美文网首页
Matplotlib

Matplotlib

作者: Sun_atom | 来源:发表于2017-11-30 22:11 被阅读0次

    Matplotlib安装

    MacOS

    # python 3+ 请复制以下在 terminal 中执行
    $ pip3 install matplotlib
    
    # python 2+ 请复制以下在 terminal 中执行
    $ pip install matplotlib
    

    Linux

    # python 3+ 请复制以下在 terminal 中执行
    $ sudo apt-get install python3-matplotlib
    
    # python 2+ 请复制以下在 terminal 中执行
    $ sudo apt-get install python-matplotlib
    

    基本用法

    Module的导入:

    import matplotlib.pyplot as plt
    import numpy as np
    

    画出一条直线:

    x = np.linspace(-1, 1, 50)
    y = 2*x + 1
    

    使用plt.figure定义一个图像窗口,使用plt.plot画图,plt.show显示图像:

    plt.figure()
    plt.plot(x, y)
    plt.show()
    
    结果

    figure图像

    matplotlib的figure就是一个单独的figure小窗口,小窗口里面还可以有更多的图片。

    import matplotlib.pyplot as plt
    import numpy as np
    

    设置你想画的图像:

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

    使用plt.figure定义一个图像窗口,使用plt.plot画(x,y1)图像

    plt.figure()
    plt.plot(x,y1)
    plt.show()
    
    结果

    自定义窗口编号和大小,并将两个图像画入同一张图中:

    plt.plot(x, y2)
    plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
    plt.show()
    
    结果

    设置坐标轴

    导入Module:

    import matplotlib.pyplot as plt
    import numpy as np
    

    定义图像:

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

    将两个图像画在一个figure中,为了区分,所以将其中的一个图像的参数做特殊处理:

    plt.figure()
    plt.plot(x, y2)      
    plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
    

    设置坐标轴的范围和名称:

    plt.xlim((-1,2))
    plt.ylim((-2,3))
    plt.xlabel('I am x')
    plt.ylabel('I am y')
    plt.show()
    
    结果

    设定自变量x的取值范围:

    new_ticks = np.linspace(-1,2,5)
    plt.xticks(new_ticks)
    

    设置y轴的刻度和名称,注意转置的使用:

    plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
    plt.show()
    
    结果

    移动坐标轴的位置:
    使用plt.gca获取当前的坐标轴信息,使用.spines设置边框:右侧边框;使用.set_color设置边框颜色:默认白色; 使用.spines设置边框:上边框;使用.set_color设置边框颜色:默认白色;

    ax = plt.gca()
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    plt.show()
    
    结果

    调整坐标轴:
    使用.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置:bottom(将x轴和bottom边框挂钩).(所有位置:top,bottom,both,default,none)

    ax.xaxis.set_ticks_position('bottom')
    

    使用.spines设置边框:x轴;使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data)

    ax.spines['bottom'].set_position(('data',0))
    plt.show()
    
    结果

    使用.yaxis.set_ticks_position设置y坐标刻度数字或名称的位置:left.(所有位置:left,right,both,default,none)

    ax.yaxis.set_ticks_position('left')
    

    设置边框并显示图像:

    ax.spines['left'].set_position(('data',0))
    plt.show()
    
    结果

    Legend图例

    承接之前的代码:

    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(-3, 3, 50)
    y1 = 2*x + 1
    y2 = x**2
    
    plt.figure()
    #set x limits
    plt.xlim((-1, 2))
    plt.ylim((-2, 3))
    
    # set new sticks
    new_sticks = np.linspace(-1, 2, 5)
    plt.xticks(new_sticks)
    # set tick labels
    plt.yticks([-2, -1.8, -1, 1.22, 3],
               [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
    

    绘制两条图像的信息:

    # set line syles
    l1, = plt.plot(x, y1, label='linear line')  #这里需要有 “,”   ---------后面要将参数传入handles
    l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')
    

    legend的显示信息中关于label的已经在上一个代码块中定义过了:

    plt.legend(loc='upper right')    #将图例添加到图中的右上角
    
    结果

    如果我们想单独修改之前的 label 信息, 给不同类型的线条设置图例信息. 我们可以在 plt.legend 输入更多参数. 如果以下面这种形式添加 legend, 我们需要确保, 在上面的代码 plt.plot(x, y2, label='linear line') 和 plt.plot(x, y1, label='square line') 中有用变量 l1 和 l2 分别存储起来. 而且需要注意的是 l1, l2,要以逗号结尾, 因为plt.plot() 返回的是一个列表.

    plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='best')
    
    结果

    Annotation 标注

    当图线中某些特殊地方需要标注时,我们可以使用 annotation. matplotlib 中的 annotation 有两种方法, 一种是用 plt 里面的 annotate,一种是直接用 plt 里面的 text 来写标注.
    首先绘制一个图像:

    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(-3, 3, 50)
    y = 2*x + 1
    
    plt.figure(num=1, figsize=(8, 5),)
    plt.plot(x, y,)
    
    结果

    移动坐标:

    ax = plt.gca()
    ax.spines['right'].set_color('none')
    ax.spines['top'].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))
    
    结果

    对一个点进行显著化,并做出这个点在x轴上的投影:

    x0 = 1
    y0 = 2 * x0 + 1
    plt.plot([x0,x0],[0,y0],'k--',linewidth=2.5)
    #set dot style
    ply.scatter([x0,],[y0,],x=40,color='b')
    
    结果

    添加注释:annotate

    plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
                 textcoords='offset points', fontsize=16,
                 arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2")
    

    其中参数xycoords='data' 是说基于数据的值来选位置, xytext=(+30, -30) 和 textcoords='offset points' 对于标注位置的描述 和 xy 偏差值, arrowprops是对图中箭头类型的一些设置.


    结果

    添加注释: text

    #其中-3,7,3是选取text的位置,空格需要使用转置 \ ,fontdict设置文本字体
    plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
             fontdict={'size': 16, 'color': 'r'})
    

    tick能见度:

    当图片中内容比较多的时候有可能会盖住坐标轴,,为了解决这样的问题。

    #生成图像
    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(-3, 3, 50)
    y = 0.1*x
    
    plt.figure()
    # 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
    plt.plot(x, y, linewidth=10, zorder=1)
    plt.ylim(-2, 2)
    ax = plt.gca()
    ax.spines['right'].set_color('none')
    ax.spines['top'].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))
    
    结果

    设置坐标轴:

    for label in ax.get_xticklabels() + ax.get_yticklabels():
        label.set_fontsize(12)
        # 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
        label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))
    plt.show()
    
    结果

    scatter 散点图

    导入Matplotlib和Numpy两个Module,再引入1024个标准正态分布的二维数据组作为一个数据集,并图像化这个数据集。

    import matplotlib.pyplot as plt
    import numpy as np
    
    n = 1024    # data size
    X = np.random.normal(0, 1, n) # 每一个点的X值
    Y = np.random.normal(0, 1, n) # 每一个点的Y值
    T = np.arctan2(Y,X) # for color value
    

    输入的X,Y作为location:

    plt.scatter(X, Y, s=75, c=T, alpha=.5)
    
    plt.xlim(-1.5, 1.5)
    plt.xticks(())  # ignore xticks
    plt.ylim(-1.5, 1.5)
    plt.yticks(())  # ignore yticks
    
    plt.show()
    
    结果

    Bar柱状图

    生成Bar的基本图形数据:

    import matplotlib.pyplot as plt
    import numpy as np
    
    n = 12
    X = np.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)
    
    plt.bar(X, +Y1)
    plt.bar(X, -Y2)
    
    plt.xlim(-.5, n)
    plt.xticks(())
    plt.ylim(-1.25, 1.25)
    plt.yticks(())
    
    plt.show()
    
    结果

    画图并设置bar的颜色:

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

    使用plt.text在bar上加上数值。使用%2f保留2位小数,横向居中对齐ha='center',纵向底部(顶部)对齐va='bottom':

        # ha: horizontal alignment
        # va: vertical alignment
        plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')
    
    for x, y in zip(X, Y2):
        # ha: horizontal alignment
        # va: vertical alignment
        plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top')
    
    结果

    Contours 等高线图

    数据集即三维点 (x,y) 和对应的高度值,共有256个点。高度值使用一个 height function f(x,y) 生成。 x, y 分别是在区间 [-3,3] 中均匀分布的256个值,并用meshgrid在二维平面中将每一个x和每一个y分别对应起来,编织成栅格:

    import matplotlib.pyplot as plt
    import numpy as np
    
    def f(x,y):
        # the height function
        return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2)
    
    n = 256
    x = np.linspace(-3, 3, n)
    y = np.linspace(-3, 3, n)
    X,Y = np.meshgrid(x, y)
    

