matplotlib绘图基础汇总
matplotlib中plot方法
matplotlib中plot方法matplotlib是一个Python的数据可视化库，它提供了一种简单而有效的方式来创建各种类型的图表，包括线图、散点图、柱状图、饼图等等。
其中，plot方法是matplotlib中最常用的方法之一，它可以用来绘制线图、散点图、柱状图等等。
plot方法的基本语法如下：pythonplt.plot(x, y, format_string, kwargs)其中，x和y是数据序列，format_string是一个可选的格式化字符串，用于指定线条的颜色、线型、标记等属性。
kwargs是一些可选的关键字参数，用于指定其他的属性，例如图表的标题、x轴和y轴的标签等等。
下面我们来详细介绍一下plot方法的用法和一些常用的属性。
1. 绘制线图绘制线图是plot方法最常用的功能之一。
我们可以使用plot方法来绘制一条或多条线，例如：pythonimport matplotlib.pyplot as pltimport numpy as npx = np.linspace(0, 10, 100)y1 = np.sin(x)y2 = np.cos(x)plt.plot(x, y1, 'r-', label='sin(x)')plt.plot(x, y2, 'g', label='cos(x)')plt.legend()plt.show()这段代码会生成一个包含两条线的图表，其中一条线是红色的实线，表示sin(x)函数；另一条线是绿色的虚线，表示cos(x)函数。
我们可以使用format_string 参数来指定线条的颜色、线型、标记等属性。
例如，'r-'表示红色的实线，'g'表示绿色的虚线。
2. 绘制散点图除了绘制线图，plot方法还可以用来绘制散点图。
我们可以使用plot方法来绘制一组点，例如：pythonimport matplotlib.pyplot as pltimport numpy as npx = np.random.rand(100)y = np.random.rand(100)colors = np.random.rand(100)sizes = 1000 * np.random.rand(100)plt.scatter(x, y, c=colors, s=sizes, alpha=0.5)plt.show()这段代码会生成一个包含100个随机点的散点图，其中每个点的颜色和大小都是随机生成的。
Python数据可视化库Matplotlib的使用
Python数据可视化库Matplotlib的使用随着数据的不断增加和呈现方式的多样化，数据可视化变得越来越重要。
当我们处理大量数据时，可视化图表是一个非常好的选择，它们可以帮助我们更好地理解和分析数据。
Matplotlib是一个广泛使用的Python数据可视化库，它可以用来创建各种图表，比如线图、散点图、柱状图等。
本文将介绍Matplotlib的基本知识，包括安装、常用函数和创建不同类型的图表等。
一、Matplotlib的安装Matplotlib需要安装在Python环境中才能使用。
安装Matplotlib的方法有很多，最简单的方法是使用pip命令。
在命令行中输入以下命令：pip install matplotlib当然，Matplotlib也可以通过Anaconda等Python发行版来安装。
二、Matplotlib的基本知识Matplotlib提供了丰富的接口来创建图表，支持各种类型的图表。
在使用Matplotlib之前，我们需要了解Matplotlib的核心对象：Figure、Axes和Axis。
Figure是最上层的容器，代表整个图形窗口。
在Matplotlib中，我们可以在Figure上添加一个或多个Axes来绘制图表。
Axes是绘图区域，它是Figure的一个子类。
在Axes内可以添加坐标轴（Axis）、文字（Text）、网格（Grid）和数据（Data）等。
Axis是数据的基本轴。
在Matplotlib中，我们可以创建一个或多个Axis对象，以及为每个Axis对象设置其属性和样式。
三、Matplotlib的基本用法1.绘制曲线图在Matplotlib中，我们可以使用plot()函数来绘制曲线图。
plot()函数的参数包括x轴和y轴的数据，以及设置曲线的样式和颜色等。
例如，我们可以使用以下代码来绘制一个简单的曲线图：import matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 256, endpoint=True)y = np.sin(x)plt.plot(x, y)plt.show()在这个例子中，我们使用numpy库中的linspace()函数生成一个区间内的等差数列，并使用numpy库中的sin()函数生成对应的sin曲线。
Pythonmatplotlib绘图可视化知识点整理（小结）
Pythonmatplotlib绘图可视化知识点整理（⼩结）⽆论你⼯作在什么项⽬上，IPython都是值得推荐的。
利⽤ipython --pylab，可以进⼊PyLab模式，已经导⼊了matplotlib库与相关软件包（例如Numpy和Scipy)，额可以直接使⽤相关库的功能。
本⽂作为学习过程中对matplotlib⼀些常⽤知识点的整理，⽅便查找。
这样IPython配置为使⽤你所指定的matplotlib GUI后端（TK/wxPython/PyQt/Mac OS X native/GTK)。
对于⼤部分⽤户⽽⾔，默认的后端就已经够⽤了。
Pylab模式还会向IPython引⼊⼀⼤堆模块和函数以提供⼀种更接近MATLAB的界⾯。
