安装matplotlib库
pip install matplotlib==3.3.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/
常用API
绘图类型
| 函数名称 | 描述 |
|---|---|
| Bar | 绘制条形图 |
| Barh | 绘制水平条形图 |
| Boxplot | 绘制箱型图 |
| Hist | 绘制直方图 |
| his2d | 绘制2D直方图 |
| Pie | 绘制饼状图 |
| Plot | 在坐标轴上画线或者标记 |
| Polar | 绘制极坐标图 |
| Scatter | 绘制x与y的散点图 |
| Stackplot | 绘制堆叠图 |
| Stem | 用来绘制二维离散数据绘制（又称为火柴图） |
| Step | 绘制阶梯图 |
| Quiver | 绘制一个二维按箭头 |
Image 函数
| 函数名称 | 描述 |
|---|---|
| Imread | 从文件中读取图像的数据并形成数组 |
| Imsave | 将数组另存为图像文件 |
| Imshow | 在数轴区域内显示图像 |
Axis 函数
| 函数名称 | 描述 |
|---|---|
| Axes | 在画布(Figure)中添加轴 |
| Text | 向轴添加文本 |
| Title | 设置当前轴的标题 |
| Xlabel | 设置x轴标签 |
| Xlim | 获取或者设置x轴区间大小 |
| Xscale | 设置x轴缩放比例 |
| Xticks | 获取或设置x轴刻标和相应标签 |
| Ylabel | 设置y轴的标签 |
| Ylim | 获取或设置y轴的区间大小 |
| Yscale | 设置y轴的缩放比例 |
| Yticks | 获取或设置y轴的刻标和相应标签 |
Figure 函数
| 函数名称 | 描述 |
|---|---|
| Figtext | 在画布上添加文本 |
| Figure | 创建一个新画布 |
| Show | 显示数字 |
| Savefig | 保存当前画布 |
| Close | 关闭画布窗口 |
pylab 模块
优点
-
方便快捷：pylab 的设计初衷是为了方便快速绘图和数值计算，使得你可以直接使用 numpy 的函数和 matplotlib.pyplot 的绘图功能，而不需要显式地导入 numpy 和 matplotlib.pyplot。
-
简化代码：使用 pylab 可以减少导入语句的数量，使代码更简洁。
缺点
-
命名空间污染：pylab 将 numpy 和 matplotlib.pyplot 的功能组合在一起，可能会导致命名空间污染，使得代码的可读性和可维护性降低。
-
不适合大型项目：对于大型项目或需要精细控制的项目，pylab 可能不够灵活。
pyplot 是 matplotlib 中的一个模块，提供了类似于 MATLAB 的绘图接口。它是一个更底层的接口，提供了更多的控制和灵活性。
使用 pyplot 需要显式地导入 numpy 和 matplotlib.pyplot，代码量相对较多
常用函数
plot 函数
pylab.plot 是一个用于绘制二维图形的函数。它可以根据提供的 x 和 y 数据点绘制线条和/或标记
语法：
pylab.plot(x, y, format_string=None, **kwargs)
参数：
-
x: x 轴数据，可以是一个数组或列表。
-
y: y 轴数据，可以是一个数组或列表。
-
format_string: 格式字符串，用于指定线条样式、颜色等。
-
**kwargs: 其他关键字参数，用于指定线条的属性。
plot 函数可以接受一个或两个数组作为参数，分别代表 x 和 y 坐标。如果你只提供一个数组，它将默认用作 y 坐标，而 x 坐标将默认为数组的索引。
格式字符串：
格式字符串由颜色、标记和线条样式组成。例如：
颜色：
'b'：蓝色 'g'：绿色 'r'：红色 'c'：青色 'm'：洋红色 'y'：黄色 'k'：黑色 'w'：白色
标记：
'.'：点标记
','：像素标记
'o'：圆圈标记
'v'：向下三角标记
'^'：向上三角标记
'<'：向左三角标记
'>'：向右三角标记
's'：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'：叉号标记
'D'：菱形标记
'd'：细菱形标记
'|'：竖线标记
'_'：横线标记
线条样式：
'-'：实线 '--'：虚线 '-.'：点划线 ':'：点线
figure 函数
figure.add_axes()
# 创建一个新的图形
fig = pl.figure()
# 添加第一个轴域
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
x = pl.linspace(0, 10, 100)
y = pl.sin(x)
ax.plot(x, y)
# 显示图形
pl.show()axes.legend()
# 导入库
import matplotlib.pyplot as plt
import numpy as np
def mat_legend():