    使用plt.contourf进行颜色填充:

    # use plt.contourf to filling contours
    # X, Y and value for (X,Y) point
    plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)  #这里的8表示的是等高线的密集程度
    

    绘制等高线:

    # use plt.contour to add contour lines
    C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)
    

    针对上面已经画出的等高线添加高度数字:

    plt.clabel(C,inline=True,fontsize=10)
    plt.xticks(())
    plt.yticks(())
    
    结果

    image 图片

    这里使用一个随机矩阵代替图像进行画图:

    import matplotlib.pyplot as plt
    import numpy as np
    
    a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
                  0.365348418405, 0.439599930621, 0.525083754405,
                  0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)
    
    plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')
    
    
    结果

    白色表示值最大的地方,颜色越深值就越小

    图旁边的colorbar可以增加一个控制缩放的shrink参数:

    plt.colorbar(shrink=.92)
    plt.xticks(())
    plt.yticks(())
    plt.show()
    

    3D数据的可视化

    除了日常导入Numpy和Matplotlib外,还要在导入一个Axes 3D坐标轴

    import numpy as np
    import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    

    定义一个窗口图像,在窗口上加入一个3D的坐标轴:

    fig = plt.figure()
    ax = Axes3D()
    
    结果

    接下来与contour作图相似,将X,Y绑定为meshgrid(编织成栅隔):

    # X, Y value
    X = np.arange(-4, 4, 0.25)
    Y = np.arange(-4, 4, 0.25)
    X, Y = np.meshgrid(X, Y)    # x-y 平面的网格
    R = np.sqrt(X ** 2 + Y ** 2)
    # height value
    Z = np.sin(R)
    

    接下来将三维曲面画出来并使用rainbow进行填充:

    #其中,rstride 和 cstride 分别代表 row 和 column 的跨度。
    ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.ge_cmap('rainbow'))
    

    下面添加投影图像:与直接画contour图像非常相似
    zdir表示投影的方向,offset表示距离标准面的位置

    ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))
    
    结果

    subplot多合一显示

    均匀的图中图:一个figure中的小图称为subplot

    import matplotlib.pyplot as plt
    plt.figure()
    

    使用plt.subplot来创建小图. plt.subplot(2,2,1)表示将整个图像窗口分为2行2列, 当前位置为1. 使用plt.plot([0,1],[0,1])在第1个位置创建一个小图.

    plt.subplot(2,2,1)
    plt.plot([0,1],[0,1])
    

    plt.subplot(2,2,2)表示将整个图像窗口分为2行2列, 当前位置为2. 使用plt.plot([0,1],[0,2])在第2个位置创建一个小图.

    plt.subplot(2,2,2)
    plt.plot([0,1],[0,2])
    

    类似的可以有:

    plt.subplot(223)
    plt.plot([0,1],[0,3])
    plt.subplot(224)
    plt.plot([0,1],[0,4])
    
    plt.show()  # 展示
    
    结果

    不均匀的图中图:这种方法可以看做是每次的subplot都是将一个figure再按照subplot的前两个参数分成新的子图矩阵,在这个子图矩阵中再指明是画哪一个部分

    #使用plt.subplot(2,1,1)将整个图像窗口分为2行1列, 当前位置为1. 使用plt.plot([0,1],[0,1])在第1个位置创建一个小图.
    plt.subplot(2,1,1)
    plt.plot([0,1],[0,1])
    
    #使用plt.subplot(2,3,4)将整个图像窗口分为2行3列, 当前位置为4. 使用plt.plot([0,1],[0,2])在第4个位置创建一个小图.
    plt.subplot(2,3,4)
    plt.plot([0,1],[0,2])
    
    #类似的可以得到
    plt.subplot(235)
    plt.plot([0,1],[0,3])
    
    plt.subplot(236)
    plt.plot([0,1],[0,4])
    
    plt.show()  # 展示
    
    结果

    Subplot 分格显示

    方法一:subplot2grid
    使用plt.subplot2grid来创建第1个小图, (3,3)表示将整个图像窗口分成3行3列, (0,0)表示从第0行第0列开始作图,colspan=3表示列的跨度为3, rowspan=1表示行的跨度为1. colspan和rowspan缺省, 默认跨度为1.

