 函数在 matplotlib 中用于绘制散点图。与 plot() 函数不同，scatter() 更适合展示离散的数据点，特别是当你需要根据数据的特性来调整每个点的颜色、大小或形状时。

`scatter()` 函数的基本语法：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, **kwargs)

参数详解：

1. x, y（必选参数）：

分别表示每个数据点的 x 坐标和 y 坐标。它们可以是列表、NumPy 数组或 Pandas 系列。

2. s（可选）：

s 表示每个散点的大小。可以是一个数值（所有点同样大小），也可以是一个数组（每个点不同大小）。
默认单位是像素面积。

示例：

s = [20, 50, 100, 200]  # 每个点的大小不同

3. c（可选）：

c 用于设置散点的颜色。可以是单个颜色值（如 ‘red’ 或 ‘#FF0000’），也可以是一个数组（每个点不同颜色）。
当 c 是数组时，通常与 cmap（颜色映射）配合使用。

示例：

c = [10, 20, 30, 40]  # 每个点的颜色值不同，可以通过 cmap 映射到具体颜色

4. marker（可选）：

用于设置散点的形状（标记样式）。常见的标记符号包括：
- 'o'：圆点
- 's'：方块
- '^'：上三角
- 'v'：下三角
- 'D'：菱形
- '+'：加号
还有其他更多选项，允许你自定义数据点的形状。

示例：

marker = 'o'  # 使用圆形标记

5. cmap（可选）：

当 c 是数值数组时，cmap 用于将这些数值映射到指定的颜色图。常见的颜色映射有 'viridis', 'plasma', 'coolwarm', 'rainbow' 等。

示例：

cmap='viridis'  # 使用 'viridis' 颜色映射

6. alpha（可选）：

控制散点的透明度，取值范围为 0 到 1，值越低越透明。

示例：

alpha=0.5  # 设置点的透明度为 50%

7. edgecolors（可选）：

控制散点的边框颜色。常见取值包括 'face'（与散点颜色一致）、'none'（无边框）、以及具体颜色（如 ‘black’）。

8. linewidths（可选）：

设置散点边框的宽度。

五、savefig函数

savefig() 函数的基本语法：

matplotlib.pyplot.savefig(fname, dpi=None, bbox_inches=None, pad_inches=0.1, transparent=False, format=None, **kwargs)

参数详解：

fname（必选）：
- 文件名和路径，可以是相对路径或绝对路径。
- 文件名的扩展名决定了保存的文件格式（如 .png, .jpg, .pdf, .svg 等）。
dpi（可选）：
- 指定图像的分辨率，以每英寸点数（DPI）为单位。默认值是 100 DPI。
- 增加 DPI 可以提升图像质量，适合打印或高质量输出。
bbox_inches（可选）：
- 指定保存的图像边界框，常见取值有 'tight'，可以自动调整边距，以包含所有内容（包括图例和标签）。
pad_inches（可选）：
- 设置额外的边距，单位为英寸。常与 bbox_inches='tight' 配合使用。
transparent（可选）：
- 如果设置为 True，图像背景将变为透明，特别适合保存图像用于网页或其他设计项目。
format（可选）：
- 指定保存的文件格式（如 'png', 'pdf', 'svg' 等）。一般情况下，savefig 会根据文件扩展名自动识别格式，但你也可以手动指定。
其他常用关键字参数：
- quality：指定 JPEG 图像的质量（取值 1 到 95）。
- optimize：在保存 JPEG 或 PNG 图像时优化文件大小。
- facecolor 和 edgecolor：自定义背景颜色和边框颜色。
示例：
```
import matplotlib.pyplot as plt

x = [0, 1, 2, 3, 4]
y = [0, 1, 4, 9, 16]

plt.plot(x, y)

# 保存图像
plt.savefig('output.png', dpi=300, bbox_inches='tight', transparent=False)
```