【matplotlib】1-使用函数绘制图表

程序员小涛

发布于 2022-12-05 15:26:32

1.2K0

发布于 2022-12-05 15:26:32

文章被收录于专栏：涛的程序人生涛的程序人生

文章目录

使用函数绘制图表

使用函数绘制图表

1.绘制matplotlib图表组成元素的主要函数

在一个图形输出窗口中，底层是一个Figure实例，通常称之为画布，包含一些可见和不可见的元素。在画布上的就是图形，图形是一些Axes实例，里面几乎包含了matplotlib的组成元素，例如坐标轴、刻度、标签、线和标记等。

2.准备数据

我们可以导入第三方包NumPy和快速绘图模块pyplot，matplotlib库就是建立在科学计算包NumPy基础之上的Python绘图库。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.5, 3.5, 100) # 在0.5到3.5之间均匀地取100个数
y = np.sin(x)
y1 = np.random.randn(100) # 在标准正态分布中随机地取100个数

3.函数用法

3.1函数plot()–展现变量的趋势变化

函数功能： 展现变量的趋势变化 调用签名： plt.plot(x, y, ls=‘-’, lw=2, label=‘plot figure’) 参数说明：

x: x轴上的数值
y: y轴上的数值
ls: 折线图的线条风格
lw: 折线图的线条宽度
label: 标记图形内容的标签文本

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.cos(x)

plt.plot(x, y, ls='-', lw=2, label='cos(x)')
plt.legend()  # 显示图例

plt.show()

3.2函数scatter()–寻找变量之间的关系

函数功能： 寻找变量之间的关系 调用签名： plt.scatter(x, y, c=‘b’, label=‘scatter figure’) 参数说明：

x: x轴上的数值
y: y轴上的数值
c: 散点图的标记颜色
label: 标记图形内容的标签文本

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.random.randn(1000)

plt.scatter(x, y, c='b', label='scatter plot')
plt.legend()

plt.show()

3.3函数xlim()–设置x轴的数值显示范围

函数功能： 设置x轴的数值显示范围 调用签名： plt.xlim(xmin, xmax) 参数说明：

xmin: x轴上的最小值
xmax: x轴上的最大值
平移性: 上面的函数功能，调用签名和参数说明同样可以平移到函数ylim()上

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.random.randn(1000)

plt.scatter(x, y, c='b', label='scatter plot')
plt.legend()

plt.xlim(0.05, 10)
plt.ylim(0, 1)

plt.show()

3.4函数xlabel()–设置x轴的标签文本

函数功能： 设置x轴的标签文本 调用签名： plt.xlabel(string) 参数说明：

xmin: 标签文本的内容
平移性: 上面的函数功能，调用签名和参数说明同样可以平移到函数ylabel()上

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.sin(x)

plt.plot(x, y, ls='-', lw=2, c='c', label='sin(x)')
plt.legend()  # 显示图例

plt.xlabel('x-axis')
plt.ylabel('y-axis')

plt.show()

3.5 函数grid()–绘制刻度线的网格线

函数功能： 绘制刻度线的网格线 调用签名： plt.grid(linestyle=‘:’, color=‘r’) 参数说明：

linestyle: 网格线的线条风格
color: 网格线的线条颜色

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 100)
y = np.log(x)

plt.plot(x, y, ls='-.', lw=2, c='c', label='y=log(x)')
plt.legend()

plt.grid(linestyle=':', color='r')

plt.show()

3.6 函数axhline()–绘制平行与x轴的水平参考线

函数功能： 绘制平行与x轴的水平参考线 调用签名： plt.axhline(y=0.0, c=‘r’, ls=‘–’, lw=2) 参数说明：

y: 水平参考线的出发点
c: 参考线的线条颜色
ls: 参考线的线条风格
lw: 参考线的线条宽度
平移性: 上面的函数功能，调用签名和参数说明同样可以平移到函数axvline()上

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 100)
y = np.sin(x)

plt.plot(x, y, ls='-.', lw=2, c='c', label='sin(x)')
plt.legend()

plt.axhline(y=0.0, c='r', ls='--', lw=2)
plt.axvline(x=4.0, c='r', ls='--', lw=2)

plt.show()

3.7 函数axvspan()–绘制垂直于x轴的参考区域

函数功能： 绘制垂直于x轴的参考区域 调用签名： plt.axvspan(xmin=1.0, xmax=2.0, facecolor=‘y’, alpha=0.3) 参数说明：

xmin: 参考区域的起始位置
xmax: 参考区域的终止位置
facecolor: 参考区域的填充颜色
alpha: 参考区域的填充颜色的透明度
平移性: 上面的函数功能，调用签名和参数说明同样可以平移到函数axhspan()上

