python学习之matplot

import matplotlib.pyplot as plt import numpy as np import pandas as pd from mpl_toolkits.mplot3d import Axes3D import matplotlib.gridspec as gridspec from matplotlib import animation

#Matplot的基本应用

x = np.linspace(-1,1,50)#定义x的数据范围

y1 = 2*x + 1#定义y的数据范围

y2 = x**2

plt.figure()#定义一个图像窗口

plt.plot(x,y1)#plt花出曲线

plt.plot(x,y2)

plt.show()#显示图像

#4.1figure图像

x = np.linspace(-3,3,50)#50为生成的样本数

y1 = 2*x+1

y2 = x**2

plt.figure(num=1,figsize=(8,5))#定义编号为1 大小为（8,5）

plt.plot(x,y1,color = 'red',linewidth= 2, linestyle = '--' )#定义颜色，线宽，先算形状

plt.plot(x,y2,color = 'blue')

plt.show()

#4.2 设置坐标轴

x = np.linspace(-3,3,50)#50为生成的样本数

y1 = 2*x+1

y2 = x**2

plt.figure(num=1,figsize=(8,5))#定义编号为1 大小为（8,5）

plt.plot(x,y1,color = 'red',linewidth= 2, linestyle = '--' )#定义颜色，线宽，先算形状

plt.plot(x,y2,color = 'blue')

plt.xlim(-1,2)

plt.ylim(-2,3)

plt.xlabel('x')

plt.ylabel('y')

plt.show()

#自定义坐标轴

x = np.linspace(-3,3,50)#50为生成的样本数

y1 = 2*x+1

y2 = x**2

plt.figure(num=1,figsize=(8,5))#定义编号为1 大小为（8,5）

plt.plot(x,y1,color = 'red',linewidth= 2, linestyle = '--' )#定义颜色，线宽，先算形状

plt.plot(x,y2,color = 'blue')

plt.xlim(-1,2)

plt.ylim(-2,3)

plt.xlabel('x')

plt.ylabel('y')

new_ticks = np.linspace(-1,2,5)#小标从1到2分为5个单位

print(new_ticks)

plt.xticks(new_ticks)#进行替换新下标

plt.yticks([-2,-1,1,2],[r'$reallybad$','$bad$','$well$','$reallywell$'])

plt.show()

#设置边框属性

x = np.linspace(-3,3,50)

y1 = 2*x+1

y2 = x**2

plt.figure(num=2,figsize=(8,5))

plt.plot(x,y1,color='red',linewidth = 2,linestyle = '--')

plt.plot(x,y2)

plt.xlim(-1,2)

plt.ylim(-2,3)

new_ticks = np.linspace(-1,2,5)#小标从-1到2分为5各个单位

plt.xticks(new_ticks)

plt.yticks([-2,-1,1,2],[r'$1$','$2$','$3$','$4$'])

ax = plt.gca()#gca = get current axis

ax.spines['right'].set_color('none')#边框属性设置为none 不显示

ax.spines['top'].set_color('none')

plt.show()

#调整移动坐标 #

x = np.linspace(-3,3,50)

y1 = 2*x+1

y2 = x**2

plt.figure(num=2,figsize=(8,5))

plt.plot(x,y1,color='red',linewidth = 2,linestyle = '--')

plt.plot(x,y2)

plt.xlim(-1,2)

plt.ylim(-2,3)

new_ticks = np.linspace(-1,2,5)#小标从-1到2分为5各个单位

plt.xticks(new_ticks)

plt.yticks([-2,-1,1,2],[r'$1$','$2$','$3$','$4$'])

ax = plt.gca()#gca = get current axis

ax.spines['right'].set_color('none')#边框属性设置为none 不显示

ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')#使用此函数设置x坐标刻度数字或名称的位置

ax.spines['bottom'].set_position(('data',0))

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))#坐标中心设置在(0,0)

plt.show()

#添加图例 #

x = np.linspace(-3,3,50)

y1 = 2*x+1

y2 = x**2

plt.figure(num=2,figsize=(8,5))

plt.xlim(-1,2)

plt.ylim(-2,3)

new_ticks = np.linspace(-1,2,5)#小标从-1到2分为5各个单位

plt.xticks(new_ticks)

plt.yticks([-2,-1,1,2],[r'$1$','$2$','$3$','$4$'])

l1 = plt.plot(x,y1,color = 'red',label = 'linear line')

l2 = plt.plot(x,y2,label = 'square line')

plt.legend(loc = 'best')

plt.show()

