使用matplotlib画图（常用图）

110 阅读 0 评论 73 点赞

我是靠谱客的博主任性夕阳，这篇文章主要介绍使用matplotlib画图（常用图），现在分享给大家，希望可以做个参考。

1. Matplotlib绘图基础

1.1 subplot(m,n,k) ：创建一个m*n的子图，接下来的图样绘制在第k块中

1.2 plot(x,y,color='blue',linewidth=2.5,marker = '^',linestyle='-'，label = ' ')：绘制曲线

color:线条颜色：

颜色字符	说明	颜色字符	说明
'b'	蓝色	‘m’	洋红色
'g'	绿色	'y'	黄色
'r'	红色	'k'	黑色
'c'	青绿色	'w'	白色
'#008000'	RGB某颜色	'0.8'	灰色值字符串

marker:标记风格

标记字符	说明
'.'	点标记
'o'	实心圆标记
'v'	倒三角标记
'^'	上三角标记
'>'	右三角标记
'<'	左三角标记
'*'	星形标记
‘+’	十字标记
‘\|’	垂直线标记
‘D’	菱形标记

linestyle：线条样式

风格字符	说明
'-'	实线
'--'	破折线
‘-.’	点划线
':'	虚线

label：图例名称

1.3 xlim(-2.0,2.0) ：设置横轴的上下限

1.4 xticks(np.linspace(-4, 4, 9, endpoint=True), fontproperties='Times New Roman', size=20)

yticks(np.linspace(-1, 1, 5, endpoint=True))：设置横轴和纵轴记号（范围，字体，字号）

1.5 xlabel('X axis',font) ylabel('Y axis',font): 横轴标签，纵轴标签

复制代码

1
2
3
4
5
        #设置横纵坐标的名称以及对应字体格式
        font = {'family' : 'Times New Roman',
        'weight' : 'normal',
        'size'   : 20,
        }

1.6 title('Demo Figure',font):设置图像标题

1.7 show（）：在屏幕上显示

1.8 legend(loc = 'upper left')：显示图例并固定位置

实例：

复制代码

from pylab import *
import numpy as np
import matplotlib.pylab as plt

# 创建一个8*6点(point)的图，并设置分辨率为80
figure(figsize=(8, 6), dpi=80)

# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块中
subplot(2, 2, 1)

# 得到坐标点(x,y)坐标
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

# 绘制余弦曲线，使用蓝色的、连续的、宽度为1的线条
plot(X, C, color='blue', linewidth=2.5, marker = '^',linestyle='-',label = 'cosine')

# 绘制正弦曲线，使用绿色的、连续的、宽度为1的线条
plot(X, S, color='green', linewidth=2.0, linestyle='-',label='sine')

legend(loc = 'upper left')
# 设置横轴的上下限
xlim(-4.0, 4.0)

# 设置横轴记号
xticks(np.linspace(-4, 4, 9, endpoint=True), fontproperties='Times New Roman', size=20)

# 设置纵轴记号
yticks(np.linspace(-1, 1, 5, endpoint=True))

#设置横纵坐标的名称以及对应字体格式
font = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 20,
}

# 设置横轴标签
plt.xlabel('X axis', font)

# 设置纵轴标签
plt.ylabel('Y axis', font)

# 设置图像标题
plt.title('Demo Figure', font)

# 以分辨率72来保存图片
savefig('demo.png', dpi=72)

subplot(2,2,2)
plot(X, -C, color='m', linewidth=2.5, marker = '^',linestyle='-.')

# 绘制正弦曲线，使用绿色的、连续的、宽度为1的线条
plot(X, -S, color='r', linewidth=2.0, linestyle='--')

# 在屏幕上显示
show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
from pylab import *
import numpy as np
import matplotlib.pylab as plt

# 创建一个8*6点(point)的图，并设置分辨率为80
figure(figsize=(8, 6), dpi=80)

# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块中
subplot(2, 2, 1)

# 得到坐标点(x,y)坐标
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

# 绘制余弦曲线，使用蓝色的、连续的、宽度为1的线条
plot(X, C, color='blue', linewidth=2.5, marker = '^',linestyle='-',label = 'cosine')

# 绘制正弦曲线，使用绿色的、连续的、宽度为1的线条
plot(X, S, color='green', linewidth=2.0, linestyle='-',label='sine')

legend(loc = 'upper left')
# 设置横轴的上下限
xlim(-4.0, 4.0)

# 设置横轴记号
xticks(np.linspace(-4, 4, 9, endpoint=True), fontproperties='Times New Roman', size=20)

# 设置纵轴记号
yticks(np.linspace(-1, 1, 5, endpoint=True))

#设置横纵坐标的名称以及对应字体格式
font = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 20,
}

# 设置横轴标签
plt.xlabel('X axis', font)

# 设置纵轴标签
plt.ylabel('Y axis', font)

# 设置图像标题
plt.title('Demo Figure', font)

# 以分辨率72来保存图片
savefig('demo.png', dpi=72)


subplot(2,2,2)
plot(X, -C, color='m', linewidth=2.5, marker = '^',linestyle='-.')

