Python之Matplotlib的基本使用教程

标签：教程 plt Python pyplot Matplotlib matplotlib np import array

1.安装

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple #在终端输入

2. 基本配置

from matplotlib import pyplot as plt
# 让图片可以显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
# 让图片可以显示负号
plt.rcParams['axes.unicode_minus'] = False

3.用plot()绘图

import numpy as np
from matplotlib import pyplot as plt #导入库
ypoints = np.array([3, 8,5]) #返回一个数组
xpoints = np.array([0, 4,6])
plt.plot(xpoints,ypoints) #参数 1 是包含 x 轴上的点的数组。参数 2 是包含 y 轴上的点的数组。
plt.show() #显示绘图

⭐若plot()中只传入一个数组参数，会默认x点为0，1，2，3等，具体取决于y点的长度。

4.标记

from matplotlib import pyplot as plt
import numpy as np
ypoints = np.array([3, 8, 1, 7, 0])
plt.plot(ypoints, marker='o') #用keyword 参数来使用指定的标记强调每个点：marker
plt.show()

⭐可以选择其他符号标记，例如：‘*’

import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([3, 8, 1, 10])
plt.plot(ypoints, 'o:r') #marker|line|color (标记|连接线路|颜色)--fmt语法
plt.show()

⭐线路参考

Line Syntax	Description
'-'	Solid line
':'	Dotted line
'--'	Dashed line
'-.'	Dashed/dotted line

⭐颜色参考

Color Syntax	Description
'r'	Red
'g'	Green
'b'	Blue
'c'	Cyan
'm'	Magenta
'y'	Yellow
'k'	Black
'w'	White

4.1设置标记大小（ms=number）

import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([3, 8, 1, 10])
plt.plot(ypoints, marker = 'o', ms = 20) #markersize:ms 设置标记大小
plt.show()

4.2设置标记颜色（外颜色：mec='color'）（内颜色：mfc='color'）

import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([3, 8, 1, 10])
plt.plot(ypoints, marker = 'o', ms = 20, mec = 'r')
plt.show()

⭐也可以用十六进制设置标记颜色，例：mfc = '#4CAF50'

5.线

5.1设置线条样式--linestyle

import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([3, 8, 1, 10])
plt.plot(ypoints, linestyle = 'dotted')
plt.show()

linestyle可以写成：ls

dotted可以写成：：

dashed可以写成：--

您可以选择以下任一样式：

Style	Or
'solid' (default)	'-'
'dotted'	':'
'dashed'	'--'
'dashdot'	'-.'
'None'	'' or ' '

⭐线条也可以设置颜色，只需要在plot（）中添加参数c='颜色'

⭐线条也可以改变宽度，只需要在plot（）中添加参数linewdith='浮点数'

⭐添加更多plot（）函数即可绘制多条线

6.标签

6.1为坐标轴设置标签--xlabel(),ylabel()

import numpy as np
import matplotlib.pyplot as plt
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])
plt.plot(x, y)
plt.xlabel("Average Pulse") #为x轴添加标签
plt.ylabel("Calorie Burnage") #为y轴添加标签
plt.show()

6.2设置整个标题--title()

import numpy as np
import matplotlib.pyplot as plt
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])
plt.plot(x, y)
plt.title("Sports Watch Data") #添加标题
plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")
plt.show()

⭐可以在title（）中添加参数loc='位置'，设置标题位置。合法值为：“left”、“right”和“center”。默认值为 'center'。

6.3设置标题和标签的字体属性--fontdict

import numpy as np
import matplotlib.pyplot as plt
x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])
font1 = {'family':'serif','color':'blue','size':20}
font2 = {'family':'serif','color':'darkred','size':15}
plt.title("Sports Watch Data", fontdict = font1) #传入的是一个键值对字典
plt.xlabel("Average Pulse", fontdict = font2)
plt.ylabel("Calorie Burnage", fontdict = font2)
plt.plot(x, y)
plt.show()

7.网格

7.1添加网格线--grid()

import numpy as np
import matplotlib.pyplot as plt
plt.grid()
plt.show()

⭐像grid()中添加参数axis='值'可以指定需要显示的网格线，合法值为：'x'、'y' 和 'both'。默认值为 'both'。

⭐可以设置网格的 line 属性，比如这样： grid（color = 'color'， linestyle = 'linestyle'， linewidth = number）。

8.子图

8.1绘制子图--subplot()

import matplotlib.pyplot as plt
import numpy as np

#图1:
y = np.array([3, 8, 1, 10])
plt.subplot(1, 2, 1)
plt.plot(y)

#图2:
y = np.array([10, 20, 30, 40])
plt.subplot(1, 2, 2)
plt.plot(y)

plt.show()