import matplotlib.pyplot as pltlabels='frogs','hogs','dogs','logs'sizes=15,20,45,10colors='yellowgreen','gold','lightskyblue','lightcoral'explode=0,0.1,0,0plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)plt.axis('equal')plt.show()matplotlib图标正常显⽰中⽂为了在图表中能够显⽰中⽂和负号等，需要下⾯⼀段设置：import matplotlib.pyplot as pltplt.rcParams['font.sas-serig']=['SimHei'] #⽤来正常显⽰中⽂标签plt.rcParams['axes.unicode_minus']=False #⽤来正常显⽰负号matplotlib inline和pylab inline可以使⽤ipython --pylab打开ipython命名窗⼝。
Python的绘图库matplotlib快速入门 ppt课件
4
ppt课件
快速绘图
matplotlib中的快速绘图的函数库可以通过如 下语句载入：
import matplotlib.pyplot as plt
接下来调用figure创建一个绘图对象，并且使 它成为当前的绘图对象。
plt.figure(figsize=(8,4))
通过figsize参数可以指定绘图对象的宽度和高 度，单位为英寸；dpi参数指定绘图对象的分辨率， 即每英寸多少个像素，缺省值为80。因此本例中所 创建的图表窗口的宽度为8*80 = 640像素。
>>> plt.plot([1,2,3],[4,5,6]) >>>plt.show() >>> axis = plt.gca().xaxis
20
ppt课件
快速绘图
获得axis对象的刻度位置列表：
>>> axis.get_ticklocs() array([ 1. , 1.5, 2. , 2.5, 3. ])
plot函数的调用方式很灵活，第一句将x,y 数组传递给plot之后，用关键字参数指定各种属 性：
• label : 给所绘制的曲线一个名字，此名字在图示 (legend)中显示。只要在字符串前后添加''$''符 号，matplotlib就会使用其内嵌的latex引擎绘制的 数学公式。 • color : 指定曲线的颜色 • linewidth : 指定曲线的宽度 第三个参数‘’b--``指定曲线的颜色和线型
5
ppt课件
快速绘图
也可以不创建绘图对象直接调用接下来的 plot函数直接绘图，matplotlib会自动创建一个 绘图对象。 如果需要同时绘制多幅图表的话，可以是给 figure传递一个整数参数指定图标的序号，如果 所指定序号的绘图对象已经存在的话，将不创建 新的对象，而只是让它成为当前绘图对象。 下面的两行程序通过调用plot函数在当前的绘 图对象中进行绘图：
matplotlib基本用法
一、matplotlib的简介matplotlib是一个Python绘图库，它能够生成2D图形，包括线图、散点图、柱状图、饼图等，并且能够以高质量输出文件的形式保存这些图形。
matplotlib可以与NumPy一起使用，能够方便地对数据进行可视化。
二、matplotlib的安装要使用matplotlib，首先需要安装它。
可以通过pip命令来进行安装：```pip install matplotlib```安装完成后，在Python脚本中引入matplotlib库：```import matplotlib.pyplot as plt```三、matplotlib的基本用法1. 创建图形与坐标系要在matplotlib中绘制图形，首先需要创建一个图形对象和坐标系对象。
图形对象可以通过`plt.figure()`来创建，坐标系对象可以通过`plt.subplot()`来创建。
```pythonfig = plt.figure()ax = fig.add_subplot(111)```2. 绘制直线图要绘制直线图，可以使用`plt.plot()`方法。
这个方法可以传入x轴和y 轴上的数据点，并且可以指定线条的颜色、形状、宽度等参数。
```pythonx = [1, 2, 3, 4, 5]y = [2, 3, 5, 7, 11]plt.plot(x, y, color='r', linestyle='--', linewidth=2)```3. 绘制散点图要绘制散点图，可以使用`plt.scatter()`方法。
这个方法也可以传入x 轴和y轴上的数据点，并且可以指定点的大小、颜色等参数。
```pythonx = [1, 2, 3, 4, 5]y = [2, 3, 5, 7, 11]plt.scatter(x, y, s=50, c='b', marker='o')```4. 绘制柱状图要绘制柱状图，可以使用`plt.bar()`方法。
matplotlib基础绘图命令之bar的使用方法
matplotlib基础绘图命令之bar的使⽤⽅法在matplotlib中，bar命令⽤于绘制柱状图，基本⽤法如下在matplotlib中，bar命令⽤于绘制柱状图，基本⽤法如下在matplotlib 中，bar命令⽤于绘制柱状图，基本⽤法如下在matplotlib中，bar命令⽤于绘制柱状图，基本⽤法如下在matplotlib中，bar命令⽤于绘制柱状图，基本⽤法如下在matplotlib中，bar命令⽤于绘制柱状图，基本⽤法如下plt.bar(x = [1, 2, 3, 4], height = [4, 2, 3, 1])输出结果如下参数x的值作为x轴坐标，height的值作为y轴坐标。
