Matplotlib画图总结

最新推荐文章于 2025-07-06 15:58:07 发布

原创最新推荐文章于 2025-07-06 15:58:07 发布 · 1k 阅读

7 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

5 篇文章

订阅专栏

本文通过实例详细介绍了Matplotlib库的使用方法，包括散点图、柱状图、等高线图、图片显示、3D数据及动画效果的绘制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近学习了matplotlib的内容，在这里做一些总结。
主要时参考网易云小哥哥的课程讲解，自己也做了一些积累。
学习第三方库，加上自己的理解，再加上实操，是我喜欢的学习方式。
matplotlib画图分为以下几种方式（一一来做练习深入理解）：
1.Scatter散点图

import matplotlib.pyplot as plt
import numpy as np
n=1024
#准备数据点，个数为n，产生数据均为平均值为零方差为一。
X=np.random.normal(0,1,n)
Y=np.random.normal(0,1,n)
#为数据点展示提供不同种类颜色
T=np.arctan2(Y,X)
#画图，xy轴，s表示大小，c表示color，alpha代表透明度
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
#x,y轴坐标大小
plt.xlim((-1.5,1.5))
plt.ylim((-1.5,1.5))
#x，y轴坐标值的隐藏
#plt.xticks(())
#plt.yticks(())
#图表展示
plt.show()

展示图如下
这里写图片描述
2.柱状图

n=12
X=np.arange(n)
#根据x数值0-11产生随机数Y1,Y2
Y1=(1-X/float(n))*np.random.uniform(0.5,1.0,n)
Y2=(1-X/float(n))*np.random.uniform(0.5,1.0,n)
#柱状图绘制，主体颜色facecolor边框颜色edgecolor
plt.bar(X,+Y1,facecolor="#9999ff",edgecolor="white")
plt.bar(X,-Y2,facecolor="#ff9999",edgecolor="white")
#利用python zip集合数据获取x，y进行绘制文本信息，设置对其状态
for x,y in X,Y1:
    plt.text(x+0.1,y+0.08,"%.2f"%y,ha="center",va="bottom")
for x,y in zip(X,Y2):
    plt.text(x+0.1,-y-0.12,"%.2f"%y,ha="center",va="bottom")
plt.xlim(-.5,n)
plt.ylim((-1.25,1.25))
plt.xticks(())
plt.yticks(())
plt.show()

如图所示：
这里写图片描述
python zip注释
zip() 函数用于将可迭代对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象。例如：zip(iterable1,iterable2, …)iterable – 一个或多个可迭代对象（字符串、列表、元祖、字典）
如果各个可迭代对象的元素个数不一致，则返回的对象长度与最短的可迭代对象相同。
Python2中直接返回一个由元组组成的列表，Python3中返回的是一个对象，如果想要得到列表，可以用 list() 函数进行转换。
详见https://www.cnblogs.com/wushuaishuai/p/7766470.html
3.Contours等高线图

#设置每个点x，y高度
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
n=256
#生成x，y轴的256个数据
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
#将x，y转化为表格形式，其实等高线就是将每个点布置到网格上，并且将每个点计算出高度将其展示出来
X,Y=np.meshgrid(x,y)
#绘画等高线图的圈圈，8的含义就是区分多个等高线图的圈圈，数字越大区分等高线图越精细
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)
#绘画等高线图的线
C=plt.contour(X,Y,f(X,Y),8,colors="black")
plt.clabel(C,inline=True,fontsize=10)
#plt.xticks(())
#plt.yticks(())
plt.show()

如图所示：
这里写图片描述
4.Image图片

#设置图片数据3*3格子
a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
              0.365348418405, 0.439599930621, 0.525083754405,
              0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)
#设置显示图片的类型，展示形式，每个参数样式多种
#interpolation图片展现样式参考http://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.html
#cmap颜色类型参考https://matplotlib.org/examples/color/colormaps_reference.html
#origin颜色变化形式参考http://matplotlib.org/examples/pylab_examples/image_origin.html
plt.imshow(a, interpolation='none', cmap='cool', origin='lower')
#设置颜色框，缩进程度
plt.colorbar(shrink=.92)
plt.xticks(())
plt.yticks(())
plt.show()

如图所示：
这里写图片描述
5.3D数据

from mpl_toolkits.mplot3d import Axes3D
#figsize:以英寸为单位的宽高，缺省值为 rc figure.figsize (1英寸等于2.54厘米)
fig=plt.figure(figsize=(16,12))
ax=Axes3D(fig)
#设置X,Y的值
#arange([start,] stop[, step,], dtype=None)根据start与stop指定的范围以及step设定的步长，生成一个 ndarray**: dtype
X=np.arange(-4,4,0.25)
Y=np.arange(-4,4,0.25)
X,Y=np.meshgrid(X,Y)
#设置高的值
R=np.sqrt(X**2+Y**2)
Z=np.sin(R)
#绘图，rstride,cstride设置横纵方向的密度程度，绘制颜色
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap="rainbow")
#绘制投影等高线图，zdir按照哪个方向投，最终投影位置是多少，投影颜色是什么
ax.contourf(X,Y,Z,zdir='z',offset=1,cmap="rainbow")
ax.set_zlim=(-2,2)
plt.show()

这里写图片描述
6.Animation动画效果画图

from matplotlib import pyplot as plt
from matplotlib import animation
import numpy as np
fig,ax=plt.subplots()
x=np.arange(0,2*np.pi,0.01)
line,=ax.plot(x,np.sin(x))
def animate(i):
    line.set_ydata(np.sin(x+i/10))
    return line,
def init():
    line.set_ydata(np.sin(x))
    return line,
#animaion动画函数很多，其中FuncAnimation算做其中一种
#参数：fig当前动画面板,fun自定义动画函数，frames有多少帧调用动画函数更新迭代（等i更新到500回到初始点，调用500次animaion）
#init初始化动画函数 interval多长时间更新一次桢调用一次animaion，blit整张图进行更新（所有变化点）
ani=animation.FuncAnimation(fig=fig,func=animate,frames=500,init_func=init,interval=50,blit=True)
#改变上面这些参数就可以实现不同效果形式的动画咯
plt.show()

这里写图片描述