专栏首页数据 学术 商业 新闻这16个Matplotlib 绘图实用小技巧值得你收藏~~

这16个Matplotlib 绘图实用小技巧值得你收藏~~

来源:网络

今天给大家介绍16个Matplotlib绘图实用的小技巧:

1. 添加标题-title

matplotlib.pyplot 对象中有个 title() 可以设置表格的标题。

import numpy as np
import matplotlib.pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline
x=np.arange(0,10)
plt.title('这是一个示例标题')
plt.plot(x,x*x)
plt.show()

具体实现效果:

2. 添加文字-text

设置坐标和文字,可以使用 matplotlib.pyplot 对象中 text() 接口。其中 第一、二个参数来设置坐标,第三个参数是设置显示文本内容。

import numpy as np
import matplotlib.pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline
x=np.arange(-10,11,1)
y=x*x
plt.plot(x,y)
plt.title('这是一个示例标题')
# 添加文字
plt.text(-2.5,30,'function y=x*x')
plt.show()

具体实现效果:

3. 添加注释-annotate

我们实用 annotate() 接口可以在图中增加注释说明。其中:

  • xy 参数:备注的坐标点
  • xytext 参数:备注文字的坐标(默认为xy的位置)
  • arrowprops 参数:在 xy 和 xytext 之间绘制一个箭头。
import numpy as np
import matplotlib.pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline
x=np.arange(-10,11,1)
y=x*x
plt.title('这是一个示例标题')
plt.plot(x,y)
# 添加注释
plt.annotate('这是一个示例注释',xy=(0,1),xytext=(-2,22),arrowprops={'headwidth':10,'facecolor':'r'})
plt.show()

具体实现效果:

4. 设置坐标轴名称-xlabel/ylabel

二维坐标图形中,需要在横轴和竖轴注明名称以及数量单位。设置坐标轴名称使用的接口是 xlabel() 和 ylable()。

import numpy as np
import matplotlib.pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline
x=np.arange(1,20)
plt.xlabel('示例x轴')
plt.ylabel('示例y轴')
plt.plot(x,x*x)
plt.show()

具体实现效果:

5. 添加图例-legend

当线条过多时,我们设置不同颜色来区分不同线条。因此,需要对不同颜色线条做下标注,我们实用 legend() 接口来实现。

import numpy as np
import matplotlib.pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline
plt.plot(x,x)
plt.plot(x,x*2)
plt.plot(x,x*3)
plt.plot(x,x*4)
# 直接传入legend
plt.legend(['生活','颜值','工作','金钱'])
plt.show()

具体实现效果:

6. 调整颜色-color

传颜色参数,使用 plot() 中的 color 属性来设置,color 支持以下几种方式。

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(1,5)
#颜色的几种方式
plt.plot(x,color='g')
plt.plot(x+1,color='0.5')
plt.plot(x+2,color='#FF00FF')
plt.plot(x+3,color=(0.1,0.2,0.3))
plt.show()

具体实现效果:

7. 切换线条样式-marker

如果想改变线条的样式,我们可以使用修改 plot() 绘图接口中 mark 参数,具体实现效果:

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(1,5)
plt.plot(x,marker='o')
plt.plot(x+1,marker='>')
plt.plot(x+2,marker='s')
plt.show()

具体实现效果:

其中 marker 支持的类型:

  • ‘.’:点(point marker)
  • ‘,’:像素点(pixel marker)
  • ‘o’:圆形(circle marker)
  • ‘v’:朝下三角形(triangle_down marker)
  • ‘^’:朝上三角形(triangle_up marker)
  • ‘<‘:朝左三角形(triangle_left marker)
  • ‘>’:朝右三角形(triangle_right marker)
  • ‘1’:(tri_down marker)
  • ‘2’:(tri_up marker)
  • ‘3’:(tri_left marker)
  • ‘4’:(tri_right marker)
  • ‘s’:正方形(square marker)
  • ‘p’:五边星(pentagon marker)
  • ‘*’:星型(star marker)
  • ‘h’:1号六角形(hexagon1 marker)
  • ‘H’:2号六角形(hexagon2 marker)
  • ‘+’:+号标记(plus marker)
  • ‘x’:x号标记(x marker)
  • ‘D’:菱形(diamond marker)
  • ‘d’:小型菱形(thin_diamond marker)
  • ‘|’:垂直线形(vline marker)
  • ‘_’:水平线形(hline marker)

具体各个效果类型如下:

8. 显示数学公式-mathtext

格式如下:作为开始和结束符,如$,中间的将解析出公式中的符号。

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.title('chenqionghe')
plt.xlim([1,8])
plt.ylim([1,5])
plt.text(2,4,r'$ \alpha \beta \pi \lambda \omega $',size=25)
plt.text(4,4,r'$ \sin(0)=\cos(\frac{\pi}{2}) $',size=25)
plt.text(2,2,r'$ \lim_{x \rightarrow y} \frac{1}{x^3} $',size=25)
plt.text(4,2,r'$ \sqrt[4]{x}=\sqrt{y} $',size=25)
plt.show()

