目录
Matplotlib 是 python 中一款强大的可视化绘图工具，可以以更直观的方式对数据进行展示和呈现，可以准确高效传递信息，甚至可以帮助我们发现某种规律和特征，挖掘数据背后的价值，本文简单介绍了Matplotlib常用操作和方法
一、操作
（一）创建图形对象
Matplotlib 中，面向对象编程的核心思想是创建图形对象并对其进行操作，或调用方法与属性，这样我们在处理多个画布和图形将更加有效
使用 plt.figure() 生成图形对象，并设置当前画布特征，返回值是一个 figure 对象
f=plt.figure()内部参数：
- num：图形编号或名称，数字：编号、字符串：名称
- figsize：指定宽高，单位为英寸
- dpi：分辨率，默认72
- facecolor：背景颜色
- edgecolor：边框颜色
- frameon：是否显示边框
（二）多子图操作
上面生成的一个 figure 对象可以包含多个 axes 子绘图区域，一个 axes 是一个绘图区域，不加设置时 Axes 默认为1，整个画布都是绘图区域，理解为一个画框铺上一张纸作画
在多子图出现重叠情况时尝试使用 plt.tight_layout() 方法设置紧凑型布局
创建子绘图区域三种方法：
1.add_axes(rect)：添加区域
matplotlib 库中定义了一个 axes 类（轴域），指定了一个有数值范围的绘图区域，给定一个画布中可以包含多个 axes 对象，同一个 axes 只能在一个画布中使用
- rect：位置参数，形如[left,bottom,width,height]，表示左下角在画布中的位置、相对于画布的宽、高，通过比例表示（0-1）
f=plt.figure()
ax2=f.add_axes([0,0,1,1])
ax1=f.add_axes([0.2,0.2,0.5,0.5])
# 添加时会有顺序，先添加的会被覆盖在底下
ax1.plot([1,2,3],[4,5,6])
ax2.plot([6,5,4],[3,2,1])
plt.show()
关键：关于plot()
figure() 会默认创建一个作图区域，可使用 ax.plot() 对想要操作的 axes 对象进行绘图，plt.plot() 方法默认对当前 axes 进行绘制（新创一个 axes，就会切换到最新的 axes），如下面默认当前所在的区域是 ax1，因为 ax1 是最新创建的
plot(y)：仅有一个值时省略了x，则x默认[0,N-1]均匀递增，N为y轴元素个数
f=plt.figure()
ax2=f.add_axes([.1,.1,.8,.8])
ax1=f.add_axes([0.2,0.2,0.5,0.5])
plt.plot([1,2,3],[4,5,6])
plt.plot([6,5,4],[3,2,1])
plt.show()
2.subplot()：划分画布
返回的值是当前区域对象
ax1=plt.subplot(211)
参数：
- nrows：行
- ncols：列
- index：当前所在定位
- 其他：title、xlable、ylable 等均可设置
也可使用 fig.add_subplot() 方法在画布上进行绘制，3.6版本后新建子图若与现有子图重叠时，重叠部分子图会被自动删除
3.subplots
使用方法和 subplot() 是类似
fig,ax=plt.subplots(4)
如何取？
由索引为0开始的行和列进行定位
fig,ax=plt.subplots(2,2)
plt.tight_layout()
# 选一个区域绘制
ax1=ax[0][1]
x=np.arange(5)
ax1.plot(x,x*2)
ax1.set_title('sqrt')
# 换一个区域绘制
ax2=ax[1][0]
ax2.plot(x,np.exp(x))
ax2.set_title('ex')
plt.show()
区别：
- subplot() 仅返回一包含子区域的画布，而 subplots() 返回元组，返回区域的基础上还会返回一个 figure 图形对象
- subplots() 将画布均匀划分，若要画实现更加自由的页面布局，可多次调用 subplot()
4.设置多图基本信息的几个方法
主要是直接创建、pyplot方式以及面向对象三种方式
(1)创建时直接设置
如
plt.subplot(211,title='',xlable='x_axis')(2) 使用 pyplot 模块中方法设置之后绘图
如
-----区域1-----
plt.subplot(211)
plt.title('ax1')
plt.plot(..)
-----区域2-----
plt.subplot(212)
plt.title('ax2')
plt.plot(..)
(3)对返回的区域对象设置
对于区域对象很多方法都是 set_ 开头
ax1=plt.subplot(211)
ax2=plt.subplot(212)
-----区域1-----
ax1.set_title('ax1')
ax1.plot(..)
