Matplotlib基础

原创 已于 2024-10-24 09:21:14 修改 · 838 阅读 · 25 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#matplotlib #1024程序员节

于 2024-10-23 21:18:00 首次发布

目录

1.中文乱码

局部处理

全局处理

2.Figure函数

plt.figtext()

plt.figure()

plt.show()

plt.savefig()

plt.close()

plt.tight_layout()

fig.add_subplot(rows, cols, index)

plt.add_subplots(cow,col,figsize=(height,width))

fig.add_axes([left, bottom, width, height] )

3.Axes函数

ax.legend()

ax.text()

在折线图上添加文本

在散点图上添加文本

在柱状图上添加文本

ax.set_title()、ax.set_xlabel()和ax.set_ylabel()

ax.set_xlim([min,max])和ax.set_ylim([min,max])

ax.set_xscale(str)和ax.set_yscale(str)

ax.set_xticks()和ax.set_yticks()、ax.get_xticks()和ax.get_yticks()

ax.twinx() 和 ax.twiny()

ax.grid(b=None, which='major', axis='both', **kwargs)

ax = plt.subplot2grid(shape, loc, rowspan=1, colspan=1)

4.格式字符串

颜色

标记

线条样式

5.绘图API

柱状图（Bar Chart)

堆叠柱状图

分组柱状图

水平条形图（Barh）

箱型图（boxplot）

直方图（Histogram）

2D直方图（Histogram2D）

饼图（Pie Chart）

折线图（plot）

极坐标图（polar chart)

散点图（Scatter Plot）

堆叠图（Stackplot）

火柴图（Stem）

阶梯图（Step）

二维箭头图（Quiver）

轮廓图（等高线 Meshgrid）

1.中文乱码

局部处理

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

全局处理

(1)查找matplotlibrc的地址：

import matplotlib
print(matplotlib.matplotlib_fname())

(2)打开matplotlibrc文件，查找：font.sans-serif

取消注释，添加:SimHei

(3)查找：axes.unicode_minus

取消注释，改True为False

2.Figure函数

plt.figtext()

在画布上添加文本注释


plt.figtext(0.5, 0.6, '这里是画布上的文本注释', fontsize=12, color='red', ha='center')

plt.show()

plt.figure()

实例化 figure 对象，即绘制图形的对象，可以通过这个对象，来设置图形的样式等

  • figsize：指定画布的大小，(宽度,高度)，单位为英寸

  • dpi：指定绘图对象的分辨率，即每英寸多少个像素，默认值为80

  • facecolor：背景颜色

  • edgecolor：边框颜色

  • frameon：是否显示边框

fig=plt.figure(figsize=(5,5),facecolor='lightgreen',edgecolor='red',frameon=True)
# 显示画布
plt.show()


plt.show()

显示数字

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

fig, ax = plt.subplots()

# 绘制折线图
ax.plot(x, y)

# 在每个点上显示数字
for i in range(len(x)):
    ax.text(x[i], y[i], str(y[i]), fontsize=12, ha='right')

plt.show()


plt.savefig()

保存当前画布

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('保存画布的折线图')

# 保存画布到文件
plt.savefig('my_figure.png',dpi=300)

plt.show()

plt.close()

关闭画布窗口

plt.tight_layout()

使子图之间的间距以及子图与图像边缘之间的间距尽可能紧凑

确保子图的标题和轴标签不会重叠。

fig.add_subplot(rows, cols, index)

创建并返回一个子图对象。

rows:子图的行数

cols：子图的列数

index：子图的索引

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

fig=plt.figure(figsize=(12,4))

ax1=fig.add_subplot(1,3,1)
ax1.plot(x,y1,label="sin(x)")
ax1.legend()

ax2=fig.add_subplot(1,3,2)
ax2.plot(x,y2,label="cos(x)")
ax2.legend()

ax3=fig.add_subplot(1,3,3)
ax3.plot(x,y3,label="tan(x)")
ax3.legend()

plt.tight_layout()
plt.show()

plt.add_subplots(cow,col,figsize=(height,width))

将figure()和add_subplot()合二为一

用于创建一个包含多个子图（subplots）的图形窗口。

  • nrows: 子图的行数。

  • ncols: 子图的列数。

  • figsize: 图形的尺寸，以英寸为单位。

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 创建图形和子图
fig, axs = plt.subplots(1, 3, figsize=(12, 4))