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.sin(x)

plt.plot(x, y, ls='-.', lw=2, c='c', label='sin(x)')
plt.legend()

plt.axvspan(xmin=4.0, xmax=6.0, facecolor='y', alpha=0.3)
plt.axhspan(ymin=0.0, ymax=0.5, facecolor='y', alpha=0.3)

plt.show()

3.8 函数annotate()–添加图形内容细节的指向型注释文本

函数功能： 添加图形内容细节的指向型注释文本 调用签名： plt.annotate(string,xy=(np.pi/2, 1.0), xytext=((np.pi/2)+0.15, 1.5), weight=‘bold’, color=‘b’, arrowprops=dict(arrowstyle=‘->’, connectionstyle=‘arc3’, color=‘b’)) 参数说明：

string: 图形内容的注释文本
xy: 被注释的图形内容的位置坐标
xytext: 注释文本的位置坐标
weight: 注释文本的字体粗细风格
color: 注释文本的字体颜色
arrowprops: 指示被注释内容的箭头的属性字典

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.sin(x)

plt.plot(x, y, ls='-.', lw=2, c='c', label='sin(x)')
plt.legend()

plt.annotate("maximum",
             xy=(np.pi/2, 1.0),
             xytext=(np.pi/2+1.0, 0.8),
             weight='bold',
             color='b',
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='b'))

plt.show()

3.9 函数text()–添加图形内容细节的无指向型注释文本

函数功能： 添加图形内容细节的无指向型注释文本 调用签名： plt.text(x, y, string, weigth=‘bold’, color=‘b’) 参数说明：

x: 注释文本内容所在位置的横坐标
y: 注释文本内容所在位置的纵坐标
string: 注释文本内容
weight: 注释文本的字体粗细风格
color: 注释文本的字体颜色

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.sin(x)

plt.plot(x, y, ls='-', lw=2, c='c', label='sin(x)')
plt.legend()  # 显示图例

plt.text(3.10, 0.09, "y=sin(x)", weight="bold", color="b")

plt.show()

3.10 函数title()–添加图形内容的标题

函数功能： 添加图形内容的标题 调用签名： plt.title(string) 参数说明：

string: 图形内容的标题文本

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.sin(x)

plt.plot(x, y, ls='-', lw=2, c='c', label='sin(x)')
plt.legend()  # 显示图例

plt.title('sin(x)')  # 标题

plt.show()

3.11 函数legend()–标识不同图形的文本标签图例

函数功能： 标识不同图形的文本标签图例 调用签名： plt.legend(loc=‘lower left’) 参数说明：

loc: 图例在图中的地理位置

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05, 10, 1000)
y = np.sin(x)

plt.plot(x, y, ls='-', lw=2, c='c', label='sin(x)')
plt.legend(loc='lower left')  # 显示图例

plt.title('sin(x)')  # 标题

plt.show()

函数综合应用

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm as cm  # color map

# define data
x = np.linspace(0.5, 3.5, 100)
y = np.sin(x)
y1 = np.random.randn(100)

# scatter figure
plt.scatter(x, y1, c='0.25', label='scatter figure')

# plot figure
plt.plot(x, y, ls='--', lw=2, c='r', label='plot figure')

# some clean up (removing chartjunk)
for spine in plt.gca().spines.keys():
    if spine == "top" or spine == "right":
        plt.gca().spines[spine].set_color('none')

# turn bottom ticks for x-axis on
plt.gca().xaxis.set_ticks_position('bottom')
# set tick_line position of bottom

# turn left ticks for y-axis on
plt.gca().yaxis.set_ticks_position('left')
# set tick_line position of left

# set x,yaxis limit
plt.xlim(0.0, 4.0)
plt.ylim(-3.0, 3.0)

# set axes labels
plt.xlabel('x_axis')
plt.ylabel('y_axis')

# set x,yaxis grid
plt.grid(True, ls=':', color='r')

# add a horizontal line across the axis
plt.axhline(y=0.0, c='r', ls='--', lw=2)

# add a vertical span across the axis
plt.axvspan(xmin=1.0, xmax=2.0, facecolor='y', alpha=0.3)

# set annotating info
plt.annotate('maximum', xy=(np.pi / 2, 1.0),
             xytext=(np.pi / 2 + 0.15, 1.5), weight='bold', color='r',
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='r'))

plt.annotate('spines', xy=(0.75, -3),
             xytext=(0.35, -2.25), weight='bold', color='b',
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='b'))

plt.annotate('', xy=(0, -2.78),
             xytext=(0.4, -2.32),
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='b'))

plt.annotate('', xy=(3.5, -2.98),
             xytext=(3.6, -2.70),
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='b'))

# set text info
plt.text(3.6, -2.70, "'|' is tickline", weight='bold', color='b')
plt.text(3.6, -2.95, "3.5 is ticklabel", weight='bold', color='b')

# set title
plt.title('structure of matplotlib')

# set legend
plt.legend()

plt.show()