#添加标注

x = np.linspace(-3,3,50)

y = 2*x + 1

plt.figure(num=1,figsize=(8,5))

plt.plot(x,y)

#

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data',0))

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))

#

x0 = 1

y0 = 2*x0+1

plt.scatter(x0,y0,s=1000,color='b')

plt.plot([x0,x0],[y0,0],'k--',lw = 2.5)#连接该两点，k表示黑色，lw=2.5表示线粗细

plt.annotate(r'$2x0+1=%s$'%y0,xy=(x0,y0),xycoords ='data' ,xytext = (+30,-30),textcoords = 'offset points',fontsize = 16,arrowprops = dict(arrowstyle='->',connectionstyle = 'arc3,rad =.3'))

xycoords ='data' 是基于数据的值来选择位置；xytext = (+30,-30)和textcoord = 'offset points'对于标注位置描述和xy偏差值，arrowprops对于图中间头类型设置

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

-3.7,3设置文字位置；fontdict设置文字的字体

plt.show()

#4,5 能见度调整

x = np.linspace(-3,3,50)

y = 0.1*x

plt.figure()

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.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data',0))

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))

label.set_fontsize(12)重新调整字体大小 bbox设置目的内容的透明度相关参数 edgecolor设置边框

alpha设置透明度 zoeder设置图层顺序

#

for label in ax.get_xticklabels() + ax.get_yticklabels():

label.set_fontsize(12)

label.set_bbox(dict(facecolor='red',edgecolor = 'None',alpha = 0.7,zorder=2))

#

plt.show()

#5.画图种类 #5.1Scatter散点图

n = 1024

x = np.random.normal(0,1,n)#每一个点的x值

y = np.random.normal(0,1,n)#每一个点的y值

T = np.arctan2(y,x)#返回给定的xy值的反正切值

plt.scatter(x,y,s =75,c=T,alpha= 0.5)#size为75，颜色为T，透明度为50%，利用xticks函数来隐藏坐标轴

plt.xlim(-1.5,1.5)

plt.xticks(())#忽略xticks

plt.ylim(-1.5,1.5)

plt.ylim(-1.5,1.5)

plt.show()

#numpy.random.normal(loc=0.0, scale=1.0, size=None) #loc均值 scale方差 size 输出值的个数

#条形图 #基本图形

n = 12

x = np.arange(n)

y1 = (1-x/float(n))*np.random.uniform(0.5,1,n)#均匀分布

y2 = (1-x/float(n))*np.random.uniform(0.5,1,n)

plt.bar(x,+y1,facecolor = '#9999ff',edgecolor = 'white')

plt.bar(x,-y2,facecolor = '#ff9999',edgecolor = 'white')

#

标记值

for x,y in zip(x,y1): #打包两个元组的值

plt.text(x+0.2,y+0.2,'%.2f'%y,ha = 'center',va='bottom')

ha表示横向对其，bottom表示向下对其

x = np.arange(n)#好舒服啊

for x,y in zip(x,y2):

plt.text(x+0.2,-y-0.2,'%.2f'%y,ha='center',va='top')

#

plt.xlim(-0.5,n)

plt.ylim(-1.25,1.25)

plt.show()

#5.3等高线图

n = 256

x = np.linspace(-3,3,n)

y = np.linspace(-3,3,n)

x,y = np.meshgrid(x,y)#坐标向量返回坐标矩阵

def f(x,y):

return (1 - x / 2 + x 5 + y3)*np.exp(-x2 - y 2)

plt.contourf(x,y,f(x,y),8,alpha = 0.75,cmap = plt.cm.hot)

8标示等高线成分 alpha表示透明度 cmap表示color map

使用contour函数进行等高线绘制 参数依次为x,y,f(x,y)，颜色选择黑色，线条宽度为0.5

c = plt.contour(x,y,f(x,y),8,colors = 'black',linewidth = 0.5)

plt.clabel添加等高值 inline控制是否将label画在线里，字体大小为10

plt.clabel(c,inline = True,fontsize = 10)

plt.show()

#5.4 Image图片

a = np.array(np.linspace(0,1,9)).reshape(3,3)

print(a)

plt.imshow(a,interpolation = 'nearest',cmap = 'bone',origin = 'lower')

origin代表选择原点位置

plt.colorbar(shrink = .92) #shrink将图片长度变为原来的92%

plt.show()

#5.5 3D图像

fig = plt.figure()#定义图像窗口

ax = Axes3D(fig)#在窗口上添加3D坐标

将xy值编织成栅格

x = np.arange(-4,4,0.25)

y = np.arange(-4,4,0.25)

