matplotlib.pyplot子库(一):plot()、figure

本文介绍了matplotlib.pyplot库的基础知识,包括认识pyplot、理解画布(figure)的概念及其参数设置,以及深入探讨plot()函数的用法,如颜色、标记、线样式等。通过对这些基本元素的理解,读者可以开始创建自己的可视化图表。

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

 

 

一:认识pyplot

    pyplot能通过的简单的函数制作出可视化的图,图中含有很多子元素,包括画布(figure)、(axes)、线(line)、图例(legend)、标题标度……,然后在掌握这些函数的基础上,按照自己的构思做出自己的可视化作品就算是达到了初步的目的。

官方示例
官方示例图

 

#导入相关包,进行设置

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline #魔法命令适合ipython使用用来显示图,或者使用plt.show()
plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文,字体黑体
plt.rcParams['axes.unicode_minus'] = False   #用来正常显示正负号

二:画布(figure)

   

plt.figure()  #创建figure对象

figurenum=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, 
frameon=True, FigureClass=<class'matplotlib.figure.Figure'>, clear=False, **kwargs)

    figure对象时后续绘画操作的总容器。matplotlib一般会默认创建,但是事先创建的figure对象则可以对它进行更加精细的设定。

  • num:可选参数,指定图像编号或名称,整型微编号,字符串为名称;
  • figsize:可选参数,指定figure的宽和高,单位:英寸(2.54cm=1英寸)
  • dpi :整型,调整图形分辨率;缺省值100;
  • facecolor: 背景颜色;默认白色
  • edgecolor: 边界颜色;默认白色
  • frameon: bool,默认True;False,不显示图形框
  • FigureClass: 使用自定义的matplotlib.figure.Figure类
  • clear= False:图形已存在时是否清除原有对象,如果参数为True,并且该窗口存在的话,清除该窗口的内容

  注意,相同的figsize,dpi越大图越大;frameon的作用

 

 

三:plot()函数

       使用方法:

  1. plot(x,y)
  2. plot(x,y,'标注')
  3. plot(y)
  4. plot(y,'标注')

举例:plot(x,y)

plt.plot([1,2,3,4],[1,4,9,16])
plt.plot(x,y)

 举例:plot(y)

plt.plot([1,2,3,4])

 

plt.plot(y)

 

 Format String:

      包括颜色、标注marker、线的风格linestyle

fmt = '[color][marker][line]'

    颜色(color)

charactercolor
'b'blue
'g'green

'r'

red
'c'cyan(青绿色)
'm'magenta(洋红色)
'y'yellow
'k'black
'w'white
官方列举出的颜色

 

标记(markers)

 

 

linestyle

   

宽度(linewidth)、透明的(alpha)、描点方式(drawstyle)

宽度可取任意值;透明度一帮取值[0,1];

drawstyles:{'default','steps','steps-pre','steps-mid','steps-post'}

x=np.linspace(1,10,10)
y=np.sin(y)
fig=plt.figure(dpi=500)
ax1=fig.add_subplot(221) #2*2的图形 在第一个位置
ax1.plot(x,y,'rv:',lw = 3, alpha = 0.8,drawstyle = 'steps')
ax2=fig.add_subplot(222)
ax2.plot(x,y,'rv:',lw = 2, alpha = 0.4,drawstyle = 'steps-pre')
ax3=fig.add_subplot(223)
ax3.plot(x,y,'rv:',lw = 3, alpha = 0.8,drawstyle = 'steps-mid')
ax3=fig.add_subplot(224)
ax3.plot(x,y,'rv:',lw = 3, alpha = 0.8,drawstyle = 'steps-post')

 

 

 

### 使用 Matplotlib Pyplot 绘制线条 为了展示如何使用 `matplotlib.pyplot` 来绘制线条,可以采用简单的例来说明这过程。下面是个具体的实例,该实例展示了怎样通过 Python 的 Matplotlib 中的 pyplot 模块完成绘图操作。 ```python import matplotlib.pyplot as plt data = [1, 2, 3, 4, 5, 4, 2, 4, 6, 7] plt.plot(data) # 调用 plot 方法绘制数据列表表示的线条 plt.show() # 显示所绘制的图像 ``` 上述代码片段定义了组简单数值作为待绘制的数据集,并调用了 `plot()` 函数来进行实际的绘图工作[^1]。当执行到 `show()` 命令时,则会弹出窗口显示出这条由给定数据点连接而成的折线图表。 对于更复杂的场景下,比如想要在同张图上同时展现多个函数曲线的情况: ```python import numpy as np import matplotlib.pyplot as plt X = np.linspace(-np.pi, np.pi, 256, endpoint=True) C, S = np.cos(X), np.sin(X) plt.figure(figsize=(8, 6)) # 设置图片大小 plt.plot(X, C, label='Cosine')# 添加标签区分不同曲线 plt.plot(X, S, label='Sine') plt.legend() # 展现图例 plt.title('Trigonometric Functions') # 图表标题 plt.xlabel('Angle (radians)') # X轴描述 plt.ylabel('Value') # Y轴描述 plt.grid(True) # 启用网格辅助查看坐标位置 plt.axhline(0, color='black',linewidth=0.5) # 加入水平基线 plt.axvline(0, color='black',linewidth=0.5) # 加入垂直基线 plt.show() ``` 这段程序不仅实现了正弦波形和余弦波形的同时呈现,还加入了诸如图例、标题以及轴名等元素以增强可视化效果;另外也启用了网格功能以便于观察具体数值对应的位置关系[^2]。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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