    import matplotlib.pyplot as plt
    plt.figure()
    
    ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
    ax1.plot([1, 2], [1, 2])    # 画小图
    ax1.set_title('ax1_title')  # 设置小图的标题
    
    #类似的
    ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
    ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
    ax4 = plt.subplot2grid((3, 3), (2, 0))
    ax5 = plt.subplot2grid((3, 3), (2, 1))
    
    ax4.scatter([1, 2], [2, 2])
    ax4.set_xlabel('ax4_x')
    ax4.set_ylabel('ax4_y')
    
    结果

    方法二:gridspec 类似数组中的Slice

    import matplotlib.pyplot as plt
    import matplotlib.gridspec as gridspec
    
    #使用plt.figure()创建一个图像窗口,使用gridspec.GridSpec将窗口分成3*3
    plt.figure()
    gs = gridspec.GridSpec(3,3)
    

    使用plt.subplot来作图, gs[0, :]表示这个图占第0行和所有列, gs[1, :2]表示这个图占第1行和第2列前的所有列, gs[1:, 2]表示这个图占第1行后的所有行和第2列, gs[-1, 0]表示这个图占倒数第1行和第0列, gs[-1, -2]表示这个图占倒数第1行和倒数第2列.

    ax6 = plt.subplot(gs[0, :])
    ax7 = plt.subplot(gs[1, :2])
    ax8 = plt.subplot(gs[1:, 2])
    ax9 = plt.subplot(gs[-1, 0])
    ax10 = plt.subplot(gs[-1, -2])
    
    结果

    方法三:subplots 和象形文字一样的输入
    使用plt.subplots建立一个2行2列的图像窗口,sharex=True表示共享x轴坐标, sharey=True表示共享y轴坐标. ((ax11, ax12), (ax13, ax14))表示第1行从左至右依次放ax11和ax12, 第2行从左至右依次放ax13和ax14.

    f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)
    
    #在ax11的子图中创建两个散点
    ax11.scatter([1,2],[1,2])
    
    plt.tight_layout()       #紧凑型显示
    plt.show()
    

    图中图

    #准备数据
    
    
    # 导入pyplot模块
    import matplotlib.pyplot as plt
    
    # 初始化figure
    fig = plt.figure()
    
    # 创建数据
    x = [1, 2, 3, 4, 5, 6, 7]
    y = [1, 3, 4, 2, 5, 8, 6]
    

    先画出“图中图”的第一个“图”(也就是大图)

    #确定大图的长宽高,数值是按照figure尺寸的百分比输入的
    left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
    
    #执行add操作将大图加入figure中
    ax1 = fig.add_axes([left, bottom, width, height])
    ax1.plot(x, y, 'r')
    ax1.set_xlabel('x')
    ax1.set_ylabel('y')
    ax1.set_title('title')
    
    结果

    小图:注意坐标系的位置和大小

    left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
    ax2 = fig.add_axes([left, bottom, width, height])
    ax2.plot(y, x, 'b')
    ax2.set_xlabel('x')
    ax2.set_ylabel('y')
    ax2.set_title('title inside 1')
    
    结果

    然后直接绘制右下角的小图:

    plt.axes([0.6, 0.2, 0.25, 0.25])
    plt.plot(y[::-1], x, 'g') # 注意对y进行了逆序处理
    plt.xlabel('x')
    plt.ylabel('y')
    plt.title('title inside 2')
    
    结果

    次坐标轴

    数据准备:

    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.arange(0, 10, 0.1)
    
    y1 = 0.05 * x**2
    
    y2 = -1 * y1
    

    获取figure默认的坐标系ax1(第一个坐标系):

    fig.ax1 = plt.subplots()
    

    生成镜像的第二个坐标系:

    ax2 = ax1.twinx()
    

    绘图:

    ax1.plot(x, y1, 'g-')   # green, solid line
    
    ax1.set_xlabel('X data')
    
    ax1.set_ylabel('Y1 data', color='g')
    
    ax2.plot(x, y2, 'b-') # blue
    
    ax2.set_ylabel('Y2 data', color='b')
    
    plt.show()
    
    结果

    animation 动画

    ![中文教程]https://morvanzhou.github.io/tutorials/data-manipulation/plt/5-1-animation/

    相关文章

      网友评论

          本文标题:Matplotlib

          本文链接:https://www.haomeiwen.com/subject/ylzvbxtx.html