# 第一个子图
axs[0].plot(x, y1, label='sin(x)')
axs[0].set_title('Sine Wave')
axs[0].set_xlabel('X-axis')
axs[0].set_ylabel('Y-axis')
axs[0].legend()

# 第二个子图
axs[1].plot(x, y2, label='cos(x)')
axs[1].set_title('Cosine Wave')
axs[1].set_xlabel('X-axis')
axs[1].set_ylabel('Y-axis')
axs[1].legend()

# 第三个子图
axs[2].plot(x, y3, label='tan(x)')
axs[2].set_title('Tangent Wave')
axs[2].set_xlabel('X-axis')
axs[2].set_ylabel('Y-axis')
axs[2].legend()

# 显示图形
plt.tight_layout()
plt.show()

fig.add_axes([left, bottom, width, height] )

在画布(Figure)中添加轴

left 和 bottom 是轴域左下角的坐标，范围从 0 到 1。

width 和 height 是轴域的宽度和高度，范围从 0 到 1。

fig = plt.figure()

# 在画布中添加一个轴对象
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])  # [left, bottom, width, height]

# 绘制数据
ax.plot([1, 2, 3], [4, 10, 6])

plt.show()

3.Axes函数

ax.legend()

用于添加图例，以便识别图中的不同数据系列。图例会自动显示每条线或数据集的标签。

  • labels 是一个字符串列表，用来指定标签的名称

  • loc 是指定图例位置的参数，其参数值可以用字符串或整数来表示

  • handles 参数，是一个列表，包含了所有线型的实例

loc 参数：

位置字符串表示整数数字表示
自适应Best0
右上方upper right1
左上方upper left2
左下lower left3
右下lower right4
右侧right5
居中靠左center left6
居中靠右center right7
底部居中lower center8
上部居中upper center9
中部center10
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)
line2, = ax.plot(x, y2)

# 添加图例，手动指定标签
ax.legend(handles=[line1, line2], labels=['正弦函数', '余弦函数'],loc='center')

plt.show()

将label定义在plot方法中，调用legend方法时不用再定义labels，会自动添加label

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='正弦函数')
line2, = ax.plot(x, y2, label='余弦函数')

# 添加图例，手动指定标签
ax.legend(handles=[line1, line2], loc='center')

# 显示图形
plt.show()

ax.text()

在折线图上添加文本

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建一个新的画布和轴对象
fig, ax = plt.subplots()

# 绘制折线图
ax.plot(x, y)

# 在指定位置添加文本
ax.text(3, 5, '这是文本', fontsize=20, color='red')

plt.show()

在散点图上添加文本

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
labels = ['A', 'B', 'C', 'D', 'E']

# 创建一个新的画布和轴对象
fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(x, y)

# 在每个点上添加文本标签
for i in range(len(x)):
    ax.text(x[i], y[i], labels[i], fontsize=12, ha='right')

plt.show()

在柱状图上添加文本

categories = ['A', 'B', 'C', 'D', 'E']
values = [5, 7, 3, 8, 6]

fig, ax = plt.subplots()

bars = ax.bar(categories, values)

# 在每个柱子上添加文本标签
for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width() / 2, height, f'{height}', ha='center', va='bottom')

plt.show()

ax.set_title()、ax.set_xlabel()和ax.set_ylabel()

设置当前轴的标题、x轴标签、y轴的标签

fig, ax = plt.subplots()

# 设置标题和标签
ax.set_title('置当前轴的标题')
ax.set_xlabel('设置x轴标签')
ax.set_ylabel('设置y轴标签')

plt.show()

ax.set_xlim([min,max])和ax.set_ylim([min,max])

ax.set_xlim(min,max)和ax.set_ylim(min,max)

设置x轴区间大小、y轴的区间大小

# 引入 pyplot
from matplotlib import pyplot as plt
# 引入 numpy
import numpy as np

import math

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图形和子图
fig, ax = plt.subplots()

# 绘制数据
ax.plot(x, y, label='sin(x)')

# 设置标题和标签
ax.set_title('Sine Wave')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 设置 X 轴和 Y 轴的范围
ax.set_xlim(0, 2*math.pi)
ax.set_ylim(-1.5, 1.5)

# 添加图例
ax.legend()
# 显示图形
plt.show()

ax.set_xscale(str)和ax.set_yscale(str)

设置x轴缩放比例、y轴的缩放比例

  • 'linear': 线性缩放（默认）
  • 'log': 对数缩放
  • 'symlog': 对称对数缩放，适用于包含正负值的数据
  • 'logit': Logit缩放，适用于概率数据
y = [1, 2, 3, 4, 5]
x = [200, 300, 500, 700, 1100]

