Matplotlib的简单使用

港控/mmm° 2022-02-16 04:51 287阅读 0赞

![20190421194205135.png][]

Matplotlib是一个Python 2D绘图库,只需几行代码即可生成绘图，直方图，功率谱，条形图，错误图，散点图等

官方：[https://matplotlib.org/][https_matplotlib.org]

--------------------

使用前安装该模块：使用pycharm可以进入 Settings-> Project ->Project Interpreter -> 点击右侧，绿色加号

在出来的搜索框输入matplotlib-> 点击下面的Install Package 等待提示安装成功即可。

--------------------

散点图：

import numpy as np
    import matplotlib.pyplot as plt
    
    fig = plt.figure()
    ax = fig.add_subplot(1, 1, 1)  # 把整个图划分为1行1列的图 然后将该图放在第1个位置
    n = 128  #
    X = np.random.normal(0, 1, n)  # 生成随机数 128个点
    Y = np.random.normal(0, 1, n)
    T = np.arctan2(Y, X)  # 指定显示范围 颜色
    # plt.axes([0.025, 0.025, 0.95, 0.95])#上色
    # plt.scatter(X, Y, s=75, c=T, alpha=0.5)
    ax.scatter(X, Y, s=75, c=T, alpha=0.5)
    plt.xlim(-1.5, 1.5), plt.xticks(())  # x的范围 隐藏坐标x
    plt.ylim(-1.5, 1.5), plt.yticks(())  # y的范围 隐藏坐标y
    # plt.xlim(-1.5, 1.5)  # x的范围
    # plt.ylim(-1.5, 1.5)  # y的范围
    plt.axis()
    plt.title("scatter")  # 设置标题
    plt.xlabel("x")  # x轴
    plt.ylabel("y")  # y轴
    plt.savefig("scatter")
    plt.show()

小结：

*  fig.add\_subplot(2,2,3) 将整张画布分为2行2列 这样的话 就分为了4块区域，然后将图展示在第3块区域
 *  np.random.normal(0,1,128) 随机生成128个0-1之间的随机数
 *  np.arctan2(Y,X) 颜色也是随机的
 *  ax.scatter(X,Y,s=75,c=T,alpha=0.5) 画图参数 横坐标 纵坐标  标记大小 颜色 透明度
 *  plt.xlim(-1.5,1.5) x的范围 
 *  plt.xticks(()) 隐藏x坐标
 *  plt.title("散点图") 设置标题
 *  plt.xlabel("x") 设置x轴标签
 *  plt.ylabel("y") 设置y轴标签
 *  plt.savefig("scatter") 保存生成图片为scatter.png
 *  plt.show() 展示图片

图片效果：

有坐标：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70][]

隐藏坐标：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 1][]

--------------------

柱状图：

import numpy as np
    import matplotlib.pyplot as plt
    
    fig = plt.figure()
    fig.add_subplot(111)  # 和fig.add_subplot(3, 3, 2) 效果同样，但是如果大于10就不能这么写了 将该图放在第一个位置
    n = 10  # 10个点
    X = np.arange(n)  # 生成1-9
    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, facecolor='#9999ff', edgecolor='white')  # 放在上面 填充颜色 以及边缘颜色
    plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')  # 放在下面 填充颜色 以及边缘颜色
    
    for x, y in zip(X, Y1):  # 添加注释  条的位置
        plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')
    
    for x, y in zip(X, Y2):  # 添加注释 条的位置
        plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top')
    
    plt.savefig("bar")
    plt.show()

小结：

*  fig.add\_subplot(111) 是简写也是(1,1,1) 分为1行1列第一个位置
 *  X=np.arange(10) 生成1-9
 *  Y=(1-X/float(n)) \* np.random.uniform(0.5,1.0,10) 产生10个0.5-1之间的数
 *  plt.bar(X,Y,facecolor='\#8986ff',edgecolor='white') 横坐标 纵坐标 填充颜色 边缘颜色
 *  plt.text() 在条的位置添加注释 或是 数值

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 2][]

--------------------

饼图：

import numpy as np
    import matplotlib.pyplot as plt
    
    fig = plt.figure()
    fig.add_subplot(111)
    data = [3, 4, 5, 7, 3]
    labels = ['a', 'b', 'c', 'd', 'e']
    explodes = [0 for x in data]
    explodes[0] = 0.015
    plt.pie(data, labels=labels, radius=0.8,  # data 是数据，labels 是标签，radius 是饼图半径
            explode=explodes,  # explodes 为0 代表不偏离圆心， 不为零则代表偏离圆心的距离
            autopct='%1.1f%%',  # 显示所占比例，百分数
            pctdistance=0.5,
            labeldistance=0.7,  # a,b,c,d 到圆心的距离
            textprops={'fontsize': 12, 'color': 'black'})  # 标签和比例的格式
    # 每一块的值为1，最后为2  设置颜色  标签
    # plt.pie(Z, explode=Z * .05, colors=['%f' % (i / float(n)) for i in range(n)],
    #         labels=['%.2f' % (i / float(n)) for i in range(n)])
    plt.axis('equal')  # 正圆
    plt.legend(loc='upper right', bbox_to_anchor=(1.1, 1.05), fontsize=14, borderaxespad=0.3)
    # loc =  'upper right' 位于右上角
    # bbox_to_anchor=[0.5, 0.5] # 外边距 上边 右边
    # ncol=2 分两列
    # borderaxespad = 0.3图例的内边距
    plt.suptitle('pie', fontsize=20)
    plt.savefig("pie")
    plt.show()

参考：[https://blog.csdn.net/sinat\_38340111/article/details/81023230][https_blog.csdn.net_sinat_38340111_article_details_81023230]

图片效果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 3][]

