Matplotlib简单使用

最新推荐文章于 2025-07-08 14:51:07 发布

苦茶Fighting

最新推荐文章于 2025-07-08 14:51:07 发布

阅读量796

点赞数

分类专栏： Python 文章标签： Python Matplotlib

Python 专栏收录该内容

6 篇文章

订阅专栏

本文详细介绍了使用Matplotlib进行各种图表绘制的方法，包括散点图、柱状图、等高线图、3D数据图等，并讲解了如何调整tick的可见性、添加注释以及实现图中图和次坐标轴等功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

基本使用
画图种类
多图合并显示
Animation动画

基本使用

基本绘图

# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x**2
plt.figure(num=1, figsize=(8, 5))     # 比例为8:5

# plt.plot(x, y1, color='red', linewidth=1.5, linestyle='--', label='linear line')
# plt.plot(x, y2, color='blue', linewidth=2.0, linestyle='-.', label='square line')
# plt.legend(loc='upper right')     # 将图例添加到图中的右上角
# plt.legend(loc='upper left')
# plt.legend(loc='lower right')

l1, = plt.plot(x, y1, color='red', linewidth=1.5, linestyle='--')
l2, = plt.plot(x, y2, color='blue', linewidth=2.0, linestyle='-.')
plt.legend(handles=[l1, l2], labels=['linear line', 'square line'], loc='best')
# l1、l2为坐标轴句柄,best表示自动分配的最佳位置

plt.xlim(-5, 5)    # x轴范围
plt.ylim(-10, 10)
plt.xlabel('x')    # x轴坐标标题
plt.ylabel('y')
xticks = np.linspace(-5, 5, 21)
plt.xticks(xticks)       # 刻度
plt.yticks([-2, -1, 2, 5, 7], ['$really\ bad$', 'bad', 'normal', '$good$', 'really good'])
plt.title(u'y changes with the x changing')

ax = plt.gca()   # 获取当前坐标细腻系
ax.spines['right'].set_color('none')   # 设置右侧边框颜色为无
ax.spines['top'].set_color('none')     # 设置上部边框颜色为无
ax.spines['left'].set_color('blue')    # 设置左侧边框颜色为蓝色
ax.spines['bottom'].set_color('red')   # 设置下侧边框颜色为红色

ax.spines['bottom'].set_position(('data', 0))   # spines设置底边框位置，y=0位置处
ax.spines['left'].set_position(('data', 0))     # spines设置左边框位置，x=0位置

# ax.xaxis.set_ticks_position('top')   # 设置x坐标刻度数字或名称的位置在顶部
ax.xaxis.set_ticks_position('bottom')  # 设置x坐标刻度数字或名称的位置在底部
ax.yaxis.set_ticks_position('left')    # 设置y坐标刻度数字或名称的位置在左侧

plt.show()

添加注释

# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-3, 3, 61)
y = 2*x+1

plt.figure(num=0)
plt.plot(x, y)
plt.xlim(-4, 4)

ax = plt.gca()  # 获取坐标轴的位置
ax.spines['right'].set_color('none')   # 右侧边框设为无
ax.spines['top'].set_color('none')     # 上侧边框设为无
ax.spines['bottom'].set_position(('data', 0))  # 底部边框设置为y=0的位置
ax.spines['left'].set_position(('data', 0))    # 左侧边框设置为x=0的位置

ax.xaxis.set_ticks_position('bottom')  # x刻度在底部
ax.yaxis.set_ticks_position('left')    # y刻度在左侧

x0 = 1
y0 = 2*x0+1
plt.plot([x0, x0], [0, y0], 'k--', linewidth=2.5)
plt.scatter([x0, ], [y0, ], s=100, color='b')  # 绘制点，s=50表示大小

# 添加注释annotate
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=0.2"))

# 添加注释text
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size': 16, 'color': 'r'})

plt.show()

添加照片

调整tick能见度

# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-3, 3, 50)
y = 0.1*x

plt.figure()
# 设置zorder给plot在z轴方向排序
plt.plot(x, y, linewidth=10, zorder=1)
plt.ylim(-2, 2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

# 对被遮挡的图像调节相关透明度，对x轴和y轴的刻度数字进行透明度设置
for label in ax.get_xticklabels()+ax.get_yticklabels():
    label.set_fontsize(12)  # 调整字体大小
    label.set_bbox(dict(facecolor='white', edgecolor='none', alpha=0.7, zorder=2))
    # bbox设置目的内容的透明度相关参数，facecolor调节box前景色，edgecolor设置边框，alpha设置透明度
plt.show()

在这里插入图片描述

画图种类

Scatter散点图

# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt

n = 1024     # data的size
X = np.random.normal(0, 1, n)   # 产生n个0-1之间的数
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X)     # for color value
plt.scatter(X, Y, s=75, c=T, alpha=0.5)
plt.xlim(-2, 2)     # 范围是-2到2
plt.ylim(-2, 2)
plt.xticks(())      # 隐藏坐标刻度信息
plt.yticks(())
plt.show()

在这里插入图片描述

Bar柱状图

# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt

n = 12
X = np.arange(n)
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)

# plt.bar(X, +Y1)
# plt.bar(X, -Y2)
# 加颜色和数据
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x, y in zip(X, Y1):
    # ha: 水平
    # va: 纵向
    plt.text(x, y, '%.2f' % y, ha='center', va='bottom')

for x, y in zip(X, Y2):
    plt.text(x, -y, '%.2f' % y, ha='center', va='top')

plt.xlim(-.5, n)
plt.xticks(())
plt.ylim(-1.25, 1.25)
plt.yticks(())

plt.show()