具体实现效果:

9. 显示网格-grid

grid() 接口可以用来设置背景图为网格。

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x='a','b','c','d'
y=[15,30,45,10]
plt.grid()
# 也可以设置颜色、线条宽度、线条样式
# plt.grid(color='g',linewidth='1',linestyle='-.')
plt.plot(x,y)
plt.show()

具体实现效果:

10. 调整坐标轴刻度-locator_params

坐标图的刻度我们可以使用 locator_params 接口来调整显示颗粒。

同时调整 x 轴和 y 轴:plt.locator_params(nbins=20)

只调整 x 轴:plt.locator_params(‘'x',nbins=20)

只调整 y 轴:plt.locator_params(‘'y',nbins=20)

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(0,30,1)
plt.plot(x,x)
# x轴和y轴分别显示20个
plt.locator_params(nbins=20)
plt.show()

具体实现效果:

11. 调整坐标轴范围-axis/xlim/ylim

axis:[0,5,0,10],x从0到5,y从0到10

xlim:对应参数有xmin和xmax,分别能调整最大值最小值

ylim:同xlim用法

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(0,30,1)
plt.plot(x,x*x)
#显示坐标轴,plt.axis(),4个数字分别代表x轴和y轴的最小坐标,最大坐标
#调整x为10到25
plt.xlim(xmin=10,xmax=25)
plt.plot(x,x*x)
plt.show()

具体实现效果:

12. 调整日期自适应-autofmt_xdate

有时候显示日期会重叠在一起,非常不友好,调用plt.gcf().autofmt_xdate(),将自动调整角度。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
x=pd.date_range('2020/01/01',periods=30)
y=np.arange(0,30,1)
plt.plot(x,y)
plt.gcf().autofmt_xdate()
plt.show()

具体实现效果:

13. 添加双坐标轴-twinx

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(1,20)
y1=x*x
y2=np.log(x)
plt.plot(x,y1)
# 添加一个坐标轴,默认0到1
plt.twinx()
plt.plot(x,y2,'r')
plt.show()

具体实现效果:

14. 填充区域-fill/fill_beween

fill 填充函数区域

import numpy as np
import matplotlib.pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline
x=np.linspace(0,5*np.pi,1000)
y1=np.sin(x)
y2=np.sin(2*x)
plt.plot(x,y1)
plt.plot(x,y2)
# 填充
plt.fill(x,y1,'g')
plt.fill(x,y2,'r')
plt.title('这是一个示例标题')
plt.show()

具体实现效果:

fill_beween填充函数交叉区域

import numpy as np
import matplotlib.pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline
plt.title('这是一个示例标题')
x=np.linspace(0,5*np.pi,1000)
y1=np.sin(x)
y2=np.sin(2*x)
plt.plot(x,y1)
plt.plot(x,y2)
# 填充
plt.fill_between(x,y1,y2,where=y1>y2,interpolate=True)
plt.show()

具体实现效果:

15. 画一个填充好的形状-matplotlib.patche

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mptaches
%matplotlib inline
xy1=np.array([0.2,0.2])
xy2=np.array([0.2,0.8])
xy3=np.array([0.8,0.2])
xy4=np.array([0.8,0.8])
fig,ax=plt.subplots()
#圆形,指定坐标和半径
circle=mptaches.Circle(xy1,0.15)
ax.add_patch(circle)
#长方形
rect=mptaches.Rectangle(xy2,0.2,0.1,color='r')
ax.add_patch(rect)
#多边形
polygon=mptaches.RegularPolygon(xy3,6,0.1,color='g')
ax.add_patch(polygon)
# 椭圆
ellipse=mptaches.Ellipse(xy4,0.4,0.2,color='c')
ax.add_patch(ellipse)
ax.axis('equal')
plt.show()

具体实现效果:

16. 切换样式-plt.style.use

matplotlib支持多种样式,可以通过plt.style.use切换样式,例如:

plt.style.use('ggplot')输入plt.style.available 可以查看所有的样式:

import matplotlib.pyplot as plt
plt.style.available

具体实现效果:

示例代码,ggplot样式:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mptaches
%matplotlib inline
plt.style.use('ggplot')
# 新建4个子图
fig,axes=plt.subplots(2,2)
ax1,ax2,ax3,ax4=axes.ravel()
# 第一个图
x,y=np.random.normal(size=(2,100))
ax1.plot(x,y,'o')
# 第二个图
x=np.arange(0,10)
y=np.arange(0,10)
colors=plt.rcParams['axes.prop_cycle']
length=np.linspace(0,10,len(colors))
for s in length:
    ax2.plot(x,y+s,'-')
# 第三个图
x=np.arange(5)
y1,y2,y3=np.random.randint(1,25,size=(3,5))
width=0.25
ax3.bar(x,y1,width)
ax3.bar(x+width,y2,width)
ax3.bar(x+2*width,y3,width)
# 第四个图
for i,color in enumerate(colors):
    xy=np.random.normal(size=2)
ax4.add_patch(plt.Circle(xy,radius=0.3,color=color['color']))
ax4.axis('equal')
plt.show()