方法中有两个参数，第一个和第二个代表布局有几行几列，第三个代表图的位置索引

8.2添加标题--title()

import matplotlib.pyplot as plt
import numpy as np

#图1:
y = np.array([3, 8, 1, 10])
plt.subplot(1, 2, 1)
plt.title("abc")
plt.plot(y)

#图2:
y = np.array([10, 20, 30, 40])
plt.subplot(1, 2, 2)
plt.title("def")
plt.plot(y)

plt.show()

8.3为整个视图添加标题--suptitle()

import matplotlib.pyplot as plt
import numpy as np

#图1:
y = np.array([3, 8, 1, 10])
plt.subplot(1, 2, 1)
plt.title("abc")
plt.plot(y)

#图2:
y = np.array([10, 20, 30, 40])
plt.subplot(1, 2, 2)
plt.title("def")
plt.plot(y)

plt.suptitle('eng')
plt.show()

9.分散符号

9.1创建散点图--scatter(x,y)

import matplotlib.pyplot as plt
import numpy as np

y = np.array([3, 8, 1, 10,11,5,7,6,20])
x = np.array([2,5,6,7,4,6,17,21,2])
plt.scatter(x,y)
plt.show()

scatter()中必须有两个相同长度的数组

9.2比较绘图

import matplotlib.pyplot as plt
import numpy as np

y = np.array([3, 8, 1, 10,11,5,7,6,20])
x = np.array([2,5,6,7,4,6,17,21,2])
plt.scatter(x,y)

y = np.array([1, 3, 5, 7,8,4,5,2,14])
x = np.array([1,1,9,5,3,10,16,43,3])
plt.scatter(x,y)

plt.show()

⭐可以在scatter中传入参数color=‘颜色’，设置散点颜色

⭐也可以传入与散点长度相同的颜色数组，为每个点设置不同颜色

⭐Matplotlib 模块有许多可用的颜色图。颜色图就像一个颜色列表，其中每种颜色都有一个范围为从 0 到 100。如何创建如下：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12,17,65])
y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77,75,98])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80,90,100]) #必须创建一个具有值（从 0 到 100）的数组，散点图中的每个点都有一个值：

plt.scatter(x, y, c=colors, cmap='viridis') #cmap='颜色图'，本列中用的是viridis颜色图，它的范围从 0 开始，即0是紫色，最多100是黄色。
plt.colorbar() #在绘图中包含颜色图
plt.show()

⭐ 大家可以去搜ColorMap内置颜色图去使用

⭐可以在scatter（）中传入参数s=sizes，去改变每个点的大小，sizes参数必须与x轴和y轴有同样的数组长度。

⭐可以在scatter（）中传入参数alpha=值，来调整点的透明度，值的范围是[0,1]。

10.柱形图

10.1创建--bar（x,y）

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.bar(x,y)
plt.show()

10.2水平创建--barh()

import matplotlib.pyplot as plt
import numpy as np
x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 9])
plt.barh(x, y)
plt.show()

⭐可以在创建函数里添加参数color='颜色'，设置条形颜色

⭐可以在创建函数里添加参数width=宽度，设置条形宽度，只能用于bar（），对于水平条，barh()请用height=高度。

11.直方图

11.1创建直方图--hist（）

import matplotlib.pyplot as plt
import numpy as np

x = np.random.normal(170, 10, 250) #使用 NumPy 随机生成一个具有 250 个值的数组， 其中，值将集中在 170 附近，标准差为 10。

plt.hist(x)
plt.show()

⭐结果不唯一

12.饼图

12.1创建--pie()

import matplotlib.pyplot as plt
import numpy as np
y = np.array([35, 25, 25, 15]) #每个值所占大小==x/sum(x)
plt.pie(y) #从x轴开始逆时针绘图
plt.show()

12.2添加标签--labels()

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]

plt.pie(y, labels = mylabels)
plt.show()

⭐在pie()中传入参数startangle=角度(例如90)，可以设置起始角度，默认为0，即x轴

12.3吃披萨--explode

#将 “Apples” 楔形从饼图中心拉出 0.2：

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]
myexplode = [0.2, 0, 0, 0] #表示每个披萨离中心点的距离

plt.pie(y, labels = mylabels, explode = myexplode)
plt.show()

⭐在pie()中传入shadow=True就可以让图具有阴影效果

⭐在pie()中传入colors=数组，数值中每个颜色对应一块楔形

12.4披萨类别（添加解释列表）--legend（）

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]

plt.pie(y, labels = mylabels)
plt.legend()
plt.show()

⭐可以在legend传入loc='位置'设置图例位置：

supported values are 'best', 'upper right', 'upper left', 'lower left', 'lower right', 'right', 'center left', 'center right', 'lower center', 'upper center', 'center'

⭐可以在legend传入title = "标题名"，设置图例标题

----------以上如有侵权请联系我

标签：教程,plt,Python,pyplot,Matplotlib,matplotlib,np,import,array
From： https://blog.csdn.net/2302_81268819/article/details/142898332