plt6种基本图形及基础

最新推荐文章于 2024-09-10 07:40:56 发布
原创 最新推荐文章于 2024-09-10 07:40:56 发布 · 7.2k 阅读 · 33 ·
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。

本文详细介绍了matplotlib库在Python中绘制6种基本图形的方法，包括散点图、折线图、条形图、直方图、饼状图和箱型图。通过示例展示了每种图形的参数设置，如颜色、样式、坐标轴范围调整、网格和图例的绘制，以及在一张图上绘制多个子图等。同时，文章也提到了面向对象和Matlab风格的编程方式在matplotlib中的应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在这里插入图片描述

np的创建

在这里插入图片描述

np的切片
在这里插入图片描述
np调用函数
在这里插入图片描述

6中基本图形的画法：

散点图scatter(),4个参数，分别是c 点的形状,s点的大小，alpha透明度，marker点形状
散点图显示2组数据的值，每个点坐标位置由变量的值决定
由一组不连接的电玩城，用具观察两种变相的相关性
例如：身高-体重，温度-纬度等
在这里插入图片描述
散点图最大的作用就是研究两个变量的相关性
相关性一般来说有三种：正相关，负相关和不相关

这里两个变量，每个变量都是1000个随机数，看他们的相关性，可以看到，这个图形没有一个明显的趋势，所以可以判断x和y没有相关性
在这里插入图片描述
这里x取1000个随机数，y取x有关的值，可以明显的发现是正相关
在这里插入图片描述

折线图（3个参数，1.线型：linestyle，2.颜色：color，3.点形状：marker）
折线图是用直线段将各数据连接起来组成的图形
常用来观察数据随时间变化的趋势
例如股票价格，温度变化等
下面的例子，x从-10到10取均分取5个数字，y取x的平方，绘制出5个点的折线图
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

条形图（plt.bar(),2个参数：1.color:颜色，2.width：宽度）：
在这里插入图片描述
如果想绘制水平的条形图，可以在plt.bar中增加参数orientation = “horizontal”
在这里插入图片描述
为了简化参数，还提供了另外一种函数
plt.barh

北京和伤害某商品的销量条形图，可以用作对比
这种对比图或者层叠图的核心就是第二个变量的横坐标或者纵坐标，用横坐标+宽度或者bottem=第一个变量的高度在这里插入图片描述
直方图（hist，3个参数，1：bins直方图中总共有多少个直方，color颜色，normed，布尔型变量，是否对数据标准化）：
有一系列高度不等的纵向条形组成，表示数据的分布
例如某年级同学的身高分布情况
注意和条形图的区别（直方图通常用来连续性数值型数据，分组是用连续型的方式分组，并且可以自定义；条形图通常用来展示不同类别的数据，而且这个类别通常不能自定义和不连续）
在这里插入图片描述

双变量的直方图：
用颜色深浅代表频率的大小
可以看到，x中间点对应的是2，y中间点对应的是3，越在中心越量，探索双变量的联合分布
在这里插入图片描述
饼状图（pie）：
饼状图显示一个数据系列中各项的大小与各项综合的比例
饼状图的数据点显示为整个饼状图的百分比
比如前十大品牌占市场份额图
在这里插入图片描述
如果想把某一块突出显示，需要用到explode，它会让这部分离开圆心
在这里插入图片描述

箱型图
箱型图（Box-plot）又称为盒须图，盒式图或者箱线图
是一种用作显示一组市局分散情况资料的统计图
上边缘，上四分位数，中位数，下四分位数，下边缘，异常值
在这里插入图片描述

颜色和样式

8种内建颜色缩写：
b:bule
g:green
r:red
c:cyan
m:magenta
y:yellow
k:black
w:white
其他颜色表示方法
1.灰色阴影
2.html 十六进制
3.RGB元组
测试三种方法：
在这里插入图片描述
点和线的样式：
点的形状：23种
我们可以看到，不写marker就不会连线，写了就会自动连线，并且每个点形状不同，颜色就会自动变化
在这里插入图片描述
线的形状：4种
在这里插入图片描述
样式字符串：
可以将颜色，点形，线型写成一个字符串
比如：cx-- mo：
在这里插入图片描述