具体实现效果:

本文分享自微信公众号 - DataCharm(shujumeili)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2021-08-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • ​分享16个matplotlib绘图实用小技巧

    matplotlib.pyplot 对象中有个 title() 可以设置表格的标题。

    猴哥yuri
  • ​分享16个Matplotlib 绘图实用小技巧!

    matplotlib.pyplot 对象中有个 title() 可以设置表格的标题。

    统计学家
  • ​分享16个Matplotlib 绘图实用小技巧!

    matplotlib.pyplot 对象中有个 title() 可以设置表格的标题。

    用户6888863
  • 送你16个matplotlib绘图实用小技巧(附代码)

    有时候显示日期会重叠在一起,非常不友好,调用plt.gcf().autofmt_xdate(),将自动调整角度

    数据派THU
  • 数据可视化 | 16个 matplotlib 绘图实用小技巧

    matplotlib.pyplot 对象中有个 title() 可以设置表格的标题。

    咸鱼学Python
  • 绘图技巧 | 科研图表可以在线绘制了!?这个宝藏网站值得你收藏

    前段时间小编给大家推荐了一个非常优秀的在线图表绘制工具:绘图技巧 | 超多种类在线可视化图表制作工具推荐。这个工具偏商业化图表绘制,这两天小编再查阅资料时发现了...

    DataCharm
  • 最值得你收藏的30个Python常用小技巧!

    [0, 1, 16, 81, 256, 625, 1296, 2401, 4096, 6561, 10000, 121, 144, 169, 196, 225,...

    一墨编程学习
  • 值得收藏的Python小技巧:这17个骚操作你都OK吗?

    导读:Python 是一门非常优美的语言,其简洁易用令人不得不感概人生苦短。在本文中,作者 Gautham Santhosh 带我们回顾了 17 个非常有用的 ...

    华章科技
  • 30万字,“保姆级”可视化视觉设计优质学习攻略推荐

    首先,简单介绍一下作者,宁海涛是211硕士毕业,先后学习Python进行深度学习模型构建以及可视化展示,当然还包括数据分析、数据处理、数据可视化等技能,此外,还...

    小白学视觉
  • matplotlib相关图形绘制(二)

    箱线图是由一组数据的最大值、最小值、中位数、两个四分位数(上、下四分位数)这五个特征值绘制而成的,它主要的作用是反应原始数据分布的特征,还可以进行多组数据分布特...

    朱小五
  • Matplotlib 气球图 制作

    Matplotlib 制作稍带“艺术”的可视化作品,ggplot2 基于其优秀绘图图层设置及多种拓展绘图包可以较为灵活的完成此类任务,但Matplotlib也不...

    DataCharm
  • 实用!最值得收藏的7个高效Excel图表操作技巧!

    掌握常用的Excel图表操作技巧,不仅能提高创建和编辑图表的效率,还可以使图表更美观、专业,获得他人的青睐。

    1480
  • FiveThirtyEight 类型图表 Matplotlib制作

    FiveThirtyEight网站,也称作538,是一个专注于民意调查分析,政治,经济与体育的博客。网站于2008年3月7日建立,其名称来源于美国选举人团中选举...

    DataCharm
  • matplotlib绘图技巧详解(一)

    我们之前已经讲述了matplotlib的绘图原理,陆续会更新绘图技巧、相关图形绘制。

    朱小五
  • Matplotlib 实战:写一个任意函数极值可视化脚手架

    Matplotlib 是 Python 从 Matlab 迁移过来的一个 2D 绘图库,它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形,...

    月小水长
  • 盘一盘 Python 系列 7 - PyEcharts

    Echarts 是一个由百度开源的数据可视化工具,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可,而 Python 就不用多说了。

    用户5753894
  • 15个能使你工作效率翻倍的Jupyter Notebook的小技巧

    在数据科学界,Jupyter Notebook是一个受欢迎的工具,采用率很高。本文旨在分享一些很酷的技巧和技巧,帮助您在使用Jupyter Notebook的同...

    deephub
  • 统计绘图 | 一行代码教你绘制顶级期刊要求配图

    在分享完即可统计又可可视化绘制的优秀可视化包后(具体内容可看统计绘图 | 既能统计分析又能可视化绘制的技能 。就有小伙伴私信问我“需要绘制出版级别的可视化图表有...

    DataCharm
  • Python数据分析:手把手教你用Pandas生成可视化图表

    我的机器学习教程「美团」算法工程师带你入门机器学习   已经开始更新了,欢迎大家订阅~

    用户7886150

扫码关注云+社区

领取腾讯云代金券