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 创建图形和轴域
fig, ax = plt.subplots()
# 绘制数据
line1 = ax.plot(x, y1, label='x^2')
line2 = ax.plot(x, y2, label='y^2')
# 添加图例，手动指定标签
# ax.legend(handles=[line1, line2], labels=['Sine Function', 'Cosine Function'], loc='upper left')
ax.legend("upper right")
# 显示图形
plt.show()标题中文乱码
如果标题设置的是中文，会出现乱码
局部处理：
plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False
全局处理：
首先，找到 matplotlibrc 文件的位置，可以使用以下代码：
import matplotlib print(matplotlib.matplotlib_fname())
然后，修改 matplotlibrc 文件，找到 font.family 和 font.sans-serif 项，设置为支持中文的字体，如 SimHei。
同时，设置 axes.unicode_minus 为 False 以正常显示负号。
修改完成后，重启pyCharm。如果不能解决，尝试运行以下代码来实现：
from matplotlib.font_manager import _rebuild _rebuild()
subplot 函数
# 导入库
import matplotlib.pyplot as plt
import numpy as np
def mat_subplot():
# 创建数据
x = np.linspace(-10, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
# 创建图形，figsize=(宽度, 高度)，单位是英寸，图形宽度为 12 英寸，高度为 4 英寸
fig = plt.figure(figsize=(12, 4))
# 创建子图
ax1 = fig.add_subplot(1, 3, 1)
# 绘制第一个图形
ax1.plot(x, y1, label="sin(x)")
ax1.legend(loc='lower right')
ax2 = fig.add_subplot(1, 3, 2)
ax2.plot(x, y2, label='cos(x)')
ax2.legend(loc='lower right')
ax3 = fig.add_subplot(1, 3, 3)
ax3.plot(x, y3, label='tan(x)')
ax3.legend(loc='lower right')
plt.tight_layout()
plt.show()subplots 函数
subplots 是 matplotlib.pyplot 模块中的一个函数，用于创建一个包含多个子图（subplots）的图形窗口。subplots 函数返回一个包含所有子图的数组，这使得你可以更方便地对每个子图进行操作。
语法：
fig, axs = plt.subplots(nrows, ncols, figsize=(width, height))
参数：
-
nrows: 子图的行数。
-
ncols: 子图的列数。
-
figsize: 图形的尺寸，以英寸为单位
# 导入库
import matplotlib.pyplot as plt
import numpy as np
def mat_subplots1():
# 数据的创建
x = np.linspace(1, 10, 100)
y1 = 1 / (x)
y2 = np.pow(x, 2)
y3 = np.pow(x, 3)
# 创建大画布 3行1列
fig, axs = plt.subplots(1, 3, figsize=(12, 4))
# 创建小子图三个
axs[0].plot(x, y1, label='1/x')
axs[0].legend(loc='center')
axs[1].plot(x, y2, label='x^2')
axs[1].legend(loc='center')
axs[2].plot(x, y3, label='x^3')
axs[2].legend(loc='center')
plt.show()subplot2gird 函数
subplot2grid 是 matplotlib.pyplot 模块中的一个函数，用于在网格中创建子图。subplot2grid 允许你更灵活地指定子图的位置和大小，以非等分的形式对画布进行切分，使得你可以创建复杂的布局。
语法：
ax = plt.subplot2grid(shape, loc, rowspan=1, colspan=1)
参数：
-
shape: 网格的形状，格式为 (rows, cols)，表示网格的行数和列数，在figure中式全局设置。
-