编程方式：面向对象VS Matlab Style

pyolot:经典高层封装
ptlab：将Matplotlib和Numpy合并的模块，模拟Matlab的编程环境
面向对象的方式：Matplotlib的精髓，更基础和底层方式

pyplot：简单易用，交互使用时方便，可以根据命令实时作图，但是底层定制能力不足
pylab：完全封装，环境最接近Matlab，不推荐使用
面向对象方式：接近Malplotlib基础和底层的方式，难度稍大，但是定制能力强，而且是Matplotlib的精髓
实战中推荐，根据需求，综合使用pyplot和OO的方式，显示导入numpy

在一张图上画多个子图

Matplotlib对象简介
大的对象有三级，FigureCanvas：画布，Figure：图，Axes：Figure上的坐标轴
如何在一张图上画子图：
fig = plt.figure()
Figure实例，可以添加Axes实例
ax = fig.add_subplot(111）
返回Axes实例
3个1分别代表：
参数1：子图总行数
参数2：子图总列数
参数3：子图的位置
在这里插入图片描述
可以看到我们画子图在第一行第一列，现在如果我们想在第一行第二列上画子图：
在这里插入图片描述

如何生成多张图

生成多张图是因为用了多个figure对象，生成子图用的是ax
在这里插入图片描述

网格的画法：

画网格有2种方式，1.用plt直接封装好的网格函数，2.用面向对象的方式
先画一张普通的图
在这里插入图片描述
那么如何生成网格呢：
写入代码plt.grid(True)
在这里插入图片描述
我们也可以对网格进行更多更复杂的定制：
在这里插入图片描述
用面向对象的方式绘制网格：
需要注意的是，面向对象是没有交互效果的
在这里插入图片描述

图例的画法

在这里插入图片描述
同样有2种方式可以生成图例，一种是plt方式，一种是面向对象的方式
这是原图，没有图例
在这里插入图片描述
如何添加图例呢：
写入代码plt.legend()
在这里插入图片描述
legend有两个重要的参数，1：位置：loc=1 loc = 2，loc= 3，loc = 4。。。。，2.扁平化：ncol（有几列），ncol = 1#有1列
ncol = 2#有2列
用plt也可以把label卸载legend里面：注意，legend里面是一个列表
在这里插入图片描述

面向对象的方式
在这里插入图片描述

坐标轴范围调整

在这里插入图片描述
比如这想绘制这张图，我们想把坐标轴范围调整到：横坐标0，10，纵坐标0，80
使用函数asix（）
在这里插入图片描述

调整坐标轴的刻度

在这里插入图片描述
如果我们想把坐标轴密度改变，比如1.5 ， 2.5
在这里插入图片描述
plt.gca()是获取当前的坐标轴
当对象是坐标轴的时候，使用函数locator_params（）,这时候参数可以指定，比如locator_params(“y”,nbins = 20),nbins是指定某个坐标分为多少格
有的时候，横坐标会是日期，日期相对来说麻烦一点：
在这里插入图片描述

