那些年研究过的可视化图例Matplotlib（上）

当年官方文档不够详细，很多细节点都没有披露，掉过无数次坑，报过无数次错，但那会就是喜欢研究、琢磨，坑摔多了也就一点一点也就这么过出来了。整合一下，如果对大家有帮助，希望能得到你们关注和点赞！正所谓赠人玫瑰收留余香。

• Matplotlib（一）
  result
  曲线，直线，标签，以前坐标轴偏移，和图例练习

import matplotlib.pyplot as plt
import numpy as np
from pylab import *  
mpl.rcParams['font.sans-serif'] = ['SimHei'] 
mpl.rcParams['axes.unicode_minus'] = False 


# 定义点
x = np.linspace(-3, 3, 50)
# 定义线
y1 = 2*x + 1
y2 = x**2

# plt.figure()
# plt.plot(x,y1)
# 定义窗体
plt.figure(num=3, figsize=(8,5))
# 定义轴长
plt.xlim((-1,2))
plt.ylim((-2,3))
# 定义轴名
plt.xlabel('xlabel')
plt.xlabel('ylabel')

new_ticks =  np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
# 定义轴点替换标签
plt.yticks([-2, -1.6, -1, 1.22, 3],
          [r'$really\ bad$', r'$bad$',r'$normal\ \alpha$',r'$good$',r'$really\ good$'])

# gca = "get current axis"
# 脊梁偏移
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', -.5))
ax.spines['left'].set_position(('data',0))
# outward, axes

l1, = plt.plot(x,y2,label = 'up', color = 'b', alpha = 0.7 )
l2, = plt.plot(x,y1,color = 'red',alpha = 0.7, linewidth = 1.0, linestyle = '--', label='down')
# 传参到handles里必须复制后加上','
# 定义图例
# labels会替换掉线性的label
plt.legend(handles=[l1, l2], labels=['blue line', 'red line'], loc= 'best')
plt.show()

• Matplotlib（二）
  再来一发，注解都在代码中里面只是一些常规参数，相信字面意思应该可以理解，自己复制下代码调下参数就都懂了
  result
  单直线，注释及图例练习~

import matplotlib.pyplot as plt
import numpy as np
from pylab import *  
mpl.rcParams['font.sans-serif'] = ['SimHei'] 
mpl.rcParams['axes.unicode_minus'] = False 

plt.figure(num=1, figsize=(8,5))
y1 = 2*x + 1
l1, = plt.plot(x,y1, alpha=0.7, color='b')
# 脊梁偏移
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data',0))

x0 = 1
y0 = 2*x0 + 1
# 定义注释点
p1 = plt.scatter(x0, y0, s= 50 , c='r')
# 定义注释点至坐标的线
plt.plot([x0,x0],[y0, 0],'k--',lw=2.0)

# method 1
############################### 
# 定义注释
plt.annotate(
             # 注释文本   
             r'$2x + 1 = %s$'% y0, 
             # 注释以当前data为中心
             xy=(x0,y0), xycoords='data',
             # 注释偏移
             xytext=(+30,-30), textcoords='offset points', fontsize=15 , 
             # 注释图形,注释弧度等
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')
             )
# method 2
############################### 
plt.text(-4.0,3, r'$This\ is\ the\ some\ tag.\ \t\mu\ \sigma_i\ \alpha_t$',
        fontdict={'size':16, 'color':'y'})

# 定义图例
plt.legend(handles=[p1, l1,], labels=['point', 'line',], loc= 'best')

plt.show()

• Matplotlib（三）
  
  很简单的一个线性图

plt.figure(figsize=(8,6))
 
samples = np.arange(0, 1.1, 0.1)
 
for i in samples:
    plt.plot([0, 10], [0, i], label='gray-level %s'%i, lw=3,
             color=str(i)) # ! gray level has to be parsed as string
 
plt.legend(loc='upper left')
plt.title('gray-levels')
 
plt.show()

• Matplotlib（四）
  
  结合入门1，入门2代码，综合制作双曲线图，详细说明见入门1、入门2

import numpy as np
import matplotlib.pyplot as plt

plt.figure(figsize=(8, 5), dpi=80)
plt.subplot(111)

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-",  label="sine")

ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

plt.xlim(X.min() * 1.1, X.max() * 1.1)
plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
          [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])

plt.ylim(C.min() * 1.1, C.max() * 1.1)
plt.yticks([-1, 1],
          [r'$-1$', r'$+1$'])

plt.legend(loc='upper left')

t = 2*np.pi/3
plt.plot([t, t], [0, np.cos(t)],
        color='blue', linewidth=1.5, linestyle="--")
plt.scatter([t, ], [np.cos(t), ], 50, color='blue')
plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
            xy=(t, np.sin(t)), xycoords='data',
            xytext=(10, 30), textcoords='offset points', fontsize=16,
            arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plt.plot([t, t], [0, np.sin(t)],
        color='red', linewidth=1.5, linestyle="--")
plt.scatter([t, ], [np.sin(t), ], 50, color ='red')
plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$', xy=(t, np.cos(t)),
            xycoords='data', xytext=(-90, -50),
            textcoords='offset points', fontsize=16,
            arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(16)
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7 ))

plt.show()

• Matplotlib（五）
  散点图
  通过artan函数合成颜色，再通过marker调整点的形状，就做出酷炫的散点图了

n =1024
x = np.random.normal(0,1,n)
y = np.random.normal(0,1,n)
# for color value 色彩数量值
t = np.arctan2(y,x)

plt.figure(figsize=(8, 5), dpi=80)
# 主要方程式(x,y坐标，形状，透明度)
plt.scatter(x,y,s=75,c=t,marker='+',alpha=.5)
# plt.scatter(np.arange(5),np.arange(5))
plt.xlim((-1.5,1.5))
plt.ylim((-1.5,1.5))

plt.xticks(())
plt.yticks(())
plt.show()

• Matplotlib（六）
  
  最简单也最常用的柱状图，用随机数组形成正负两面柱状

plt.figure(figsize=(8, 5), dpi=80)
n =12 
X = arange(n)
Y1 = (1 - X/float(n))*np.random.uniform(0.5,1.0,n)
Y2 = (1 - X/float(n))*np.random.uniform(0.5,1.0,n)

a = plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')
b = plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')

for x, y in zip(X ,Y1):
#   ha：横向对其, va: 纵向对齐
    plt.text(x ,y + 0.05,'%.2f'% y,ha='center',va='bottom')
for x, y in zip(X, Y2):
#   ha：横向对其, va: 纵向对齐
    plt.text(x ,- y - 0.05,'-%.2f'% y,ha='center',va='top') 

plt.xlim(-0.5,n)
plt.xticks(())
plt.ylim(-1.25,1.25)
plt.yticks(())

plt.show()