# 绘制正弦曲线，使用绿色的、连续的、宽度为1的线条
plot(X, -S, color='r', linewidth=2.0, linestyle='--')

# 在屏幕上显示
show()

效果图：

若横轴纵轴标记为：

复制代码

1
2
3
4
5
6
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-pi$', r'$-pi/2$', r'$0$', r'$+pi/2$', r'$+pi$'])

yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])

效果图：

2. 函数间区域填充函数fill_between()和fill()

plt.fill_between(x, y1, y2, where， color, alpha)

参数：

    x: x轴坐标值，为一个list
    y1: 第一条曲线对应的函数值，为x对应的函数值list
    y2: 第二条曲线对应的函数值，为x对应的函数值list
    where: 条件表达式，用于判断某个区间内是否进行填充，如果判断为True，则进行填充，否则不填充
    color: 填充区域的颜色
    alpha: 填充区域的透明度，1表示不透明，0表示完全透明

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import numpy as np
import matplotlib.pyplot as plt

n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.cos(2*X)

plt.axes([0.025,0.025,0.95,0.95])

plt.plot (X, Y+1, color='g', alpha=1.00)
plt.fill_between(X, 1, Y+1, color='g', alpha=.25)

plt.plot (X, Y-1, color='m', alpha=1.00)
plt.fill_between(X, -1, Y-1, (Y-1) > -1, color='m', alpha=.25)
plt.fill_between(X, -1, Y-1, (Y-1) < -1, color='b',  alpha=.25)

plt.xlim(-np.pi,np.pi), plt.xticks([])
plt.ylim(-2.5,2.5), plt.yticks([])

plt.show()

效果图：

3. 散点图

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import numpy as np
import matplotlib.pyplot as plt

n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
T = np.sin(Y)  # T中包含了数据点的颜色到当前colormap的映射值
# print(T.shape)
plt.axes([0.025,0.025,0.95,0.95])
plt.scatter(X,Y, s=75, c=T, alpha=.5)

plt.xlim(-1.5,1.5), plt.xticks([])
plt.ylim(-1.5,1.5), plt.yticks([])
plt.show()

效果图：

4. 条形图

bar()

参数：

x: 长条形中的横坐标点list
left: 长条形左边沿x轴坐标list
height: 长条形对应每个横坐标的高度值
width: 长条形的宽度，默认值为0.8
label: 每个数据样本对应的label，后面调用legend()函数可以显示图例
alpha: 透明度

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from pylab import *
n= 10
X = np.arange(5)
Y1 = np.array([2,3,4,5,6])
Y2 = np.array([-3,-6,-9,-1,-2])
bar(X,Y1,facecolor='#fd9999', edgecolor='white')
bar(X,Y2,facecolor='#9dd999', edgecolor='white')
for x,y in zip(X,Y1):
    text(x, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
for x, y in zip(X, Y2):
    text(x, y-0.85, '%.2f'% y, ha='center', va='bottom')

ylim(-10,10)
show()

两种直方图对比：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
import matplotlib.pyplot as plt
import matplotlib

# 设置中文字体和负号正常显示
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False

label_list = ['2020', '2021', '2022', '2023']  # 横坐标刻度显示值
num_list1 = [10, 30, 15, 35]  # 纵坐标值1
num_list2 = [10, 20, 40, 20]  # 纵坐标值2
x = range(len(num_list1))

# 绘制条形图
rects1 = plt.bar(x, height=num_list1, width=0.4, alpha=0.5, color='#2188fe', label='部门一')
rects2 = plt.bar([i+0.4 for i in x], height=num_list2, width=0.4, color='#fe2188', label='部门二')

# 设置y轴属性
plt.ylim(0, 50)
plt.ylabel('数量')

# 设置x轴属性
plt.xticks([index+0.2 for index in x], label_list)
plt.xlabel("年份")
plt.title('某某学校')
plt.legend()

# 显示文本
for rect in rects1:
    height = rect.get_height()
    plt.text(rect.get_x() + rect.get_width() / 2, height + 1, str(height), ha='center', va='bottom')
for rect in rects2:
    height = rect.get_height()
    plt.text(rect.get_x() + rect.get_width() / 2, height + 1, str(height), ha='center', va='bottom')

plt.show()

5. 等高线图

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
from pylab import *

def f(x,y):
    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)
#涂色区域
plt.contourf(X, Y, f(X,Y), 12, alpha=.75, cmap='jet')
#等高线
C = plt.contour(X, Y, f(X,Y), 12, colors='black')
show()

6. 折线图

复制代码

1
2
3
4
5
6
from pylab import *
x = [5, 10, 15, 20, 25, 30, 35, 40]
y = [17, 24, 29, 36, 38, 47, 59, 80]

plt.plot(x, y, 'm*-', markersize=20)
show()

7.热力图（自定义colormap）

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import matplotlib.pyplot as plt
import matplotlib.colors as col
import matplotlib.cm as cm
import numpy as np

points = np.arange(-5, 5, 0.01)
# print(points)
xs, ys = np.meshgrid(points, points)

z = np.sqrt(xs**2 + ys**2)
# print(z)
# 自定义colormap
start_color = 'r'
end_color = 'w'

cmap_1 = col.LinearSegmentedColormap.from_list('cmap1', [start_color, end_color])


plt.imshow(z, cmap=cmap_1, alpha=0.3)

plt.show()