# 创建一个新的画布和轴对象
fig, ax = plt.subplots()

# 绘制折线图
ax.plot(x, y)

# 设置X轴为对数缩放比例，Y轴为线性缩放比例
ax.set_xscale('log')
ax.set_yscale('linear')

plt.show()

ax.set_xticks()和ax.set_yticks()、ax.get_xticks()和ax.get_yticks()

获取或设置x轴刻标和相应标签，获取或设置y轴的刻标和相应标签a

fig, ax = plt.subplots()

# 设置X轴和Y轴的刻标和相应标签
ax.set_xticks([1, 2, 3, 4, 5])
ax.set_xticklabels(['一', '二', '三', '四', '五'])
ax.set_yticks([2, 3, 5, 7, 11])
ax.set_yticklabels(['二', '三', '五', '七', '十一'])

# 获取当前X轴和Y轴的刻标位置
current_xticks = ax.get_xticks()
current_yticks = ax.get_yticks()
print(f'当前X轴刻标位置: {current_xticks}')
print(f'当前Y轴刻标位置: {current_yticks}')

plt.show()

ax.twinx() 和 ax.twiny()

用于在同一个图形中创建共享 X 轴或 Y 轴的多个子图。

ax2 = ax1.twinx()
ax2 = ax1.twiny()

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.exp(x)

# 创建图形和子图
fig, ax1 = plt.subplots()

# 绘制第一个数据集
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('sin(x)', color='b')

# 创建共享 X 轴的子图
ax2 = ax1.twinx()

# 绘制第二个数据集
ax2.plot(x, y2, 'r-', label='exp(x)')
ax2.set_ylabel('exp(x)', color='r')

ax1.legend()
ax2.legend()

plt.show()

ax.grid(b=None, which='major', axis='both', **kwargs)

  • 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: 要显示的网格线类型: 'major'（主刻度）、'minor'（次刻度）、 'both'（主刻度和次刻度）。

  • axis: 要显示网格线的轴:'both'、'x' 、'y'。

  • **kwargs: 其他可选参数，用于定制网格线的外观，如 color、linestyle(ls)、linewidth(lw) 等。

x = np.arange(1, 10, 0.01)
y = 2 ** x
fig = plt.figure()
axs = fig.add_axes([0.1, 0.1, 0.8, 0.8])
axs.plot(x, y)
axs.set_ylabel("axis_y")
axs.set_xlabel("axis_x")
axs.legend(loc='upper center')
axs.grid(True, axis='both', color='r', ls="--", lw=0.5)
plt.show()

ax = plt.subplot2grid(shape, loc, rowspan=1, colspan=1)

用于在网格中创建子图。允许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，可以创建复杂的布局。

  • 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。

  • rcolspan: 子图占据的列数，默认为 1。

x=np.linspace(0,10,50)
y1=x**-1
y2=2*x**2-12*x+5

fig = plt.figure(figsize=(12, 8))
ax = plt.subplot2grid((8,8),(0,1),rowspan=3,colspan=3)
ax.plot(x,y1,label="x**-1")
ax.legend()

ax2 = plt.subplot2grid((8,8),(0,4),rowspan=4,colspan=4)
ax2.plot(x,y2,label="6*x**2-3*x+5")
ax2.legend()

plt.tight_layout()
plt.show()

4.格式字符串

格式字符串由颜色、标记和线条样式组成。

颜色

bgrcmykw
蓝色绿色红色青色洋红色黄色黑色白色

标记

.,ov^<>sp
点标记像素标记圆圈标记向下三角标记向上三角标记向左三角标记向右三角标记方形标记五边形标记
*hH+xDd|_
星形标记六边形标记 1六边形标记 2加号标记叉号标记菱形标记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
# 导入 pylab 库
import pylab

x = pylab.linspace(-6, 6, 40)
# 基于 x 构建 y 的数据
y = x**2
# 绘制图形
pylab.plot(x,y,'r:x')
# 展示图形
pylab.show()

5.绘图API

柱状图（Bar Chart)

ax.bar(x, height, width=0.8, bottom=None, align='center', **kwargs)

  • 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。

绘制条形图

categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 34, 67]

plt.bar(categories, values, color='skyblue')

plt.title('条形图示例')
plt.xlabel('类别')
plt.ylabel('值')

plt.show()

堆叠柱状图

categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 25, 20, 10]