# #

x,y = np.meshgrid(x,y)

#

r = np.sqrt(x2+y2)

z = np.sin(r)#高度值

将colormap rain bow填充颜色，之后将三维图像投影到xy平面做等高线图，其中rstride和cstride表示row和column的宽度

ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))

添加xy平面等高线 投影到z平面

ax.contourf(x,y,z,zdir='z',offset=-2,cmap = plt.get_cmap('rainbow'))#把图像进行投影的图形 offset表示比0底两个位置

ax.set_zlim(-2,2)

plt.show()

#多图合并显示 #6.1 Subplot多合一显示 #6.1 subplot多合一显示 #均匀图中图

plt.figure()

plt.subplot(2,2,1)#表示整个图像分割成2行两列，当前位置为1

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

plt.subplot(2,2,2)

plt.plot([0,1],[0,2])

plt.subplot(2,2,3)

plt.plot([0,1],[0,3])

plt.subplot(2,2,4)

plt.plot([0,1],[0,4])

plt.show()

不均匀图中图

plt.figure()

plt.subplot(2,1,1)#表示整个图像分割成2行两列，当前位置为1

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

plt.subplot(2,3,4)

plt.plot([0,1],[0,2])

plt.subplot(2,3,5)

plt.plot([0,1],[0,3])

plt.subplot(2,3,6)

plt.plot([0,1],[0,4])

plt.show()

#6.2 subplot分格显示

plt.figure()

使用plt.subplot2grid创建第一个小图，(3,3)表示将整个图像分割成3行3列，（0,0）表示从第0行0列开始作图

colspan表示列的跨度为3.colspan和rowspan缺省时默认跨度为1

ax1 = plt.subplot2grid((3,3),(0,0),colspan=3)

ax1.plot([1,2],[1,2])

ax1.set_title('ax1_title')

将图像分割成3行3列，从第一行0列开始做图，列的跨度为2

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))

ax4.scatter([1,2],[2,2])

ax4.set_xlabel('ax4_x')

ax4.set_ylabel('ax4_y')

ax5 = plt.subplot2grid((3,3),(2,1))

plt.show()

plt.figure()

gs = gridspec.GridSpec(3,3)

ax6 = plt.subplot(gs[0,:])#gs[0:1]表示占第0行和所有列

ax7 = plt.subplot(gs[1,:2])#第一行和之前的所有

ax10 = plt.subplot(gs[1:,2])

ax8 = plt.subplot(gs[-1,0])

ax9 = plt.subplot(gs[-1,-2])

plt.show()

#图中图

fig = plt.figure()

创建数据

x = [1,2,3,4,5,6,7]

y = [1,3,4,2,5,8,6]

绘制大图：假设大图的1大小为10，那么大图包含在由(1,1)开始，宽8高8的坐标系中

left,bottom,width,height = 0.1,0.1,0.8,0.8

ax1 = fig.add_axes([left,bottom,width,height]) #main axes

ax1.plot(x,y,'r')#绘制大图，颜色为red

ax1.set_xlabel('x')

ax1.set_ylabel('y')

ax1.set_title('title')

绘制小图，注意坐标系位置和大小的改变

ax2 = fig.add_axes([0.2,0.6,0.25,0.25])

ax2.plot(x,y,'b')#颜色为blue

ax2.set_xlabel('x')

ax2.set_ylabel('y')

ax2.set_title('= = = = = ')

#

ax3 = fig.add_axes([0.6,0.2,0.25,0.25])

ax3.plot(x,y,'g')#颜色为blue

ax3.set_xlabel('x')

ax3.set_ylabel('y')

ax3.set_title('++++++++')

#6.4次坐标轴

x = np.arange(0,10,0.1)

y1 = 0.5*x**2

y2 = -1*y1

fig,ax1 = plt.subplots()

#

ax2 = ax1.twinx()#镜像显示

ax1.plot(x,y1,'g-')

ax2.plot(x,y2,'b-')

#

ax1.set_xlabel('x data')

ax1.set_ylabel('y1 data',color = 'g')

ax2.set_ylabel('y2 data',color = 'b')

plt.show()

#7动画

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x和y的坐标值，参数表示第i针 def animate(i): line.set_ydata(np.sin(x+i/100)) return line #构造开始帧init函数 def init(): line.set_ydata(np.sin(x)) return line

ani = animation.FuncAnimation(fig=fig,func = animate,frames=200,init_func=init,interval = 20 ,blit = False) plt.show()