-----区域2-----
ax2.set_title('ax2')
ax2.plot(..)（三）显示图片
plt.show()，在 jupyter 里不需要，会自动显示图像
x=np.arange(-50,50)
y=x**2
plt.title('标题')
plt.plot(x,y)
plt.show()- linewidrth：该参数可以设置线条宽度
二、相关元素设置
所有设置应在绘图前进行设置，matplotlib 会定位对当前图片或当前画布进行操作
（一）图表名称
使用 title() 方法
plt.title('标题名称',fongsize=12)- fontsize：可以设置标题字体大小
（二）x、y 轴名称
使用xlable、ylable
plt.xlabel('x轴',fongsize=12)
plt.ylabel('y轴')字体参数
- fontsize：设置字体大小
（三）x、y 轴刻度
使用 xticks()、yticks()，可以将 x、y 轴设置为想要的样子
参数
- ticks：ticks的位置列表，为空则删除所有 ticks（如使用 range 指定隔几个显示一个 ticks）
- lable：给定刻度线的标签，不指定将显示原来的标签，必须在 ticks 参数生效时才可使用
- roration：旋转角度
- color：颜色
x_ticks=range(-50,51,10)
y_ticks=range(0,2500,100)
plt.xticks(x_ticks)
plt.yticks(y_ticks)
（四）图例
legend()，用于放在图中一角对于符号颜色代表内容的指示和说明，若图形本身有 lable 将默认使用lable的值作为图例说明
plt.plot(x,y,lable='a')
plt.legend() # 显示图例 图例中 x、y 构成的线默认为 a
设置 plt.legend(loc='xxx') 参数可以对位置进行设置，图例本身默认寻找最佳位置放置（即不阻挡视图的地方）
（五）每条 x、y 的具体数值
使用 plt.text() 显示对应点上的数据值，由于x和y是对应坐标，一次只能指定一个，所以没法一步到位，应用循环语句一个个标注
参数：
- x、y：坐标值（必有）
- string：要说明文字（必有）
- fontsize：字体大小
- verticalalignment：垂直对齐方式（可选：'center'/'top'/'bottom'/'baseline'）
- horizontalalignment：数值对齐方式（可选：'center'/'right'/'left'）
补充：
说明 zip() 方法：生成一个迭代器对象
x_l=[1,2,3]
y_l=[4,5,6]
a=zip(x_l,y_l)
print(a,type(a),id(a))
for x,y in a:
print(x,y)
<zip object at 0x000001CEBF714880> <class 'zip'> 1987486763136
1 4
2 5
3 6标注 x、y 的代码如下
# 根据x标签算出每个y对应的值
y_l=[]
for i in range(len(x_ticks)):
y_l.append(x_ticks[i]**2)
# 生成迭代器
z=zip(x_ticks,y_l)
# 遍历
for a,b in z:
plt.text(a,b,b)
# 画图
plt.show() 
（六）显示中文及负号
上面的图片并没有将中文显示出来，因为 matplotlib 默认不支持中文，应修改字体配置，matplotlib 默认配置信息可以通过运行配置参数 rcParms 修改
设置完中文后，默认使用 Unicode 负号，同样需要设置
plt.rcParams['font.sans-serif']=['SimHei'] --显示中文
plt.rcParams['axes.unicode_minus']=False --显示负号
三、可视性设置
（一）网格线
使用 plt.grid() 方法
参数：
- True：显示网格
- linestyle：线形，默认实线
- color：颜色默认灰色
- linewidth：宽度
- axis：x，y，both，显示x、y、两者的网格
plt.grid(True,linestyle='--',color='gray',axis='y')
plt.show()
（二）对坐标轴操作
plt.gca() 可以定位要控制坐标轴的轴线，如果有多个图片可以先定位到对应要操作的图片，再使用该方法，我们当前只有一个图片，因此对应的就是图片的四条轴线
spines 指的就是轴，使用 set 对其修改
ax=plt.gca()
ax.spines['right'].set_color('none') # 设为透明
ax.spines['top'].set_color('none')
ax.spines['left'].set_position(('data',0))
# 位置设置的方法：
# ① data：元组，后面的数字代表挪动到的刻度值
# ② outward
# ③ axes：在整个轴上的比例取值0到1之间 
（三）rcParams
需要特别眼熟，这个方法可以对图像很多默认配置进行设置，如字体的修改、图画分辨率、尺寸大小等等
plt.rcParams['figure.figsize']=(8,4) # 单位：英寸，默认6*4inch
plt.rcParams['figure.dpi']=300（四）关于图表参数
plt.plot(x,y,color=xx,alpha=xx,linestyle=xx,linewidth=xx,maker=xx,makeredgecolor=xx,makersize=xx,makeredgewidth=xx)- color：颜色，可以使用英文全称，或16进制（要用直接查，要用#号）
- alpha：透明度（取值0-1）越大透明底越低
- linestyle、linewidth：线条样式、宽度
- maker、makeredgecolor、makersize、makeredgewidth：标记点设置、颜色、大小、宽度
常见：
样式缩写
由于各种符号标记不会重复，因此可以直接使用形如以下方式的缩写
plt.plot(x,y,'r-+')
绘图注意事项：
- x与y个数应当一致否则会报错
- 在设定 x 与 y 的 ticks 时，lables 应用数字元素本身而非索引设置，若数据类型为字符串类型，则使用索引设置，要对应上
扫一扫
1025
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
