1. 概述
matplotlib介绍
matplotlib 是Python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。
matplotlib由来
matplotlib是一个开源项目，由John Hunter发起。关于matplotlib的由来，有一个小故事。John Hunter和他研究癫痫症的同事借助一个专有软件做脑皮层电图分析，但是他所在的实验室只有一份该电图分析软件的许可。他和许多一起工作的同事不得不轮流使用该软件的硬件加密狗。于是，John Hunter便有了开发一个工具来替代当前所使用的软件的想法。当时MATLAB被广泛应用在生物医学界中，John Hunter等最初是想开发一个基于MATLAB的版本，但是由于MATLAB的一些限制和不足，加上他本身对Python非常熟悉，于是就有了matplotlib的诞生。
2. 数据可视化
绘制基本函数
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-1, 1, 50) # -1到1平分成50个点
y = 2*x + 1 # 要绘制的函数
plt.plot(x, y) # 需要按(横坐标，纵坐标)的顺序
plt.show() # 展示图片
图像设置
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50) # -3到3平分成50个点
y1 = 2*x + 1
y2 = x**2
plt.figure() # 以下所有数据属于此figure
plt.plot(x, y1)
plt.figure(num=2, figsize=(8, 5)) # figure参数：num=序号, figsize=(长, 宽)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--') # plot参数: color=颜色, linewidth=线宽, linestyle=线条样式
plt.plot(x, y2)
plt.show()
坐标系
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50) # -3到3平分成50个点
y1 = 2*x + 1
y2 = x**2
plt.figure(num=1, figsize=(8, 5))
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.plot(x, y2)
plt.xlim((-1, 2)) # 设置x轴范围
plt.ylim((-2, 3)) # 设置y轴范围
plt.xlabel('I am X') # 添加x轴说明
plt.ylabel('I am Y') # 添加y轴说明
new_ticks = np.linspace(-1, 2, 5) # 设置ticks
plt.xticks(new_ticks) # 将x轴刻度标识换为自定义的ticks
plt.yticks([-2, -1.8, -1, 1.22, 3,],
[r'$really\ bad$', r'$bad$', r'$normal-\alpha$', r'$good$', r'$really\ good$']) # 设置y轴不同值对应的刻度
# r识别正则表达 $符修改数学字体 输出空格：\+空格 \转置符
plt.show()
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2
plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim((-1, 2))
plt.ylim((-2, 3))
plt.xlabel('I am x')
plt.ylabel('I am y')
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],
[r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$'])
# gca = 'get current axis'
ax = plt.gca() # 拿出当前的整个坐标轴
ax.spines['right'].set_color('none') # 将右边线设置为无(隐藏右边框)
ax.spines['top'].set_color('none') # 将上边线设置为无(隐藏上边框)
ax.xaxis.set_ticks_position('bottom') # 将下边线设置为x轴
ax.yaxis.set_ticks_position('left') # 将左边线设置为y轴
ax.spines['bottom'].set_position(('data', 0)) # 将横坐标的位置固定在纵坐标值为0处 参数还可以有outward，axes(百分比)等
ax.spines['left'].set_position(('data', 0)) # 将纵坐标的位置固定在横坐标值为0处
plt.show()
图例
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2
plt.figure()
plt.xlim((-1, 2))
plt.ylim((-2, 3))
plt.xlabel('I am x')
plt.ylabel('I am y')
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],
[r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$'])
l1, = plt.plot(x, y2, label='up') # 用参数label给线命名为up
l2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='down') # 用参数label给线命名为down
# 打印图例
# 参数handles传入线条(需要在线条定义处加逗号)
# 参数label对图例进行对应命名(覆盖线条命名)
# 参数loc设置图例的位置，best会自动选取方便显示的地方
plt.legend(handles=[l1, l2, ], labels=['aaa', 'bbb'], loc='best')
plt.show()
注解
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)
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
plt.scatter(x0, y0, s=50, color='b') # 打印出点(x0, y0), 参数s定义点的大小, 参数color定义点的颜色
plt.plot([x0, x0], [y0, 0], 'k--', lw=2.5) # 在指定两点间绘制线宽(lw)为2.5的黑色(k)虚线(--)
# method 1
# r正则表达 %传入字符串 参数xy确定打印注解的位置 参数xytext表示注释相对于基准点的位置 参数arrowprops定义箭头属性(用dic包含)
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')) # 参数arrowstyle表示箭头形状 参数connectionstyle表示弧度角度
# method 2
# 设置文本的起始点和终止点，文本内容，以及字体
plt.text(-3.7, 3, r'$This\ is\ some\ text.\ \mu\ \sigma_i\ \alpha_t$', fontdict={'size':16, 'color':'r'})
plt.show()
tick能见度
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y = 0.1*x
plt.figure()
plt.plot(x, y, linewidth=10)
plt.ylim(-2, 2)
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))
for label in ax.get_xticklabels() + ax.get_yticklabels(): # 将坐标刻度顺次取出
label.set_fontsize(12) # 设置字体大小
label.set_bbox(dict(facecolor='yellow', edgecolor='g', alpha=0.7)) # 设置坐标框填充色，边界色，透明度
plt.show()
散点图
import matplotlib.pyplot as plt
import numpy as np
n = 1024
X = np.random.normal(0, 1, n) # 随机生成n个满足均值为0，方差为1的正态分布的点
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X) # 表示颜色数值
plt.scatter(X, Y, s=75, c=T, alpha=0.5) # 绘制散点图 参数s表示点的大小 参数c表示点的颜色 参数alpha表示透明度
plt.xlim((-1.5, 1.5))
plt.ylim((-1.5, 1.5))
plt.xticks(()) # 隐藏所有的刻度值
plt.yticks(())
plt.show()
柱状图
import matplotlib.pyplot as plt
import numpy as np
n = 12 # 柱状图柱形数量
X = np.arange(n) # X生成0~11
Y1 = (1 - X/float(n)) * np.random.uniform(0.5, 1.0, n) # 根据X产生Y数据
