Skip to content

「Python」 matplotlib图形库的简单使用

Published at:

python matplotlib库

python
import matplotlib.pyplot as plt
import numpy as np

散点图

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

参数说明:

x,y:长度相同的数组,也就是我们即将绘制散点图的数据点,输入数据。 s:点的大小,默认 20,也可以是个数组,数组每个参数为对应点的大小。 c:点的颜色,默认蓝色 'b',也可以是个 RGB 或 RGBA 二维行数组。 marker:点的样式,默认小圆圈 'o'。 cmap:Colormap,默认 None,标量或者是一个 colormap 的名字,只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。 norm:Normalize,默认 None,数据亮度在 0-1 之间,只有 c 是一个浮点数的数组的时才使用。 vmin,vmax:亮度设置,在 norm 参数存在时会忽略。 alpha:透明度设置,0-1 之间,默认 None,即不透明。 linewidths:标记点的长度。 edgecolors:颜色或颜色序列,默认为 'face',可选值有 'face', 'none', None。 plotnonfinite:布尔值,设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。 **kwargs:其他参数。

python
#散点图 scatter

x = np.array([1,2,3,4,5,6,7,8]*3)
y = np.random.random([8*3])
color = np.array(["red","green","black","orange"]*6)

plt.scatter(x, y,c=color)

plt.title("Scatter Test") # 设置标题
plt.show()

散点图

2D函数曲线

图像窗口

使用 plt.figure 定义一个图像窗口:编号num,大小 figsize=(a, b)。使用plt.plot(x ,y)曲线,曲线的颜色属性color曲线的宽度linewidth。曲线的类型linestyle为虚线, 使用plt.show显示图像。 线性种类:'‐' 实线,'‐‐' 破折线,'‐.' 点划线,':' 虚线。

坐标轴

使用 plt.xlim 设置x坐标轴范围:(a,b); 使用 plt.ylim 设置 y 坐标轴范围:(c,d); 使用 plt.xlabel 设置 x 坐标轴名称:’x’; 使用 plt.ylabel 设置 y 坐标轴名称:’y’; 设置 x 轴:使用 np.linspace 定义范围以及个数:

new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks)  #范围是(-1,2), 个数是 5

移动坐标轴

隐藏右边框和上边框: 使用 plt.gca 获取当前坐标轴信息。 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; 调整坐标轴至中心(将 left 边框调整到 x=0 处,将 bottom 边框调整到 y=0 处):

使用 .xaxis.set_ticks_position 设置 x 坐标刻度数字或名称的位置:bottom。(所有位置:top,bottom,both,default,none)。 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)

python
#函数曲线
#图一
x = np.arange(-10*np.pi, 10*np.pi, 0.1)
y1 = []
for t in x:
    y_1 = 1 / (1 + np.exp(-t))
    y1.append(y_1)
#图二
y = np.sin(x)

plt.plot(x,y1,x, y,linestyle='-.')#'‐' 实线,'‐‐' 破折线,'‐.' 点划线,':' 虚线。
plt.title('sin')
plt.xlabel('x')
plt.ylabel('y')
plt.xlim(-np.pi*5, np.pi*5)
plt.ylim(-1, 1)

#plt.xticks([0, np.pi/2, np.pi, 3*np.pi/2, 2*np.pi], ['0', 'π/2', 'π','3π/2','2π'])
#plt.yticks(np.linspace(-1, 1, 5))

ax = plt.gca()
ax.spines['right'].set_color('none')        # 设置颜色为none ,就看不见了
ax.spines['top'].set_color('none')
# 移动x轴
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
# 移动y轴
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

plt.show()

2d图

matplotlib.patches库里有这些图形

Annulus
Arrow
Ellipse
    Arc
    Circle
FancyArrowPatch
    ConnectionPatch
FancyBboxPatch
PathPatch
    StepPatch
Polygon
    FancyArrow
Rectangle
RegularPolygon
    CirclePolygon
Shadow
Wedge
python
#做图形
fig = plt.figure()
ax = fig.add_subplot(111)

import matplotlib.patches as pat

cir1 = pat.Circle(xy = (0.0, 0.0), radius=2, alpha=0.5)
sqr = pat.Rectangle(xy=(1,1),width=3,height=4)
ax.add_patch(cir1)
ax.add_patch(sqr)

x, y = 0, 0
ax.plot(x, y, 'ro')

plt.axis('scaled')
plt.axis('equal')   

plt.show()

2d图形

3D 图形

创建三维坐标轴对象Axes3D

创建Axes3D,从mpl_toolkits.mplot3d导入对象Axes3D来实现

ax = plt.axes(projection='3d')

scatter3Dplot3D绘制3D散点和3D曲线

python
fig=plt.figure()
ax2 = plt.axes(projection='3d')
z = np.linspace(0,13,1000)
x = 5*np.sin(z)
y = 5*np.cos(z)
zd = 13*np.random.random(100)
xd = 5*np.sin(zd)
yd = 5*np.cos(zd)
ax2.scatter3D(xd,yd,zd, cmap='Blues')  #绘制散点图
ax2.plot3D(x,y,z,'red')    #绘制空间曲线
plt.show()

3d曲线

3D 曲面

python
fig = plt.figure()  #定义新的三维坐标轴
ax3 = plt.axes(projection='3d')

#定义三维数据
xx = np.arange(-5,5,0.5)
yy = np.arange(-5,5,0.5)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(X)+np.cos(Y)
#作图
#ax3.plot_surface(X,Y,Z,cmap='rainbow')
ax3.plot_surface(X,Y,Z,rstride = 1, cstride = 1,cmap='rainbow')
plt.show()



#等高线
fig = plt.figure()  #定义新的三维坐标轴
ax4 = plt.axes(projection='3d')
xx = np.arange(-5,5,0.5)
yy = np.arange(-5,5,0.5)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(X)+np.cos(Y)
#作图
ax4.contour3D(X, Y, Z, 50, cmap='binary')
plt.show()

3d曲面

等高线投影

python
#定义坐标轴
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')

#生成三维数据
xx = np.arange(-5,5,0.1)
yy = np.arange(-5,5,0.1)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(np.sqrt(X**2+Y**2))

#作图
ax4.plot_surface(X,Y,Z,alpha=0.3,cmap='winter')     #生成表面, alpha 用于控制透明度
ax4.contour(X,Y,Z,zdir='z', offset=-3,cmap="rainbow")  #生成z方向投影,投到x-y平面
ax4.contour(X,Y,Z,zdir='x', offset=-6,cmap="rainbow")  #生成x方向投影,投到y-z平面
ax4.contour(X,Y,Z,zdir='y', offset=6,cmap="rainbow")   #生成y方向投影,投到x-z平面
#ax4.contourf(X,Y,Z,zdir='y', offset=6,cmap="rainbow")   #生成y方向投影填充,投到x-z平面,contourf()函数

#设定显示范围
ax4.set_xlabel('X')
ax4.set_xlim(-6, 4)  #拉开坐标轴范围显示投影
ax4.set_ylabel('Y')
ax4.set_ylim(-4, 6)
ax4.set_zlabel('Z')
ax4.set_zlim(-3, 3)

plt.show()