除了这两个基本参数外，bar命令常⽤的还有以下参数1. width, 柱⼦的宽度，即在x轴上的长度，默认是0.82. color, 柱⼦的填充⾊3. edgecolor, 柱⼦边框的颜⾊，默认为None4. linewidth, 柱⼦边框的宽度，默认为0，表⽰没有边框5. yerr,指定误差值的⼤⼩，⽤于在柱⼦上添加误差线6. ecolor, 表⽰errorbar color, 误差线的颜⾊7. bottom, 柱⼦底部的baseline, 默认为0各个参数设置的⽰例如下plt.bar(x = [1, 2, 3, 4], height = [4, 2, 3, 1], width = 0.8, edgecolor = 'black', linewidth = 2, align = 'center', color = 'g', yerr = 0.5, ecolor = 'r')输出结果如下柱状图还可以有很多的变种，通过barh命令，可以绘制⽔平⽅向的柱状图，⽤法如下plt.barh(y = [1, 2, 3, 4], width = [4, 2, 3, 1])输出结果如下在单⼀柱状图的基础上，通过叠加可以实现以下两种柱状图1. 堆积柱状图代码如下plt.bar(x = [1, 2, 3, 4], height = [4, 3, 2, 1], label = 'sampleA')plt.bar(x = [1, 2, 3, 4], height = [4, 3, 2, 1], bottom = [4, 3, 2, 1], label = 'sampleB')plt.legend()核⼼是通过将第⼀组柱⼦的⾼度作为第⼆组柱⼦的底部，即bottom参数，从⽽实现堆积的效果，输出结果如下2. 分组柱状图代码如下width = 0.4plt.bar(x = np.array([1, 2, 3, 4]) - width / 2, height = [4, 3, 2, 1], width = width, label = 'sampleA')plt.bar(x = np.array([1, 2, 3, 4]) + width / 2, height = [1, 2, 3, 4], width = width, label = 'sampleB')plt.legend()核⼼是根据宽度的值，⼿动计算柱⼦的中⼼坐标，然后⾃然叠加就可以形成⽔平展开的分组柱状图，输出结果如下matplotlib并不像R包ggplot2那样，提供了⼀步到位的接⼝，⽽是通过叠加组合最⼤程度的保留了灵活性，通过⼀⾏⾏绘图代码的叠加来实现复杂图表。
matplot函数详解
matplot函数详解Matplotlib是一个Python的可视化库，支持2D、3D和动画绘图。
使用它你可以画出线图、散点图、柱状图、等高线图、热力图、3D图等。
在使用Matplotlib之前第一件事情就是要导入`matplotlib.pyplot`模块。
pythonimport matplotlib.pyplot as plt下面我们逐一介绍一些常用的绘图函数：1. 折线图折线图是由一系列连接的点组成的图形。
可以用于表示数据随时间、位置、温度等因素的变化情况。
使用`plot()`函数绘制：pythonimport matplotlib.pyplot as pltimport numpy as npx = np.linspace(0, 10, 50)y = np.sin(x)# 绘制折线图plt.plot(x, y)# 添加标题和坐标轴标签plt.title('Sin(x) Curve')plt.xlabel('X-axis')plt.ylabel('Y-axis')# 显示图形plt.show()`函数绘制：pythonimport matplotlib.pyplot as plt import numpy as npx = np.random.randn(1000)y = np.random.randn(1000)# 绘制散点图plt.scatter(x, y, s=10)# 添加标题和坐标轴标签plt.title('Scatter Plot')plt.xlabel('X-axis')plt.ylabel('Y-axis')# 显示图形plt.show()
大数据挖掘专家
19
动态rc参数
3. 字体常用的rc参数
➢ 除字体与符号编码参数外，更多的字体常用rc参数名称、接收、取值如下表所示。
rc参数名称 font.family
font.style font.variant
解释
字体族，每一个族 对应多种字体 字体风格，正常或 罗马体及斜体
字体变化
font.weight 字体重量
plt.plot(x, np.sin(x))
plt.show()
大数据挖掘专家
17
动态rc参数
2. 坐标轴常用的rc参数
➢ 更多的坐标轴常用的rc参数名称、解释、取值如下表所示。
rc参数名称 axes.facecolor axes.edgecolor axes.linewidth axes.grid
‘None’
意义 圆圈 菱形 六边形1 六边形2 水平线 八边形 五边形 像素 加号 无
marker取值 ‘.’ ‘s’ ‘*’ ‘d’ ‘v’ ‘<’ ‘>’ ‘^’ ‘\’ ‘x’
意义 点 正方形 星号 小菱形 一角朝下的三角形 一角朝左的三角形 一角朝右的三角形 一角朝上的三角形 竖线
X
大数据挖掘专家
大数据挖掘专家
7
编号风格
1. 基础流程
➢ 通常情况下，在使用不同的数据重复的绘制同样 的图形时，选择自编函数来进行绘图。有时候也 会需要在图上添加文本标注。pyplot模块中，使 用matplotlib.pyplot.text()函数能够在任意位置添 加文本，其使用基本语法如下。
