您好,登录后才能下订单哦!
这篇文章主要介绍matplotlib库有什么用,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
Matplotlib 是一个 Python 的 2D绘图库(当然也可以画三维形式的图形哦),它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形 。通过 Matplotlib,开发者仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等。
Matplotlib 主要有两大模块:pyplot 和 pylab,这二者之间有何区别和联系呢?
首先 pyplot 和 pylab 都可以画出图形,且两者 API 也是类似的, 其中 pylab 包括了许多 numpy 和 pyplot 模块中常用的函数,对交互式使用(如在 IPython 交互式环境中)来说比较方便,既可以画图又可以进行计算,不过官方推荐对于项目编程最好还是分别导入 pyplot 和 numpy 来作图和计算。
先来个简单的
import numpy as np from matplotlib import pyplot as plt x = np.arange(0, 11) y = 2*x plt.plot(x, y, marker='o') plt.show()
x = np.arange(0, 11) y1 = 2*x y2 = 4*x # g-- 表示绿色虚线 r- 表示红色实线 plt.plot(x, y1, 'g--') plt.plot(x, y2, 'r-') plt.show()
Matplotlib 有两种编程风格,一种是 Matlab 用户熟悉的风格,一种是面向对象式的风格,推荐后者
Matlab 风格的 Api
plt.figure(figsize=(10, 5)) x = [1, 2, 3] y = [2, 4, 6] plt.plot(x, y, 'r') plt.xlabel('x axis') plt.ylabel('y axis') plt.title('figure title') plt.show()
面向对象风格的 Api
fig = plt.figure(figsize=(10, 5)) # add_subplot(nrows, ncols, index, **kwargs) 默认 (1, 1, 1) axes = fig.add_subplot() x = [1, 2, 3] y = [2, 4, 6] axes.plot(x, y, 'r') axes.set_xlabel('x axis') axes.set_ylabel('y axis') axes.set_title('figure title') plt.show()
都得到以下图形
fig: plt.Figure = plt.figure(figsize=(10, 5)) axes1 = fig.add_subplot(2, 1, 1) # (nrows, ncols, index) # 与 axes1 共享x,y轴 # the axis will have the same limits, ticks, and scale as the axis # facecolor: 坐标轴图形背景颜色 axes2 = fig.add_subplot(2, 1, 2, sharex=axes1, sharey=axes1, facecolor='k') x = np.linspace(-5, 5, 100) y1 = np.sin(x) y2 = np.cos(x) axes1.plot(x, y1, color='red', linestyle='solid') axes2.plot(x, y2, color='#00ff00', linestyle='dashed') axes1.set_title('axes1 title') axes2.set_title('axes2 title') plt.show()
# 设置图的位置、大小 axes1 = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # [left, bottom, width, height] axes2 = fig.add_axes([0.7, 0.7, 0.2, 0.2])
对象关系
在 matplotlib 中,整个图像为一个 Figure 对象。在 Figure 对象中可以包含一个,或者多个 Axes 对象,每个 Axes 对象都是一个拥有自己坐标系统的绘图区域。
Title——标题 Axis——坐标轴 Label——坐标轴标注 Tick——刻度线 Tick Label——刻度注释
只列出了常用的(只支持简写形式)
axes.plot(x, y, 'r', label='y=2x') # or axes.set_label('y=2x') axes.legend(loc='upper right') # 默认 legend(loc='best') # 同时设置多个 plt.legend((axes1, axes2, axes3), ('label1', 'label2', 'label3'))
调整坐标轴的上下限
# xlim(left=None, right=None, emit=True, auto=False, *, xmin=None, xmax=None) # ylim(bottom=None, top=None, emit=True, auto=False, *, ymin=None, ymax=None) axes.set_xlim(0, 8) axes.set_ylim(0, 8)
直至坐标轴显示间隔
from matplotlib.ticker import MultipleLocator # 如设置主要刻度线间隔为 2 axes.xaxis.set_major_locator(MultipleLocator(2))
调整坐标轴标签的显示
# 当点比较密集时,x 轴刻度线标签可能会重叠在一起,尤其是时间时 # 1. 对于时间可以使用 autofmt_xdate 自动调整对齐和旋转 fig.autofmt_xdate() # 2. 通用的 ax.set_xticklabels(xticks, rotation=30, ha='right') # 对于日期显示还可以自定义格式 from matplotlib.dates import DateFormatter ax.xaxis.set_major_formatter(DateFormatter('%Y-%m'))
设置坐标轴名称
# 坐标轴下方或左边显示的标签 ax.set_xlabel('Time Series') ax.set_ylabel('Microseismicity')
综合示例
fig = plt.figure() axes = fig.add_subplot() t = np.linspace(0, np.pi, 64) x = np.sin(t) y = np.cos(t) + np.power(x, 2.0 / 3) # 采用参数定义样式 axes.plot(x, y, color='red', marker='o', linestyle='solid', linewidth=2, label='x>0') # 采用简写 color marker linestyle 没有顺序之分,不需要都写 axes.plot(-x, y, 'ro-', linewidth=2, label='x<0') # 设置标题 axes.set_title('心型图', fontdict={'size': 16, 'color': 'r', 'family': 'SimHei'}) # 设置坐标轴数值范围 axes.set_xlim(-1.5, 1.5) # 设置坐标轴刻度线 axes.set_xticks([-1.5, -1, 0, 1, 1.5]) # 设置坐标轴刻度线标签,不设置则是坐标轴数值 axes.set_xticklabels(['-1.5', '-1', '原点', '1', '1.5'], fontdict={'family': 'SimHei'}) # 设置显示图例 axes.legend() # 设置显示网格线 axes.grid(color='#cccccc', ls='-.', lw=0.25) plt.show()
# 使用 pycharm 运行 plt.show() 默认不在独立窗口显示(terminal 运行可以) # 切换 backend 为 TkAgg 时, pycharm 运行可以在独立窗口展示图,同时 terminal 运行也可以 # 默认 non-interactive backends = agg # 如果不切换 backend 又想在独立窗口显示,可以按如下设置 # File -> Settings -> Tools -> Python Scientific -> 去掉Show plots in tool window勾选 plt.switch_backend('TkAgg') # 当 figure 开启超过 20 个时会有警告(一般循环画图出现),可以主动 close 图 for y in data: fig: plt.Figure = plt.figure() axes = fig.add_subplot() axes.plot(y, color='red', marker='o', linestyle='solid') plt.savefig('xxx.png') plt.close() # 设置网格线 plt.grid(True) # 设置字体,默认不支持中文显示,可以指定中文字体来显示中文 plt.rcParams["font.family"] = 'SimHei' # mac os可以使用 Heiti TC # 也可以在使用的时候分别设置 axes.set_title('中文字体 SimHei', fontdict={'size': 16, 'color': 'r', 'family': 'SimHei'}) # 解决坐标轴负数的负号显示问题 plt.rcParams['axes.unicode_minus'] = False
以上是“matplotlib库有什么用”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注亿速云行业资讯频道!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。