添加坐标轴

在这里插入图片描述
像这种区间不一样的图，就需要双坐标轴
plt.twinx()就是生成第二个坐标轴，但是坐标轴默认范围是0-1

plt方式
在这里插入图片描述在这里插入图片描述
面向对象方式：
在这里插入图片描述

学号_Y_1055
关注
常用的plt图像
爱学习的大白菜的博客
10-23 1004
横向条形图 import numpy as np import matplotlib.pyplot as plt data = {'Barton LLC': 109438.50, 'Farmi, Hills and Schmidt': 103569.59, 'Fritsch, Russel and Anderson': 112214.71, 'Jerde-Hipert': 112591.43, 'Keeling LLC': 100934.
python Numpy 的基础用法以及 matplotlib 基础图形绘制
weixin_58439331的博客
12-24 4824
python Numpy 基本使用 以及 matplotlib 基础图形绘制
plt绘图详解
LLDZH的博客
12-28 1011
这只是一些常见的方法，Matplotlib 的功能非常丰富，可以根据具体需求调用不同的方法进行图形绘制和设置。在这个例子中，首先导入了 Matplotlib 的 pyplot 模块，并使用。Matplotlib 是一个用于绘制图表和可视化数据的 Python 库，而。不是一个独立的模块，而是通常用于表示 Matplotlib 中的。则是 Matplotlib 中用于创建图形的模块。然后，创建了一些数据，使用。设置了标题和坐标轴标签，使用。显示了图例，最后使用。
[matplotlib.pyplot]plt绘制基础图表 笔记
FlySky的发问时间
05-11 3577
目录Matplotlib绘图基础图形的组成图形的层次Matplotlib的三个层次底层-后台层（Backends Layer）特点中间层-艺术家层（Artist Layer）特点上层-脚本层（Scripting Layer）特点小结-1绘制基本的图表绘制散点图scatter绘制条形图bar与直方图hist绘制饼图pie绘制箱线图boxplot绘制折线图plot绘制核密度图plot小结-2添加文字参数调整坐标轴绘制子图小结-3面向对象(Object oriented)的API接口代码分析面向对象比较pylot
plot画图
菜菜小孙的blog
10-18 439
plot画图风格 print(len(plt.style.available)) print(plt.style.available) [‘bmh’, ‘classic’, ‘dark_background’,‘fast’, ‘fivethirtyeight’, ‘ggplot’, ‘grayscale’, ‘seaborn-bright’,‘seaborn-colorblind’, ‘seaborn-dark-palette’, ‘seaborn-dark’,‘seaborn-darkgrid’, ‘s
matplotlib中pyplt几种典型图形汇总
小鹰的博客
03-27 1375
几种图的特点： 一、折线图：能够显示事物的变化趋势，变化情况 plt.plot() 最典型的绘图过程即可。 二、直方图：绘制连续性的数据，展示一组或者多组数据的分布情况 和前面几种绘图最大的区别就是，绘图使用plt.hist(原始数据a，组数[，density=True])函数，并且简单绘图时不需要传x、y轴坐标，只需要传进待绘图的原始连续数据，设置好分组数量，函数会自动将每组数据的个数计算出来...
利用PLT文件与plot绘制高效工程图形技巧
plt文件是一种专门用于绘图设备的文件格式，它包含了绘制图形所需的几何和绘图指令。对于工程图形而言，plt文件能够存储线段、曲线、文本和符号等多种图形元素的数据，让绘图设备（如打印机或绘图仪）能够准确地还原...
关于python中plt.hist参数的使用详解
09-18
首先，我们来看plt.hist()函数的基本语法结构： ```python matplotlib.pyplot.hist(x, bins=None, range=None, normed=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', ...
Python matplotlib通过plt.scatter画空心圆标记出特定的点方法
09-19
除了基本的空心圆标记外，`plt.scatter` 还支持多种其他类型的标记，如正方形、三角形等。通过调整 `marker` 参数，可以轻松改变标记的样式。此外，通过组合使用不同的颜色和大小设置，可以进一步增强数据可视化的...
【Python金融数据分析基础】Matplotlib绘图：基本图形绘制技巧
[【Python金融数据分析基础】Matplotlib绘图：基本图形绘制技巧](https://opengraph.githubassets.com/578deab8d5b4fd00b7247e8083ebf6ab0c1d954b7b73c67b81257c30db4a9fba/1065474/Python-matplotlib) # 1. Python...
