+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

2020-03(54)

2020-04(62)

2020-05(27)

2020-06(44)

2020-07(35)

Matplotlib---小白级教程(1)

发布于2020-06-25 20:03     阅读(1029)     评论(0)     点赞(23)     收藏(0)


0

1

2

3

4

5

6

1.画布的创建和布局–add_subplot()

简单理解就是,先准备一块画布,并且设定好这块画布的布局。你是准备画一个图表还是多个图表、你是准备在画布的靠左边画图,还是右边画图。


fig = plt.figure()
ax1 = fig.add_subplot(numrows, numcols, fignum)

  • numrows 代表你的画布,打算分几行
  • numcols代表你的画布,打算分几列
  • fignum代表你的画布上的第几个图表


案例一:


import matplotlib.pyplot as plt


fig = plt.figure()
ax1 = fig.add_subplot(1, 3, 1)			# 第一个画布
ax2 = fig.add_subplot(1, 3, 2)			# 第二个画布
ax3 = fig.add_subplot(1, 3, 3)			# 第三个画布
plt.show()

在这里插入图片描述

  • 如上add_subplot()函数的第一个参数都为1,那么整个画布设置一行的意思
  • 第二个参数都为3,说明是一张画布都分3列
  • 第三个参数,分别是1/2/3,是值具体的图表的第一个、第二个、第三个


案例二:


import matplotlib.pyplot as plt


fig = plt.figure()
ax1 = fig.add_subplot(1, 3, 1)
ax3 = fig.add_subplot(1, 3, 3)
plt.show()

在这里插入图片描述



案例三:

import matplotlib.pyplot as plt


fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
ax4 = fig.add_subplot(2, 2, 4)
plt.show()

在这里插入图片描述

案例四:

import matplotlib.pyplot as plt


fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax4 = fig.add_subplot(2, 2, 4)
plt.show()

在这里插入图片描述



2.X & Y 坐标的区间设置

    def plot(self, xs, ys, *args, zdir='z', **kwargs):
        """
        Plot 2D or 3D data.

        Parameters
        ----------
        xs : 1D array-like
            x coordinates of vertices.						# X坐标轴
        ys : 1D array-like
            y coordinates of vertices.						# y坐标轴
        zs : scalar or 1D array-like
            z coordinates of vertices; either one for all points or one for
            each point.
        zdir : {'x', 'y', 'z'}
            When plotting 2D data, the direction to use as z ('x', 'y' or 'z');
            defaults to 'z'.
        **kwargs
            Other arguments are forwarded to `matplotlib.axes.Axes.plot`.
        """

import matplotlib.pyplot as plt

fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3])	
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4])

plt.show()

  • 如上第一个图中,x坐标用[0, 1, 2]区间表示,y坐标用[1, 2, 3]区间表示
  • 同理,第二个图

在这里插入图片描述



3.表格名称以及X & Y坐标的备注

案例一:

import matplotlib.pyplot as plt

fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3])
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4])

ax1.set_title("table title")			# 图一的标题
ax1.set_xlabel("x label")				# x坐标的含义
ax1.set_ylabel("y label")				# y坐标的含义
ax2.set_title("table title 2")
ax2.set_xlabel("x label 2")
ax2.set_ylabel("y label 2")
plt.show()


在这里插入图片描述

如果是一个画布上有一张图或多张图,可以用如上方式。



案例二:

import matplotlib.pyplot as plt

fig = plt.figure()

ax2 = fig.add_subplot(1, 2, 2)		# 画布显示了第二个区域的图表
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4])

plt.xlabel('x info')
plt.ylabel('y info')
plt.title('Title Demo')

plt.show()

在这里插入图片描述

  • 此部分只显示了一张图的坐标备注信息,如果是两个图表,建议还是利用案例一里面的方法设置坐标的备注信息。

4.波动曲线的设置(颜色、线型、标注)

1.颜色篇


import matplotlib.pyplot as plt

fig = plt.figure()

ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3], "red")				# 第三个参数,默认是颜色
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4], "green")


plt.show()

在这里插入图片描述

别名 全名 颜色
b blue 蓝色
g green 绿色
r red 红色
y yellow 黄色
c Cyan 青色
k blacK 黑色
m Magenta 洋红色
w waite 白色

使用别名和全名,都可以实现颜色的设置

2.线型篇

import matplotlib.pyplot as plt

fig = plt.figure()

ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3], "r-")				# 使用别名的方式
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4], "g--")


plt.show()

在这里插入图片描述

  • 如果要求不多,可以使用颜色的别名 + “–” 的形式,可以实现虚线的设置,而"-"则是普通的实线

具体线型的列表如下:

线条风格linestyle或ls 描述
‘-‘ 实线
‘:’ 点线
‘–’ 破折线
‘None’,’ ‘,’’ 什么都不画
‘-.’ 点划线
‘--’ 虚线

3.标注篇

如上部分,我们看到的都是线型图表,通过线把不同的点连接一起最终看到的效果。但有时候,我们需要的仅仅是标注所有点的情况,并不需要把所有点都连接到一起,那么只需要使用标注功能即可。

import matplotlib.pyplot as plt

fig = plt.figure()

ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3], "rx")		# rx对应的意思是,r 以及  x,一个表示颜色,一个表示X形状标注
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4], "g^")	# g表示绿色,^表示的是上三角形状标注


plt.show()

在这里插入图片描述





所有标注的形状如下:

标记maker 描述
‘o’ 圆圈
‘.’
‘D’ 菱形
‘s’ 正方形
‘h’ 六边形1
‘*’ 星号
‘H’ 六边形2
‘d’ 小菱形
‘_’ 水平线
‘v’ 一角朝下的三角形
‘8’ 八边形
‘<’ 一角朝左的三角形
‘p’ 五边形
‘>’ 一角朝右的三角形
‘,’ 像素
‘^’ 一角朝上的三角形
‘+’ 加号
‘\ ‘ 竖线
‘None’,’’,’ ‘
‘x’ X



5.plot()的其他属性

alpha 浮点值
animated [True / False]
antialiased [True / False]
clip_box matplotlib.transform.Bbox 实例
clip_on [True / False]
clip_path Path 实例, Transform,以及Patch实例
color 任何 matplotlib 颜色
contains 命中测试函数
dash_capstyle [‘butt’ / ‘round’ / ‘projecting’]
dash_joinstyle [‘miter’ / ‘round’ / ‘bevel’]
dashes 以点为单位的连接/断开墨水序列
data (np.array xdata, np.array ydata)
figure matplotlib.figure.Figure 实例
label 任何字符串
linestyle [ ‘-’ / ‘--’ / ‘-.’ / ‘:’ / ‘steps’ / ...]
linewidth 以点为单位的浮点值
lod [True / False]
marker [ ‘+’ / ‘,’ / ‘.’ / ‘1’ / ‘2’ / ‘3’ / ‘4’ ]
markeredgecolor 任何 matplotlib 颜色
markeredgewidth 以点为单位的浮点值
markerfacecolor 任何 matplotlib 颜色
markersize 浮点值
markevery [ None / 整数值 / (startind, stride) ]
picker 用于交互式线条选择
pickradius 线条的拾取选择半径
solid_capstyle [‘butt’ / ‘round’ / ‘projecting’]
solid_joinstyle [‘miter’ / ‘round’ / ‘bevel’]
transform matplotlib.transforms.Transform 实例
visible [True / False]
xdata np.array
ydata np.array
zorder 任何数值

0

1

2

3

4

5

6

7

8

9



所属网站分类: 技术文章 > 博客

作者:一切都会好起来over

链接: https://www.pythonheidong.com/blog/article/430129/03922911e5b5681cf2b8/

来源: python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

23 0
收藏该文
已收藏

评论内容:(最多支持255个字符)