# 创建图形和子图
fig, ax = plt.subplots()

# 绘制第一个数据集的柱状图
ax.bar(categories, values1, color='skyblue', label='Values 1')

# 绘制第二个数据集的柱状图，堆叠在第一个数据集上
ax.bar(categories, values2, bottom=values1, color='lightgreen', label='Values 2')

# 设置标题和标签
ax.set_title('Stacked Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 添加图例
ax.legend()

plt.show()

分组柱状图

categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 25, 20, 10]

# 创建图形和子图
fig, ax = plt.subplots()

# 计算柱状图的位置
x = np.arange(len(categories))
width = 0.35

# 绘制第一个数据集的柱状图
ax.bar(x - width/2, values1, width, color='skyblue', label='Values 1')

# 绘制第二个数据集的柱状图
ax.bar(x + width/2, values2, width, color='lightgreen', label='Values 2')

# 设置 X 轴标签
ax.set_xticks(x)
ax.set_xticklabels(categories)

# 设置标题和标签
ax.set_title('Grouped Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 添加图例
ax.legend()

plt.show()

水平条形图（Barh）

plt.barh(categories, values, color='skyblue')

categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 34, 67]

# 创建水平条形图
plt.barh(categories, values, color='skyblue')

plt.show()

箱型图（boxplot）

plt.boxplot(data, labels=['A', 'B', 'C'])

# 生成一些随机数据
np.random.seed(123)
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱型图
plt.boxplot(data, labels=['A', 'B', 'C'])

plt.show()

直方图（Histogram）

ax.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, **kwargs)

  • 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。

# 生成一些随机数据
np.random.seed(123)
data = np.random.normal(0, 1, 1000)  # 均值为0，标准差为1的正态分布数据

# 创建直方图
plt.hist(data, bins=30, color='skyblue', edgecolor='black')

plt.show()

2D直方图（Histogram2D）

plt.hist2d(x, y, bins=30, cmap='Blues')

# 生成一些随机二维数据
np.random.seed(123)
x = np.random.normal(0, 1, 1000)  # 均值为0，标准差为1的正态分布数据
y = np.random.normal(0, 1, 1000)  # 均值为0，标准差为1的正态分布数据

# 创建2D直方图
plt.hist2d(x, y, bins=30, cmap='Blues')

# 添加颜色条
plt.colorbar(label='频数')


plt.title('2D直方图示例')
plt.xlabel('X值')
plt.ylabel('Y值')

plt.show()

饼图（Pie Chart）

ax.pie(x, explode=None, labels=None, colors=None, autopct=None, shadow=False, startangle=0, **kwargs)

  • 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。

labels = ['A', 'B', 'C', 'D', 'E']
sizes = [15, 30, 45, 10, 20]  # 每个类别的比例
colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue', 'orange']
explode = (0.1, 0, 0, 0, 0)  # 突出显示第一个类别

# 创建饼状图
plt.pie(sizes, explode=explode, labels=labels, colors=colors,
        autopct='%1.1f%%', shadow=True, startangle=140)

# 使饼状图为正圆形
plt.axis('equal')

# 添加标题
plt.title('饼状图示例')

plt.show()

折线图（plot）

pylab.plot(x, y, format_string=None, **kwargs)

在坐标轴上画线或者标记

  • 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,如标签。

极坐标图（polar chart)

plot(theta, r, color='r', linewidth=2)

# 生成一些极坐标数据
theta = np.linspace(0, 2 * np.pi, 100)  # 角度从0到2π
r = np.abs(np.sin(2 * theta) * np.cos(2 * theta))  # 半径

# 创建极坐标图
ax = plt.subplot(111, projection='polar')
ax.plot(theta, r, color='r', linewidth=2)

plt.show()

散点图（Scatter Plot）

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)

  • 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。

堆叠图（Stackplot）

stackplot(x, y1, y2, y3, labels=['A', 'B', 'C'])

np.random.seed(123)
x = np.arange(0, 10, 1)  # x轴数据
y1 = np.random.rand(10)  # 第一组数据
y2 = np.random.rand(10)  # 第二组数据
y3 = np.random.rand(10)  # 第三组数据

# 创建堆叠图
plt.stackplot(x, y1, y2, y3, labels=['A', 'B', 'C'])

# 添加标题和标签
plt.title('堆叠图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 添加图例
plt.legend(loc='upper left')

plt.show()

火柴图（Stem）

用来绘制二维离散数据

plt.stem(x, y, linefmt='b-', markerfmt='bo', basefmt='r-')

