Matplotlib是Python中一个用于数据可视化的库,它提供了用于绘制各种静态、动态、交互式的图形的工具和API。Matplotlib可用于以可视化的形式展示数据和模型的结果,包括折线图、散点图、柱状图和分布图等。它同时具有高度的可定制性,可以自定义图形的样式、标签、颜色和字体等。
Matplotlib具有简单易用的API,可以快速绘制各种类型的图表。Matplotlib的底层绘图库是NumPy库中的ndarray,因此可以与NumPy和SciPy等Python科学计算库一起使用。Matplotlib也可以与图形用户界面库结合使用,从而提供交互性图形的绘制。它是Python中最常用的绘图库之一。
1.创建画布与子图
plt. figure(figsize, facecolor) 创建一个空白画布,figsize参数可以指定画布大小,像素,单位为英寸。
figure.add_subplot() 创建并选中子图,可以指定子图的行数,列数,与选中图片编号。
2.绘制的图表函数
-
plt.title(string):在当前图形中添加标题,可以指定标题的名称、位置、颜色、字体大小等参数。
-
plt.xlabel(string):在当前图形中添加x轴名称,可以指定位置、颜色、字体大小等参数。
-
plt.ylabel(string):在当前图形中添加y轴名称,可以指定位置、颜色、字体大小等参数。
-
plt.xlim(xmin,xmax):指定当前图形x轴的范围,只能确定一个数值区间,而无法使用字符串标识。
-
plt.ylim(ymin,ymax):指定当前图形y轴的范围,只能确定一个数值区间,而无法使用字符串标识。
-
plt.xticks():指定x轴刻度的数目与取值。
-
plt.yticks():指定y轴刻度的数目与取值。
-
plt.legend():指定当前图形的图例,可以指定图例的大小、位置、标签。
3.常用的一些绘图属性设置:
‘.’ 圆点 point marker
‘,’ 像素点 pixel marker
‘o’ 圆圈 circle marker
‘v’ 向下三角形 triangle_down marker
‘^’ 向上三角形 triangle_up marker
‘<’ 向左三角形 triangle_left marker
‘>’ 向右三角形 triangle_right marker
‘1’ 向下Y形 tri_down marker
‘2’ 向上Y形 tri_up marker
‘3’ 向左Y形 tri_left marker
‘4’ 向右Y形 tri_right marker
‘s’ 方形 square marker
‘p’ 五边形 pentagon marker
‘*’ 星形 star marker
‘h’ 六角形1 hexagon1 marker
‘H’ 六角形2 hexagon2 marker
‘+’ 加号 plus marker
‘x’ 叉号 x marker
‘D’ 钻石形 diamond marker
‘d’ 钻石形(小) thin_diamond marker
‘|’ 竖线 vline marker
‘_’ 横线 hline marker
‘-’ 实线 solid line style
‘–’ 虚线 dashed line style
‘-.’ 点划线 dash-dot line style
‘:’ 点线 dotted line style
4.设置颜色属性
-
‘b’ 蓝 blue
-
‘g’ 绿 green
-
‘r’ 红 red
-
‘c’ 青 cyan
-
‘m’ 紫 magenta
-
‘y’ 黄 yellow
-
‘k’ 黑 black
-
‘w’ 白 white
5.字体属性
-
黑体 SimHei
-
微软雅黑 Microsoft YaHei
-
微软正黑体 Microsoft JhengHei
-
新宋体 NSimSun
-
新细明体 PMingLiU
-
细明体 MingLiU
-
标楷体 DFKai-SB
-
仿宋 FangSong
-
楷体 KaiTi
-
仿宋_GB2312 FangSong_GB2312
-
楷体_GB2312 KaiTi_GB2312
6.图片的显示与保存
-
plt.savafig():保存绘制的图片,可以指定图片的分辨率、边缘的颜色等参数。
-
plt.show():本机显示图形。
01散点图
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(15)
y = np.random.randn(15)
plt.scatter(x, y, color='red', marker='+')
plt.show()
02气泡图
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(2023)
N = 100
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (20 * np.random.rand(N))**2
plt.scatter(x, y, s=area, c=colors, alpha=0.5)
plt.show()
当下这个大数据时代不掌握一门编程语言怎么跟的上脚本呢?当下最火的编程语言Python前景一片光明!如果你也想跟上时代提升自己那么请看一下.
感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了,安装就可直接上手!
三、最新Python学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试宝典
简历模板
