# 目录

##### Python数据处理从零开始----第四章（可视化）②

=========================================================

# 正文

##### 导入包

% reset -f
% clear
# In[*]
%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
##### 创建图形和轴

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

##### 绘制图

fig = plt.figure()
ax = plt.axes()
x = np.linspace(0, 10, 1000)
ax.plot(x, np.sin(x));

plt.plot(x, np.sin(x));

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x));

## 对图的调整：线条颜色和样式

plt.plot(x, np.sin(x - 0), color='blue')        # specify color by name
plt.plot(x, np.sin(x - 1), color='g')           # short color code (rgbcmyk)
plt.plot(x, np.sin(x - 2), color='0.75')        # Grayscale between 0 and 1
plt.plot(x, np.sin(x - 3), color='#FFDD44')     # Hex code (RRGGBB from 00 to FF)
plt.plot(x, np.sin(x - 4), color=(1.0,0.2,0.3)) # RGB tuple, values 0 to 1
plt.plot(x, np.sin(x - 5), color='chartreuse'); # all HTML color names supported

#### 同样，可以使用linestyle关键字调整线条样式：

plt.plot(x, x + 0, linestyle='solid')
plt.plot(x, x + 1, linestyle='dashed')
plt.plot(x, x + 2, linestyle='dashdot')
plt.plot(x, x + 3, linestyle='dotted');

# For short, you can use the following codes:
plt.plot(x, x + 4, linestyle='-')  # solid
plt.plot(x, x + 5, linestyle='--') # dashed
plt.plot(x, x + 6, linestyle='-.') # dashdot
plt.plot(x, x + 7, linestyle=':');  # dotted

plt.plot(x, x + 0, '-g')  # solid green
plt.plot(x, x + 1, '--c') # dashed cyan
plt.plot(x, x + 2, '-.k') # dashdot black
plt.plot(x, x + 3, ':r');  # dotted red

### 调整图：轴限制

Matplotlib在为选择轴lim方面做得不错。 调整轴lim的最基本方法是使用plt.xlim（）和plt.ylim（）方法：

plt.plot(x, np.sin(x))
plt.xlim(-1, 11)
plt.ylim(-1.5, 1.5);

plt.plot(x, np.sin(x))
plt.xlim(10, 0)
plt.ylim(1.2, -1.2);

plt.plot(x, np.sin(x))
plt.axis([-1, 11, -1.5, 1.5]);

image.png

plt.plot(x, np.sin(x))
plt.axis('tight');

plt.plot(x, np.sin(x))
plt.axis('equal');

#### 设置图的标签等

plt.plot(x, np.sin(x))
plt.title("A Sine Curve")
plt.xlabel("x")
plt.ylabel("sin(x)");

plt.plot(x, np.sin(x), '-g', label='sin(x)')
plt.plot(x, np.cos(x), ':b', label='cos(x)')
plt.axis('equal')
plt.legend();

### 总结：

plt.xlabel（）→ax.set_xlabel（） plt.ylabel（）→ax.set_ylabel（） plt.xlim（）→ax.set_xlim（） plt.ylim（）→ax.set_ylim（） plt.title（）→ax.set_title（） 当你使用面向对象的绘图接口时，不需要单独调用这些函数，可以直接使用ax.set（）方法一次设置所有这些属性通常更方便：

ax = plt.axes()
ax.plot(x, np.sin(x))
ax.set(xlim=(0, 10), ylim=(-2, 2),
xlabel='x', ylabel='sin(x)',
title='A Simple Plot');

0 条评论

• ### Python数据处理从零开始----第四章（可视化）（18）一文解决柱状图barplot or barchart

柱状图（或条形图）是最常见的图类型之一。 它显示了数值变量和类别变量之间的关系。 (1)绘制基础柱状图

• ### Python数据处理从零开始----第四章（可视化）（7）（多图合并）目录正文

=========================================================

• ### Python数据处理从零开始----第四章（可视化）（3）目录正文

plt.scatter相对于plt.plot的主要优势在于，前者在创建散点图时具有更高的灵活性，可以单独控制每个散点与数据匹配，也可以让每个散点具有不同的属性（...

• ### 数据分析画图：50道练习玩转matplotlib

Matplotlib 是 Python 的绘图库。它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案，也可以和图形工具包一起使用。和Pa...

• ### Python数据分析实战（3）Python实现数据可视化

数据可视化是指将数据放在可视环境中、进一步理解数据的技术，可以通过它更加详细地了解隐藏在数据表面之下的模式、趋势和相关性。

• ### 带你十分钟快速入门画图神器 Matplotlib

在开始正式介绍 Matplotlib 用法之前，先来简单了解下 Matplotlib。

• ### 深度学习数学基础一--最小二乘法

之前总是先上手一些比较高级的神经网络算法，CNN，RNN等。可是总觉得有些知识原理总是羁绊着我进一步理解。这才意识到基础的重要性。所以，就一点一点的从基础数学最...

• ### plt 数据可视化

plt.xlabel()/plt.ylabel()需要在plt.subplot()后面，否则不起作用。

• ### python matplotlib 绘图 和 dpi对应关系详解

上代码读入一个二进制bin数据文件1.08GB的一部分，数据格式为无包头、小端模式、16位编码的频谱数据dpi=1320，生成名称为filename.png的图...

• ### 使用Matplotlib绘制不同颜色的带箭头的线实例

这样的线路只有写代码的人才能看的懂无法直观的表达出来，让其它同事看的不清晰，所以考虑怎样直观的把线路图画出来。