# 生成一些离散数据
np.random.seed(123)
x = np.arange(0, 10, 1)  # x轴数据
y = np.random.rand(10)  # y轴数据

# 创建火柴图
plt.stem(x, y, linefmt='b-', markerfmt='bo', basefmt='r-')

# 添加标题和标签
plt.title('火柴图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

plt.show()


阶梯图（Step）

plt.step(x, y, where='pre', color='blue', linewidth=2)

x = np.linspace(0, 10, 10)  # x轴数据
y = np.sin(x)  # y轴数据

# 创建阶梯图
plt.step(x, y, where='pre', color='blue', linewidth=2)

plt.show()

二维箭头图（Quiver）

plt.quiver(x, y, u, v, color='blue')

# 生成一些二维向量数据
x, y = np.meshgrid(np.arange(0, 2 * np.pi, 0.2), np.arange(0, 2 * np.pi, 0.2))
u = np.cos(x)
v = np.sin(y)

# 创建箭头图
plt.quiver(x, y, u, v, color='blue')

# 显示图表
plt.show()

轮廓图（等高线 Meshgrid）

X, Y = np.meshgrid(x, y)

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 创建轮廓图
plt.figure(figsize=(8, 6))
contour = plt.contour(X, Y, Z, levels=10, colors='black')
plt.clabel(contour, inline=True, fontsize=8)

# 创建填充的轮廓图
plt.contourf(X, Y, Z, levels=10, cmap='RdYlBu_r')

# 添加颜色条
plt.colorbar()

plt.show()