--------------------

极值图：

极值折线图

import numpy as np
    import matplotlib.pyplot as plt
    
    fig = plt.figure()
    fig.add_subplot(111)
    n = 20  # 20个点
    theta = np.arange(0.0, 2 * np.pi, 2 * np.pi / n)  # 0-2π
    radii = 10 * np.random.rand(n)  # 半径随机
    plt.plot(theta, radii)  # 方式二 极值图内画折线
    plt.savefig("polar1")
    plt.show()

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 4][]

饼图极值图

import numpy as np
    import matplotlib.pyplot as plt
    
    fig = plt.figure()
    fig.add_subplot(111, polar=True)  # 如果想变为圆形图内极值图
    n = 20  # 20个点
    theta = np.arange(0.0, 2 * np.pi, 2 * np.pi / n)  # 0-2π
    radii = 10 * np.random.rand(n)  # 半径随机
    plt.polar(theta, radii)  # 方式一
    plt.savefig("polar2")
    plt.show()

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 5][]

--------------------

热图

import numpy as np
    import matplotlib.pyplot as plt
    
    n = 1000
    # 用meshgrid生成一个二维数组
    x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))
    z = (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
    
    # 画图
    plt.figure('Hot', facecolor='lightgray')
    plt.title('hotshot', fontsize=20)
    plt.xlabel('x', fontsize=14)
    plt.ylabel('y', fontsize=14)
    plt.tick_params(labelsize=10)
    plt.grid(linestyle=':')
    plt.imshow(z, cmap='jet', origin='low')
    plt.colorbar().set_label('z', fontsize=14)
    plt.savefig("heatmap")
    plt.show()

参考：[https://www.cnblogs.com/gengyi/p/9440195.html][https_www.cnblogs.com_gengyi_p_9440195.html]

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 6][]

import numpy as np
    import matplotlib.pyplot as plt
    from matplotlib import cm
    
    fig = plt.figure()
    fig.add_subplot(111)
    data = np.random.rand(10, 10)  # 10*10随机数
    cmap = cm.Blues  # 蓝色
    # 差值方法 color map 最小白色 最大blue
    map = plt.imshow(data, interpolation='nearest', cmap=cmap, aspect='auto', vmin=0, vmax=1)
    plt.savefig("cm")
    plt.show()

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 7][]

--------------------

3D图：

import matplotlib.pyplot as plt
    
    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')
    ax.scatter(1, 1, 3, s=100)
    plt.savefig("3D")
    plt.show()

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 8][]

from mpl_toolkits.mplot3d import Axes3D
    import matplotlib.pyplot as plt
    from matplotlib import cm
    from matplotlib.ticker import LinearLocator, FormatStrFormatter
    import numpy as np
    
    
    fig = plt.figure()
    ax = fig.gca(projection='3d')
    
    # Make data.
    X = np.arange(-5, 5, 0.25)
    Y = np.arange(-5, 5, 0.25)
    X, Y = np.meshgrid(X, Y)
    R = np.sqrt(X**2 + Y**2)
    Z = np.sin(R)
    
    # Plot the surface.
    surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,
                           linewidth=0, antialiased=False)
    
    # Customize the z axis.
    ax.set_zlim(-1.01, 1.01)
    ax.zaxis.set_major_locator(LinearLocator(10))
    ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))
    
    # Add a color bar which maps values to colors.
    fig.colorbar(surf, shrink=0.5, aspect=5)
    plt.savefig("surface")
    plt.show()

参考：[https://matplotlib.org/mpl\_toolkits/mplot3d/tutorial.html\#getting-started][https_matplotlib.org_mpl_toolkits_mplot3d_tutorial.html_getting-started]

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 9][]

--------------------

线形图：

import numpy as np
    import matplotlib.pyplot as plt
    
    fig = plt.figure()
    fig.add_subplot(111)
    x = np.linspace(0, 2, 100)
    
    plt.plot(x, x, label='linear')
    plt.plot(x, x**2, label='quadratic')
    plt.plot(x, x**3, label='cubic')
    
    plt.xlabel('x label')
    plt.ylabel('y label')
    
    plt.title("Simple Plot")
    
    plt.legend()
    plt.savefig("line")
    plt.show()

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 10][]

[20190421194205135.png]: /images/20220216/43cadb4442a5418fab61a27e1359432a.png
[https_matplotlib.org]: https://matplotlib.org/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70]: /images/20220216/e3a78fc1f7d54fda9d676bee40d69a82.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 1]: /images/20220216/6a930751f936478688d220116eb8cdd5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 2]: /images/20220216/7e6666794a26438a97e395b5731803be.png
[https_blog.csdn.net_sinat_38340111_article_details_81023230]: https://blog.csdn.net/sinat_38340111/article/details/81023230
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 3]: /images/20220216/d746c6f910ff494c8f2d42954cb48af8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 4]: /images/20220216/72dc238ecee7467f81e13abbbc85ff24.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 5]: /images/20220216/67aee183684149948a6509e47c43da41.png
[https_www.cnblogs.com_gengyi_p_9440195.html]: https://www.cnblogs.com/gengyi/p/9440195.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 6]: /images/20220216/fe988f71323c465eb4b23c17571d53cd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 7]: /images/20220216/71483e3521b94a3d9c7975cb4fe37612.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 8]: /images/20220216/fadd2be136134a8ab384095712e9cc21.png
[https_matplotlib.org_mpl_toolkits_mplot3d_tutorial.html_getting-started]: https://matplotlib.org/mpl_toolkits/mplot3d/tutorial.html#getting-started
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 9]: /images/20220216/f97946abcc9543438bee6169498e7626.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70 10]: /images/20220216/256655a433fa40d4b441f65ebad8baef.png