python plt 绘图详解（plt.版本）
qq_30150579的博客
11-23 3万+
python plt绘图详解
plt常用绘图方法总结
qq_45055172的博客
04-03 9724
plt常用绘图方法、参数总结，包含折线图、散点图、柱形图、饼图、热力图、箱线图
007、绘制数据plt.plot
Code is fun.
06-18 1239
plt.plotx：x 轴数据。y：y 轴数据。：可选,指定线条颜色、标记和线型的格式字符串(如'r*--'**kwargs：可选,用于设置线条属性的关键字参数。plt.plot(x, y1, 'r*--', label='质数')plt.plot(x, y2, 'bo-', label='平方数')plt.title('自定义格式的线形图')plt.xlabel('X轴')plt.ylabel('Y轴')plt.show()
plt绘图
qq_33267306的博客
09-09 1758
plt基本绘图
Matplotlib plot绘制多条线,点型(标记)、线型,参数配置及缩写形式
bbaaa123的博客
09-10 5788
matplotlib plot绘制多条线,点型(标记)、线型,参数配置及缩写形式详解
python plot linestyle 线型颜色及线条控制（linestyle、marker、color）
wzg2016的博客
07-15 4万+
说明： 简单的线型可以定义为："solid", "dotted", "dashed" or "dashdot". 更多自适应的控制线型可以通过一个tuple数组控制：如(0,(3,10,1,15))表示的线型为： (3pt 的短线 + 10pt 的空格 +1pt 短线+15pt 空格) 一些典型线型的示例： import numpy as np import matplotlib.pyplot as plt linestyle_str = [ ('solid', 'so...
matplotlib学习之（四）设置线条颜色、形状
热门推荐
kkxgx的专栏
11-09 12万+
本文是学习《matplotlib for python developers》的一点笔记 plot画图时可以设定线条参数。包括：颜色、线型、标记风格。 1）控制颜色 颜色之间的对应关系为 b---blue   c---cyan  g---green    k----black m---magenta r---red  w---white    y----yellow 有三种表示颜色的方
python绘制线型图
vergil_zsh的博客
03-04 6859
matplotlib线型图详解
matplotlib折线图调整线形状
Jiashilin
08-01 4931
基本画图例子： # coding: utf-8 import matplotlib.pyplot as plt import numpy as np # pre-datas x = np.arange(1, 11, 1) # x坐标 plt.plot(x, y1, lw=1, c='red', marker='s', ms=4, label='Y1') # 绘制y1 plt.plot(x...
存储plt绘制的图形
最新发布
06-23
<think>我们正在讨论如何保存Matplotlib绘制的图形。根据引用[1]，我们知道Matplotlib提供了将图形保存为图像文件的功能，而不是仅仅使用plt.show()显示出来。引用[1]中提到的基本保存方法是关键。保存图形的基本步骤：1.在绘制图形之后，调用`plt.savefig()`函数，并指定文件名（可以包含路径）。2.可以通过参数设置图像格式（如png,jpg,svg,pdf等）和分辨率（dpi）等。具体操作如下：-首先，确保已经导入了matplotlib.pyplot模块，通常我们这样导入：`importmatplotlib.pyplotasplt`。-然后，创建图形并绘制（例如使用plt.plot()等）。-最后，在调用plt.show()之前，调用plt.savefig()保存图像。因为plt.show()会清空图形，所以通常先保存再显示。示例代码：```pythonimportmatplotlib.pyplotasplt#创建数据并绘图x=[1,2,3,4]y=[1,4,9,16]plt.plot(x,y)#保存图像到当前目录，文件名为'my_plot.png'plt.savefig('my_plot.png')#显示图形（可选）plt.show()```此外，plt.savefig()还支持多个参数来调整输出：-`dpi`:设置图像分辨率（每英寸点数），例如dpi=300。-`bbox_inches`:设置为'tight'可以去除图像周围多余的空白。-`format`:指定保存的格式，如'png','jpg','svg','pdf'等。如果不指定，则根据文件扩展名自动判断。示例：保存为高分辨率PDF并去除空白```pythonplt.savefig('my_plot.pdf',dpi=300,bbox_inches='tight')```注意：如果同时需要显示和保存，务必先保存再显示，因为plt.show()会释放图形资源。