Matplotlib 是 Python 的二維繪圖庫，用于生成符合出版質量或跨平臺交互環境的各類圖形。
圖形解析與工作流
圖形解析
工作流
Matplotlib 繪圖的基本步驟：
1 準備數據
2 創建圖形
3 繪圖
4 自定義設置
5 保存圖形
6 顯示圖形
import matplotlib.pyplot as plt
x = [1,2,3,4] # step1
y = [10,20,25,30]
fig = plt.figure() # step2
ax = fig.add_subplot(111) # step3
ax.plot(x, y, color='lightblue', linewidth=3) # step3\4
ax.scatter([2,4,6],
[5,15,25],
color='darkgreen',
marker='^')
ax.set_xlim(1, 6.5)
plt.savefig('foo.png') # step5
plt.show() # step6
準備數據
一維數據
import numpy as np
x = np.linspace(0, 10, 100)
y = np.cos(x)
z = np.sin(x)
二維數據或圖片
data = 2 * np.random.random((10, 10))
data2 = 3 * np.random.random((10, 10))
Y, X = np.mgrid[-3:3:100j, -3:3:100j]
U = -1 - X**2 + Y
V = 1 + X - Y**2
from matplotlib.cbook import get_sample_data
img = np.load('E:/anaconda3/envs/torch/Lib/site-packages/matplotlib/mpl-data/aapl.npz')
繪制圖形
import matplotlib.pyplot as plt
畫布
fig = plt.figure()
fig2 = plt.figure(figsize=plt.figaspect(2.0))
坐標軸
圖形是以坐標軸為核心繪制的，大多數情況下，子圖就可以滿足需求。子圖是柵格系統的坐標軸。
fig.add_axes()
ax1 = fig.add_subplot(221) # row-col-num
ax3 = fig.add_subplot(212)
fig3, axes = plt.subplots(nrows=2,ncols=2)
fig4, axes2 = plt.subplots(ncols=3)
繪圖例程
一維數據
fig, ax = plt.subplots()
lines = ax.plot(x,y) # 用線或標記連接點
ax.scatter(x,y) # 縮放或著色未連接的點
axes[0,0].bar([1,2,3],[3,4,5]) # 繪制等寬縱向矩形
axes[1,0].barh([0.5,1,2.5],[0,1,2]) # 繪制等高橫向矩形
axes[1,1].axhline(0.45) # 繪制與軸平行的橫線
axes[0,1].axvline(0.65) # 繪制與軸垂直的豎線
ax.fill(x,y,color='blue') # 繪制填充多邊形
ax.fill_between(x,y,color='yellow') # 填充y值和0之間
二維數據或圖片
import matplotlib.image as imgplt
img = imgplt.imread('C:/Users/Administrator/Desktop/timg.jpg')
fig, ax = plt.subplots()
im = ax.imshow(img, cmap='gist_earth', interpolation='nearest', vmin=-200, vmax=200)# 色彩表或RGB數組
axes2[0].pcolor(data2) # 二維數組偽彩色圖
axes2[0].pcolormesh(data) # 二維數組等高線偽彩色圖
CS = plt.contour(Y,X,U) # 等高線圖
axes2[2].contourf(data)
axes2[2]= ax.clabel(CS) # 等高線圖標簽
向量場
axes[0,1].arrow(0,0,0.5,0.5) # 為坐標軸添加箭頭
axes[1,1].quiver(y,z) # 二維箭頭
axes[0,1].streamplot(X,Y,U,V) # 二維箭頭
數據分布
ax1.hist(y) # 直方圖
ax3.boxplot(y) # 箱形圖
ax3.violinplot(z) # 小提琴圖
自定義圖形 顏色、色條與色彩表
plt.plot(x, x, x, x**2, x, x**3)
ax.plot(x, y, alpha = 0.4)
ax.plot(x, y, c='k')
fig.colorbar(im, orientation='horizontal')
im = ax.imshow(img,
cmap='seismic')
標記
fig, ax = plt.subplots()
ax.scatter(x,y,marker=".")
ax.plot(x,y,marker="o")
線型
plt.plot(x,y,linewidth=4.0)
plt.plot(x,y,ls='solid')
plt.plot(x,y,ls='--')
plt.plot(x,y,'--',x**2,y**2,'-.')
plt.setp(lines,color='r',linewidth=4.0)
文本與標注
ax.text(1,
-2.1,
'Example Graph',
style='italic')
ax.annotate("Sine",
xy=(8, 0),
xycoords='data',
xytext=(10.5, 0),
textcoords='data',
arrowprops=dict(arrowstyle="->",
connectionstyle="arc3"),)
數學符號
plt.title(r'$sigma_i=15$', fontsize=20)
尺寸限制、圖例和布局
尺寸限制與自動調整
ax.margins(x=0.0,y=0.1) # 添加內邊距
ax.axis('equal') # 將圖形縱橫比設置為1
ax.set(xlim=[0,10.5],ylim=[-1.5,1.5]) # 設置x軸與y軸的限
ax.set_xlim(0,10.5)
圖例
ax.set(title='An Example Axes',
ylabel='Y-Axis',
xlabel='X-Axis') # 設置標題與x、y軸的標簽
ax.legend(loc='best') # 自動選擇最佳的圖例位置
標記
ax.xaxis.set(ticks=range(1,5),
ticklabels=[3,100,-12,"foo"]) # 手動設置X軸刻度
ax.tick_params(axis='y',
direction='inout',
length=10) # 設置Y軸長度與方向
子圖間距
fig3.subplots_adjust(wspace=0.5,
hspace=0.3,
left=0.125,
right=0.9,
top=0.9,
bottom=0.1)
fig.tight_layout() # 設置畫布的子圖布局
坐標軸邊線
ax1.spines['top'].set_visible(False) # 隱藏頂部坐標軸線
ax1.spines['bottom'].set_position(('outward',10)) # 設置底部邊線的位置為outward
保存
#保存畫布
plt.savefig('foo.png')
# 保存透明畫布
plt.savefig('foo.png', transparent=True)
顯示圖形
關閉與清除
plt.cla() # 清除坐標軸
plt.clf() # 清除畫布
plt.close() # 關閉窗口
以上就是Python 數據科學 Matplotlib的詳細內容，更多關于Python 數據科學 Matplotlib的資料請關注腳本之家其它相關文章！
您可能感興趣的文章:- Python heapq庫案例詳解
- python數據庫如何連接SQLite詳解
- python實現圖像處理之PiL依賴庫的案例應用詳解
- python中的tkinter庫彈窗messagebox詳解
- python數據可視化plt庫實例詳解
- 一篇文章帶你詳細了解python中一些好用的庫