matplotlib.pyplot.text(x, y, s, fontdict=None, withdash=False, **kwargs)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
matplotlib绘图基础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。
它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。
因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。
在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包可以调用gnuplot，但是语法比较不习惯，而且画图质量不高。
而Matplotlib则比较强：Matlab的语法、python语言、latex的画图质量（还可以使用内嵌的latex引擎绘制的数学公式）。
可以在Ipython中输入类似"plt.plot??"的命令查看pyplot模块的函数是如何对各种绘图对象进行包装的。
面向对象方式绘图matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。
为了方便快速绘图matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。
我们只需要调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。
pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。
获取当前图和轴线为了将面向对象的绘图库包装成只使用函数的调用接口，pyplot模块的内部保存了当前图表以及当前子图等信息。
当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示"Get Current Figure"和"Get Current Axes"。
在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，比如说：plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。
如，用下面的代码先获得axes对象再用ax来操作ax = plt.gca()ax = plt.axes()地如设置xy轴的tickers就要用ax.yaxis来操作ax.yaxis.set_minor_locator(yminorLocator)安装numpy和matplotlibpip install numpypip install matplotlibmatplotlib安装出错ImportError: libBLT.2.4.so.8.6: cannot open shared object file: No such file or directory, please install the python3-tk package[import matplotlib.pyplot as plt fails with error about python-tk]检测是否安装成功：>>> import numpy>>> numpy.__version__>>> import matplotlib>>> matplotlib.__version__不同绘图语言比较工科生说Matlab完爆其他数学系的说Mathematica高贵冷艳统计系的说R语言作图领域天下无敌计算机系的说Python低调奢华有内涵[如何在论文中画出漂亮的插图]matplotlib.pyplot模块- 快速绘图matplotlib的pyplot子库提供了和matlab类似的绘图API，方便用户快速绘制2D图表。
1.调用figure创建一个绘图对象，并且使它成为当前的绘图对象。
（可选）plt.figure(figsize=(8,4))也可以不创建绘图对象直接调用接下来的plot函数直接绘图，matplotlib会为我们自动创建一个绘图对象！！如果需要同时绘制多幅图表的话，可以是给figure传递一个整数参数指定图标的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。
figsize参数：指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。
因此本例中所创建的图表窗口的宽度为8*80 = 640像素。
但是用show()出来的工具栏中的保存按钮保存下来的png图像的大小是800*400像素。
这是因为保存图表用的函数savefig使用不同的DPI配置，savefig函数也有一个dpi参数，如果不设置的话，将使用matplotlib配置文件中的配置，此配置可以通过如下语句进行查看：>>>matplotlib.rcParams["savefig.dpi"]1002.通过调用plot函数在当前的绘图对象中进行绘图plt.plot(years, price, 'b*')#,label="$cos(x^2)$")plt.plot(years, price, 'r')Note:1. 第一句将x,y数组传递给plot2.通过第三个参数"b--"指定曲线的颜色和线型，这个参数称为格式化参数，它能够通过一些易记的符号快速指定曲线的样式。
其中b表示蓝色，"--"表示线型为虚线。
3. 用关键字参数指定各种属性：label : 给所绘制的曲线一个名字，此名字在图示/图例(legend)中显示。