在这里插入图片描述

Contour等高线图

import numpy as np
import matplotlib.pyplot as plt
def f(x, y):
    return (1 - x / 2 + x**5 + y**3)*np.exp(-x**2-y**2)

n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y)

# 颜色填充，使用函数plt.contourf把颜色加进去
plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)
# 等高线绘制，使用plt.contour函数划线
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=0.5)

# 添加高度数字
plt.clabel(C, inline=True, fontsize=10)
plt.xticks(())
plt.yticks(())

plt.show()

在这里插入图片描述

Image图片

import numpy as np
import matplotlib.pyplot as plt
a = np.array([0.3136, 0.3653, 0.4237,
              0.3653, 0.4395, 0.5250,
              0.4237, 0.5250, 0.6515]).reshape(3, 3)
plt.imshow(a, interpolation='nearest', origin='lower')
plt.colorbar(shrink=.92)
plt.xticks(())
plt.yticks(())
plt.show()

在这里插入图片描述

3D数据

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)

X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)   # x-y平面的网格
R = np.sqrt(X**2+Y**2)
Z = np.sin(R)
# rstride和cstride分别代表row和column的跨度
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))

# 投影
ax.contourf(X, Y, Z, zdir='z', offset=-1.2, cmap=plt.get_cmap('rainbow'))

plt.show()

在这里插入图片描述

多图合并显示

均匀和不均匀图中图

import numpy as np
import matplotlib.pyplot as plt

# 绘制均匀图中图
plt.figure(num=0)
plt.subplot(2, 2, 1)
plt.plot([0, 1], [0, 1])

plt.subplot(222)
plt.plot([0, 1], [1, 0])

plt.subplot(223)
plt.plot([0, 1], [1, 0])

plt.subplot(224)
plt.plot([0, 1], [0, 1])

# 绘制不均匀图中图
plt.figure(num=1)
plt.subplot(211)
plt.plot([0, 1], [0, 1])

plt.subplot(234)
plt.plot([0, 1], [0, 1])

plt.subplot(235)
plt.plot([0, 1], [0, 1])

plt.subplot(236)
plt.plot([0, 1], [0, 1])

plt.show()

在这里插入图片描述

Subplot 分格显示

subplot2grid

import matplotlib.pyplot as plt
plt.figure()
# 使用subplot2grid创建第一个图
# (3,3)表示将整个图像窗口分成3行3列,(0,0)
# colspan=3表示列的跨度为3，rowspan=1表示行的跨度为1，缺省默认为1
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax1.plot([1, 2], [1, 2])    # 画小图
ax1.set_title('ax1_title')  # 设置小图的标题
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax5 = plt.subplot2grid((3, 3), (2, 1))
ax4.scatter([1, 2], [2, 2])
ax4.set_xlabel('ax4_x')
ax4.set_ylabel('ax4_y')
plt.show()

在这里插入图片描述

gridspec

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

plt.figure()            # 创建一个图像窗口
gs = gridspec.GridSpec(3, 3)  # 将整个图像窗口分成3行3列
# gs[0, :]表示这个图占第0行和所有列
# gs[1, :2]表示这个图占第1行的第2列前的所有列
# gs[-1, 0]表示倒数第1行第0列
ax1 = plt.subplot(gs[0, :])
ax2 = plt.subplot(gs[1, :2])
ax3 = plt.subplot(gs[1:, 2])
ax4 = plt.subplot(gs[-1, 0])
ax5 = plt.subplot(gs[-1, -2])
plt.show()

在这里插入图片描述

subplots

import matplotlib.pyplot as plt

# 使用subplots建立2行2列的图像窗口
# sharex=True表示共享x轴坐标，sharex=True表示共享y轴坐标
# ((ax1, ax2), (ax3, ax4))表示第1行从左至右依次放ax1和ax2,第2行依次放ax3和ax4
f, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, sharex=True, sharey=True)

# 使用ax1.scatter创建一个散点图
ax1.scatter([1, 2], [1, 2])

plt.tight_layout()  # 表示紧凑显示图像
plt.show()          # 显示图像

在这里插入图片描述

图中图

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]
# 4个值都是占整个figure坐标系的百分比
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
fig = plt.figure()
# 绘制大图
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')
# 添加小图
left, bottom, width, height = 0.2, 0.6, 0.3, 0.25
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(y, x, 'b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')
# 另一种方法添加新的坐标系
plt.axes([0.6, 0.2, 0.3, 0.25])
plt.plot(y[::-1], x, 'g')  # 对y进行了逆序处理
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside 2')
plt.show()

在这里插入图片描述

次坐标轴

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 0.1)   # 0-10, 间隔为0.1
y1 = 0.05*x**2
y2 = -1*y1
fig, ax1 = plt.subplots()

# 第2个y坐标
# 对ax1调用twinx()方法，生成如同镜面效果后的ax2
ax2 = ax1.twinx()
# 将y1, y2分别花在ax1,ax2
ax1.plot(x, y1, 'g-')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')
ax2.plot(x, y2, 'b-')
ax2.set_ylabel('Y2 data', color='b')

plt.show()

在这里插入图片描述

Animation动画

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))

# 构造自定义动画函数animate,用来更新每一帧上各个x对应的y坐标值，参数表示第i帧
def animate(i):
    line.set_ydata(np.sin(x+i/10.0))
    return line
# 构造开始帧函数init
def init():
    line.set_ydata(np.sin(x))
    return line

# 参数设置
ani = animation.FuncAnimation(fig=fig,
                              func=animate,
                              frames=100,
                              init_func=init,
                              interval=20,
                              blit=False
     )
plt.show()

文章转载于莫烦Python