Nerinic
关注
Matplotlib 画布及Figure文字注释添加详解
bbaaa123的博客
09-07 1293
matplotlib 画布及Figure文字注释添加详解
机器学习数据科学包（十五）——Matplotlib模块：实例
DuBenBen的博客
02-13 622
注释 .annotate('this is a note', xy=(x1,y1), xytext=(x2,y2), arrowprops={'frac'=0.5,'facecolor':,headwidth':,'width':}) 其中xy代表箭头起始坐标，xytext代表箭头终止坐标及注释开始位置，arrowpro...
Matplotlib_4.文字图例尽眉目
weixin_42504788的博客
01-02 1230
Matplotlib文字图例尽眉目（Figure和Axes上的文本、Tick上的文本、图例）
python plt text_python plt.figtext()求大神解答，谢谢
weixin_31858863的博客
12-24 2105
展开全部题主你好,首先, plt是官网推荐的对matplotlib.pyplot的缩写,即在python中通常e69da5e887aa62616964757a686964616f31333433643130有语句:import matplotlib.pyplot as plt其次, figtext()函数的作用是在图中添加文本信息,而函数中的参数,则是设置所添加文本的 位置 | 文本内容 | 字体...
matplotlib绘图基础
热门推荐
皮皮blog
07-13 8万+
matplotlib 是python最著名的绘图库，十分适合交互式地进行制图，而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。Matplotlib：Matlab的语法、python语言、latex的画图质量。面向对象方式绘图：matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。
Matplotlib基础知识
m0_73723097的博客
10-23 1372
1.Matplotlib 库：是一款用于数据可视化的 Python 软件包，支持跨平台运行，它能够根据 NumPy ndarray 数组来绘制 2D 图像，它使用简单、代码清晰易懂2.Matplotlib 图形组成：（1）Figure：指整个图形，您可以把它理解成一张画布，它包括了所有的元素，比如标题、轴线等（2）Axes：绘制 2D 图像的实际区域，也称为轴域区，或者绘图区（3）Axis：指坐标系中的垂直轴与水平轴，包含轴的长度大小（图中轴长为 7）、轴标签（指 x 轴，y轴）和刻度标签。
Pandas 掌握Matplotlib基础绘图①
最新发布
05-17
Pandas与Matplotlib是Python编程...最后，本课程是一个系列的第一部分，它旨在为学员打下坚实的基础，后续的课程将深入探讨更复杂的Pandas数据处理技巧和Matplotlib的高级绘图功能，带领学员走上数据分析师的专业之路。
matplotlib绘图技巧详解(三)
数据分析与统计学之美
02-19 3889
目录   1、绘图区域设置   2、figure(画布)大小设置   3、标签与刻度设置   4、坐标轴标题、标签与图标题设置   5、添加文本注释、数据标签 1、绘图区域设置：为figure指定不同的axes区域   我们可以在一张图上绘制多个图形，当然，我们也可以将不同的图形绘制到多个不同的区域当中。共有如下几3种方式来实现绘图区域的设置。 通过figure对象调用add_subplot方法...
【Python数据可视化】Matplotlib学习笔记之pyplot(5)【END】
Lynn_whu的博客
02-26 564
【Python数据可视化】Matplotlib学习笔记之pyplot(5) 简介：Matplotlib 是一个Python的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。 编程环境：Python 3.8 ...
数据科学包16-matplotlib的三个实例
柳杰的博客
07-18 270
文章目录1.函数积分图2.散点图-条形图结合3.球员能力图 1.函数积分图 # 函数积分图 import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import Polygon def func(x): return -(x-2)*(x-8) + 40 # 将0-10区间等分50份 返回array数组 x = np.linspace(0,10) y = func(x) # 构造绘图窗口与坐标轴 fig,
Python模块之Matplotlib模块学习笔记
m0_64336020的博客
12-17 3789
在Jupyter notebook中进行交互式绘图，需要执行一下语句% matplotlib notebook 一、绘图基础知识 二、相关函数简介 #导入matplotlib的pyplot模块 import matplotlib.pyplot as plt figure（）：创建一个新的绘图窗口。 figtext（）：为figure添加文字 axes（）：为当前figure添加一个坐标轴 plot（）：绘图函数 polar（）：绘制极坐标图 axis（）：获取或设置轴属性的边界方法（坐标的
Matplotlib详细教程[二]之文本标注、子图设置、图中图设置
普通人能赶追天才的方法只有坚持
06-07 1311
本文概述：优快云上很多Matplotlib的教程写得都不咋滴，很多都是直接贴一堆代码上去，注释写得不清楚也不完整，让很多想学习Matplotlib的读者体验感非常差，因此作者打算写一系列Matplotlib教程，帮助萌新入门，老手也可以查漏补缺。
plt注释文字，美化及实战
m0_46519036的博客
06-15 2927
注释 如何给图片添加注释 需要用到plt.annotate("",xy=（） ,xytext =（），arrowprops = dict),分别是注释的内容，xy是箭头指向的坐标，xytext是文字起始的坐标,arrowprops（箭头）里面的参数：facecolor:颜色，frac是箭头的比例0-1，1是全部是箭头，0.5是一半都是箭头，0就是没有箭头，headwidth:箭头的宽度，width：键身的宽度 如果在图中只画文字（没有箭头） 使用plt.text（）里面的参数第一个是横坐标，第一个是纵
Matplotlib数据可视化（四）
weixin_45397053的博客
11-26 1952
Task04 本次学习参照Datawhale开源学习：https://github.com/datawhalechina/fantastic-matplotlib 内容大体源自原文，结合自己学习思路有所调整。 个人总结：一、Matplotlib主要有pyplot API和objected-oriented API两种创建文本的方式。2、文本设置也分为直接设置和使用实例化方法设置两种方式。 4. 文字图例 Matplotlib具有广泛的文本支持。主要有pyplot API和objected-oriented
Python 的Tkinter包系列之七：好例子补充
cnds123的专栏
11-29 1714
使用python之tkinter 创建简单记事本，采用多种实现代码。使用tkinter的Canvas示例程序：画五角星、画树
Python可视化中的Matplotlib(6.散点图以及详细参数、为图形添加文字、注释、箭头以及它们的参数)
Mogul的博客
11-09 1万+
1. 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，而是每个点的横轴坐标！    散点图 scatter() 参数说明：                   (1) color = 'r': 设置颜色                   (2) s = 50； 设置点的大小 (值越大，点就越大)                   (3) marker...
matplotlib之pyplot模块——添加图形级图例、文本、轴标签（figlegend()、figtext()、Figure.supxlabel()、Figure.supylabel()）
mighty13的专栏
05-03 3万+
当前有效matplotlib版本为：3.4.1。 概述 如果不手动创建子图，matplotlib会默认自动创建一个子图，前面介绍的title()、legend()、xlabel()、ylabel()等函数的调用对象其实都是子图对象，也只对子图生效。如果想在整个图形中添加标题、图例、轴标签该如何操作呢？ matplotlib.pyplot模块提供了suptitle()、figlegend()、figtext()等函数用于添加图形级的标题、图例、文本。 figure对象增加了supxlabel()方法和supy
Matplotlib学习笔记 Task04：文字图例尽眉目
qq_52797555的博客
07-20 1443
Matplotlib学习笔记
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值