另外，引用[4]中展示了一个例子，其中使用了`plt.figure(figsize=(8,9))`来设置画布大小，然后绘制了两个子图，并分别保存（但实际上该例子并没有保存，而是显示）。我们可以将保存步骤加在plt.show()之前。对于3D图像（引用[5]），保存方法是一样的，使用plt.savefig()。总结：保存Matplotlib图形的核心函数是`plt.savefig()`，在绘制完成后调用该函数并指定文件名即可。相关问题：1.如何保存Matplotlib图形而不显示？2.如何将Matplotlib图形保存为不同格式（如PNG、PDF、SVG）？3.如何调整保存图像的分辨率和大小？4.如何去除保存图像周围的空白区域？5.如何同时保存多个图形到不同的文件？</think>### 如何保存 Matplotlib 绘制的图像 在 Matplotlib 中保存图像的核心方法是使用 `savefig()` 函数，以下是详细操作指南： #### 一、基础保存方法 ```python import matplotlib.pyplot as plt # 1. 创建图形 plt.plot([1, 2, 3], [1, 4, 9]) plt.title("示例图像") # 2. 保存图像（默认PNG格式） plt.savefig('output.png') # 保存到当前目录 # 3. 显示与保存顺序（重要！） plt.show() # 必须在保存后调用 ``` **关键点**： - `savefig()` 必须在 `show()` 之前调用，否则会保存空白图像 - 默认保存为 PNG 格式，分辨率 100 DPI[^1] #### 二、高级保存选项 ```python plt.savefig( 'high_quality_plot.pdf', # 文件名 dpi=300, # 分辨率（印刷推荐300+） bbox_inches='tight', # 去除多余白边 facecolor='white', # 背景色 edgecolor='none', # 边框颜色 format='svg' # 指定矢量格式 ) ``` **参数说明**： | 参数 | 说明 | 常用值 | |------|------|--------| | `dpi` | 分辨率 | 72（屏幕）, 300（印刷） | | `bbox_inches` | 边界框 | 'tight'（自动紧凑） | | `format` | 文件格式 | 'png','pdf','svg','jpg' | | `transparent` | 透明背景 | True/False | #### 三、多子图保存技巧 ```python fig, axs = plt.subplots(2, 2) # 创建2x2子图 # ... 在各子图绘制数据 ... # 保存整个画布 fig.savefig('all_subplots.png', dpi=150) # 使用Figure对象保存 # 保存单个子图 axs[0,0].figure.savefig('single_subplot.jpg') # 通过Axes对象保存 ``` #### 四、3D图像保存 ```python from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # ... 绘制3D图形 ... fig.savefig('3d_plot.png', dpi=200) # 保存方法与2D相同[^5] ``` #### 五、批量保存技巧 ```python formats = ['png', 'pdf', 'svg'] for fmt in formats: plt.savefig(f'output.{fmt}', format=fmt) # 同时保存多格式 ``` ### 常见问题解决 1. **图像空白问题** - 确保 `savefig()` 在 `show()` 前调用 - 使用 `plt.close()` 释放资源 2. **中文乱码问题** 添加字体配置： ```python plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体[^4] plt.rcParams['axes.unicode_minus'] = False # 负号显示 ``` 3. **矢量图编辑** 推荐使用 SVG 格式： ```python plt.savefig('vector_graph.svg', format='svg') # 可用Inkscape编辑 ``` ### 最佳实践建议 1. 印刷用途：PDF格式 + 300 DPI 2. 网页使用：PNG格式 + 72-150 DPI 3. 学术论文：同时保存PDF（矢量）和PNG（预览） 4. 动态调整大小： ```python plt.savefig('responsive.png', dpi=300, bbox_inches='tight') # 自动适应内容 ``` > **重要提示**：使用 `bbox_inches='tight'` 可解决90%的边界留白问题[^1]，对于包含图例的复杂图形尤其有效。
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