loc: 子图的起始位置，格式为 (row, col)，表示子图在网格中的起始行和列。
-
rowspan: 子图占据的行数，默认为 1。
-
colspan: 子图占据的列数，默认为 1
# 导入库
import matplotlib.pyplot as plt
import numpy as np
def mat_subplot2gird():
# 数据的创建
x = np.linspace(1, 10, 100)
y1 = 1 / (x)
y2 = np.pow(x, 2)
y3 = np.pow(x, 3)
ax1 = plt.subplot2grid((2, 2), (0, 0))
ax1.plot(x, y1, label='1/x')
ax2 = plt.subplot2grid((2, 2), (0, 1))
ax2.plot(x, y2, label='x^2')
ax3 = plt.subplot2grid((2, 2), (1, 0))
ax3.plot(x, y3, label='x^3')
plt.show()grid 函数
grid 是用于在图形中添加网格线的函数。网格线可以帮助读者更清晰地理解数据的分布和趋势。grid 函数可以应用于 Axes 对象，用于在子图中添加网格线。
语法：
ax.grid(b=None, which='major', axis='both', **kwargs)
参数：
-
b: 是否显示网格线，默认为 None，表示根据当前设置显示或隐藏网格线。
-
which: 指定要显示的网格线类型，可以是 'major'（主刻度）、'minor'（次刻度）或 'both'（主刻度和次刻度）。
-
axis: 指定要显示网格线的轴，可以是 'both'（两个轴）、'x'（X 轴）或 'y'（Y 轴）。
-
**kwargs: 其他可选参数，用于定制网格线的外观，如 color、linestyle、linewidth 等
xscale 和 yscale 函数
xscale 和 yscale 函数用于设置坐标轴的刻度类型。默认情况下，坐标轴的刻度类型是线性的，但你可以使用 xscale 和 yscale 函数将其更改为对数刻度或其他类型的刻度。
语法：
ax.set_xscale(value) ax.set_yscale(value)
参数：
value: 刻度类型，可以是 'linear'（线性刻度）、'log'（对数刻度）、'symlog'（对称对数刻度）、'logit'（对数几率刻度）等
set_xlim 和 set_ylim 函数
set_xlim 和 set_ylim 函数用于设置坐标轴的范围。
语法：
ax.set_xlim(left, right) ax.set_ylim(bottom, top)
参数：
-
left 和 right: X 轴的范围，left 是 X 轴的最小值，right 是 X 轴的最大值。
-
bottom 和 top: Y 轴的范围，bottom 是 Y 轴的最小值，top 是 Y 轴的最大值
set_xticks 和 set_yticks 函数
Matplotlib 可以自动根据因变量和自变量设置坐标轴范围，也可以通过 set_xticks() 和 set_yticks() 函数手动指定刻度，接收一个列表对象作为参数，列表中的元素表示对应数轴上要显示的刻度。
语法：
ax.set_xticks(ticks) ax.set_yticks(ticks)
参数：
ticks: 一个包含刻度位置的列表或数组
twinx 和 twiny 函数
twinx 和 twiny 函数用于在同一个图形中创建共享 X 轴或 Y 轴的多个子图。twinx 函数用于创建共享 X 轴的子图，twiny 函数用于创建共享 Y 轴的子图。
语法：
ax2 = ax.twinx() ax2 = ax.twiny()
说明：
-
ax: 原始的 Axes 对象。
-
ax2: 新的 Axes 对象，共享原始 Axes 对象的 X 轴或 Y 轴
# 导入库
import matplotlib.pyplot as plt
import numpy as np
def mat_twin():
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
fig, ax1 = plt.subplots()
ax1.plot(x, y1)
ax2 = ax1.twinx()
ax2.plot(x, y2, 'r')
plt.show()
柱状图
柱状图（Bar Chart）是一种常用的数据可视化工具，用于展示分类数据的分布情况。
语法：
ax.bar(x, height, width=0.8, bottom=None, align='center', **kwargs)
参数：
-
x: 柱状图的 X 轴位置。
-
height: 柱状图的高度。
-
width: 柱状图的宽度，默认为 0.8。
-
bottom: 柱状图的底部位置，默认为 0。
-
align: 柱状图的对齐方式，可以是 'center'（居中对齐）或 'edge'（边缘对齐）。
-