只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
color : 指定曲线的颜色linewidth : 指定曲线的宽度具体参见【附录- matplotlib中的作图参数】3.设置绘图对象的各个属性plt.xlabel("years(+2000)")plt.ylabel("housing average price(*2000 yuan)")plt.ylim(0, 15)plt.title('line_regression & gradient decrease')plt.legend()xlabel : 设置X轴的文字ylabel : 设置Y轴的文字title : 设置图表的标题ylim : 设置Y轴的范围legend : 显示图示4.最后调用plt.show()显示出我们创建的所有绘图对象。
Matplotlib 里的常用类的包含关系为Figure -> Axes -> (Line2D, Text, etc.)一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，可以理解为子图。
清空plt绘制的内容plt.cla()plt.close(0)# 关闭图0plt.close('all') 关闭所有图图形保存和输出设置可以调用plt.savefig()将当前的Figure对象保存成图像文件，图像格式由图像文件的扩展名决定。
下面的程序将当前的图表保存为“test.png”，并且通过dpi参数指定图像的分辨率为120，因此输出图像的宽度为“8X120 = 960”个像素。
plt.savefig("test.png",dpi=120)也可以通过show()出来的图形界面手动保存和设置matplotlib中绘制完成图形之后通过show()展示出来，我们还可以通过图形界面中的工具栏对其进行设置和保存matplotlib修改图片大小：图形界面下方工具栏可以设置图形上下左右的边距如果想在跑程序外部查看图片，可以这样：plt.savefig('/tmp/1.png')subprocess.run('xdg-open /tmp/1.png', shell=True有个问题就是绘制的图中横纵坐标下面的+3.156e1代表什么意思？也不是坐标值的单位，那是什么呢。
5. 绘制多子图可以使用subplot()快速绘制包含多个子图的图表，它的调用形式如下：subplot(numRows, numCols, plotNum)matplotlib.pyplot.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)subplot将整个绘图区域等分为numRows行* numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。
如果numRows，numCols和plotNum 这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。
subplot在plotNum指定的区域中创建一个轴对象。
如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。
通过axisbg参数给每个轴设置不同的背景颜色。
imagesubplot()返回它所创建的Axes对象，我们可以将它用变量保存起来，然后用sca()交替让它们成为当前Axes对象，并调用plot()在其中绘图。
调节轴之间的间距和轴与边框之间的距离当绘图对象中有多个轴的时候，可以通过工具栏中的Configure Subplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。
如果希望在程序中调节的话，可以调用subplots_adjust函数，它有left, right, bottom, top, wspace, hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。
[matplotlib.pyplot.subplots_adjust][matplotlib.pyplot.subplots]6.绘制多图表如果需要同时绘制多幅图表，可以给figure()传递一个整数参数指定Figure对象的序号，如果序号所指定的Figure对象已经存在，将不创建新的对象，而只是让它成为当前的Figure对象。
[python] view plain copy print?在CODE上查看代码片派生到我的代码片import numpy as npimport matplotlib.pyplot as pltplt.figure(1) # 创建图表 1plt.figure(2) # 创建图表 2ax1 = plt.subplot(211) # 在图表2中创建子图 1ax2 = plt.subplot(212) # 在图表2中创建子图 2x = np.linspace(0, 3, 100)for i in xrange(5):plt.figure(1) #选择图表 1plt.plot(x, np.exp(i*x/3))plt.sca(ax1) #选择图表2的子图 1plt.plot(x, np.sin(i*x))plt.sca(ax2) # 选择图表2的子图 2plt.plot(x, np.cos(i*x))plt.show()/tech/static/books/scipy/_images/matplotlib_multi_figure.png7. 在图表中显示中文matplotlib的缺省配置文件中所使用的字体无法正确显示中文。