Y2 = (1 - X/float(n)) * np.random.uniform(0.5, 1.0, n)
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white') # 生成柱状图的数值 朝向+上-下，填充颜色，边界颜色
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
for x, y in zip(X, Y1): # zip()把X和Y1的值分别传到x和y中
plt.text(x, y + 0.05, '%.2f'% y, ha='center', va='bottom') # 加文本的位置，内容，横向对齐方式，纵向对齐方式
for x, y in zip(X, Y2): # zip()把X和Y1的值分别传到x和y中
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()
等高线图
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) # 高度公式
n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y) # 绘制底图为网格图
# use plt.contourf to filling contours
# X, Y and value for (X, Y) point
plt.contourf(X, Y, f(X, Y), 8, alpha=0.75, cmap=plt.cm.hot) # 绘制等高线图的三维点信息，分高线的分隔部分数量，透明度，数值对应的热度颜色
# use plt.contour to add contour lines
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=0.5) # 绘制等高线，分高线的分隔部分数量，颜色，线条宽度
# adding label
plt.clabel(C, inline=True, fontsize=10) # 给等高线加上数字描述，画在线里，字体大小
plt.xticks(())
plt.yticks(())
plt.show()
数字图像
import matplotlib.pyplot as plt
import numpy as np
# image data
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') # 展示图片, 图片样式, 颜色对应, 深色位置
plt.colorbar(shrink=0.9) # 添加标注 参数shrink表示标注压缩比例(压缩到原来的90%)
plt.xticks(())
plt.yticks(())
plt.show()
3D图像
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D # 3D图模块
fig = plt.figure() # 绘制3D图背景
ax = Axes3D(fig) # 添加坐标轴
# X, Y value
X = np.arange(-4, 4, 0.25) # 设定x轴
Y = np.arange(-4, 4, 0.25) # 设定y轴
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
# height value
Z = np.sin(R) # 设定z轴
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow')) # 绘制3D图: 坐标轴信息, 线跨(密)度, 颜色
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap='rainbow') # 绘制等高线: 投射面, 投射轴位置, 颜色
ax.set_zlim(-2, 2)
plt.show()
多图合一
import matplotlib.pyplot as plt
plt.figure()
plt.subplot(2, 2, 1) # 将figure分成两行两列, 第一部分
plt.plot([0, 1], [0, 1])
plt.subplot(2, 2, 2) # 将figure分成两行两列, 第二部分
plt.plot([0, 1], [0, 2])
plt.subplot(2, 2, 3) # 将figure分成两行两列, 第三部分
plt.plot([0, 1], [0, 3])
plt.subplot(2, 2, 4) # 将figure分成两行两列, 第四部分
plt.plot([0, 1], [0, 4])
plt.show()
import matplotlib.pyplot as plt
plt.figure()
plt.subplot(2, 1, 1) # 将figure分成两行, 第一行1列, 第一部分
plt.plot([0, 1], [0, 1])
plt.subplot(2, 3, 4) # 将figure分成两行, 第二行3列, 第4部分
plt.plot([0, 1], [0, 2])
plt.subplot(2, 3, 5) # 将figure分成两行, 第二行3列, 第5部分
plt.plot([0, 1], [0, 3])
plt.subplot(2, 3, 6) # 将figure分成两行, 第二行3列, 第6部分
plt.plot([0, 1], [0, 4])
plt.show()
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
# method 1: subplot2grid
plt.figure()
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1) # 绘制小图:行列数，起始点，行跨度，列跨度
ax1.plot([1, 2], [1, 2])
ax1.set_title('ax1_title')
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2, rowspan=1)
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax4 = plt.subplot2grid((3, 3), (2, 1))
# method 2: gridspec
# plt.figure()
# gs = gridspec.GridSpec(3, 3)
# ax1 = plt.subplot(gs[0, :])
# ax2 = plt.subplot(gs[1, :2])
# ax3 = plt.subplot(gs[1:, 2])
# ax4 = plt.subplot(gs[-1, 0])
# ax5 = plt.subplot(gs[-1, -2])
# method 3: easy to define structure
# f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)
# ax11.scatter([1, 2], [1, 2])
plt.tight_layout()
plt.show()
图中图
import matplotlib.pyplot as plt
fig = plt.figure()
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height]) # 在图片内加图 加图位置(百分比形式)
ax1.plot(x, y, 'r') # 线条颜色
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')
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')
plt.axes([0.6, 0.2, 0.25, 0.25])
plt.plot(y[::1], x, 'g')
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside 2')
plt.show()
次坐标轴
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
x = np.arange(0, 10, 0.1)
y1 = 0.05 * x**2
y2 = -1 * y1
fig, ax1 = plt.subplots()
ax2 = ax1.twinx() # 用镜面形式将y轴对称反转
ax1.plot(x, y1, 'g-')
ax2.plot(x, y2, 'b--')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1', color='g')
ax2.set_ylabel('Y2', color='b')
plt.show()
动画
import numpy as np
from matplotlib import pyplot as plt
from matplotlib import animation
fig, ax = plt.subplots()
x = np.arange(0, 2*np.pi, 0.01)
line, = ax.plot(x, np.sin(x))
def animate(i):
line.set_ydata(np.sin(x+i/10))
return line,
def init():
line.set_ydata(np.sin(x))
return line,
ani = animation.FuncAnimation(fig=fig, func=animate, frames=100, init_func=init, interval=20, blit=False) # 设置动画
plt.show()