**kwargs: 其他可选参数，用于定制柱状图的外观，如 color、edgecolor、linewidth 等
# 导入库
import matplotlib.pyplot as plt
import numpy as np
def mat_bar():
# 数据创建
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
# 创建图形和子图
fig, ax = plt.subplots()
# 绘制柱状图
ax.bar(categories, values, color='skyblue', linewidth=1.5, width=0.6)
# 设置标题和标签
ax.set_title('Customized Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
# 显示图形
plt.show()
直方图
直方图（Histogram）是一种常用的数据可视化工具，用于展示数值数据的分布情况。
语法：
ax.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, **kwargs)
参数：
-
x: 数据数组。
-
bins: 直方图的柱数，可以是整数或序列。
-
range: 直方图的范围，格式为 (min, max)。
-
density: 是否将直方图归一化，默认为 False。
-
weights: 每个数据点的权重。
-
cumulative: 是否绘制累积直方图，默认为 False。
-
**kwargs: 其他可选参数，用于定制直方图的外观，如 color、edgecolor、linewidth 等
饼图
饼图（Pie Chart）是一种常用的数据可视化工具，用于展示分类数据的占比情况。
语法：
ax.pie(x, explode=None, labels=None, colors=None, autopct=None, shadow=False, startangle=0, **kwargs)
参数：
-
x: 数据数组，表示每个扇区的占比。
-
explode: 一个数组，表示每个扇区偏离圆心的距离，默认为 None。
-
labels: 每个扇区的标签，默认为 None。
-
colors: 每个扇区的颜色，默认为 None。
-
autopct: 控制显示每个扇区的占比，可以是格式化字符串或函数，默认为 None。
-
shadow: 是否显示阴影，默认为 False。
-
startangle: 饼图的起始角度，默认为 0。
-
**kwargs: 其他可选参数，用于定制饼图的外观
# 导入库
import matplotlib.pyplot as plt
import numpy as np
def mat_pie():
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
# 创建图形和子图
fig, ax = plt.subplots()
# 绘制饼图
ax.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
# 设置标题
ax.set_title('Simple Pie Chart')
# 显示图形
plt.show()
折线图
使用 plot 函数
from matplotlib import pyplot as plt
# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 创建图形和子图
fig, ax = plt.subplots()
# 绘制多条折线图
ax.plot(x, y1, label='sin(x)', color='blue')
ax.plot(x, y2, label='cos(x)', color='red')
# 设置标题和标签
ax.set_title('Multiple Line Charts')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
# 添加图例
ax.legend()
# 显示图形
plt.show()散点图
散点图（Scatter Plot）是一种常用的数据可视化工具，用于展示两个变量之间的关系。
语法：
ax.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：
-
x: X 轴数据。
-
y: Y 轴数据。
-
s: 点的大小，可以是标量或数组。
-
c: 点的颜色，可以是标量、数组或颜色列表。
-
marker: 点的形状，默认为 'o'（圆圈）。
-
cmap: 颜色映射，用于将颜色映射到数据。
-
norm: 归一化对象，用于将数据映射到颜色映射。
-
vmin, vmax: 颜色映射的最小值和最大值。
-
alpha: 点的透明度，取值范围为 0 到 1。
-
linewidths: 点的边框宽度。
-
edgecolors: 点的边框颜色。
-
**kwargs: 其他可选参数，用于定制散点图的外观
扫一扫
720
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
