Matplotlib基础
Matplotlib是一个用于绘制静态、动态和交互式图表的Python库，广泛应用于数据可视化领域。它是Python中最常用的绘图库之一，提供了多种功能，可以生成高质量的图表。
Matplotlib是数据分析、机器学习等领域数据可视化的重要工具，广泛应用于科研、教学、报告等多种场景。
4.1 绘图基本函数
- Matplotlib参数配置
import matplotlib.pyplot as plt
#运行时配置参数
# rcParams : runtime configuration Parameters
#如果浏览器不显示图片，就需要加上这句话
%matplotlib inline
#让图片中可以显示中文
plt. rcParams['font.sans-serif'] = 'SimHei'
#让图片中可以显示负号
plt.rcParams['axes.unicode_minus'] = False
#支持svg矢量图
%config Inlinebackend.figure_format = 'svg'
- plt.plot()函数
# 用于绘图
# 1.需要传入相关的数据plt.plot(x,y)
# 2.颜色(color='')：b(蓝色），g(绿色)，r(红色)，c(青色），m(品红)，y(黄色)，k(黑色)，w(白色）
# 3.线条样式(ls='--')：'-','--','-.',':','.'
# 4.plt.plot() 返回的是一个 matplotlib.lines.Line2D 实例，这个对象表示了你所绘制的图形中的一条线。这个返回值可以用来进一步修改或查询该线的属性，例如颜色、线型、标签等。
n=np.arange(-10,10,0.1)
plt.plot(n,n**2, color='r', ls='--')
plt.show() #展示当前绘图，下次重新绘图
- 绘图画布
plt.figure(figsize=(5,5)) #figsize=(5,5)画布大小5行，5列
plt.figure(dpi=100) #分辨率：表示每英寸多少个点
plt.figure(facecolor='g') #画布的颜色
plt.grid() #绘制网格
plt.plot(n,np.sin(n))
4.2 多图布局与图形嵌套
4.2.1 多图布局
- plt.subplot()函数：plt.subplot(nrows, ncols, index) 是用来创建一个 nrows 行 ncols 列的子图网格，并指定当前子图的位置（index）
# 绘制4个子图
plt.figure(figsize=(8,4))
# 子图1
ax1=plt.subplot(2,2,1) #两行两列第一个子图
ax1.plot(n, np.sin(n))
ax1.set_title("子图1")
# 子图2
ax2=plt.subplot(2,2,2) #两行两列第二个子图
ax2.plot(n, np.sin(n))
ax2.set_title("子图2")
# 子图3
ax3=plt.subplot(2,2,3) #两行两列第三个子图
ax3.plot(n, np.sin(n))
ax3.set_title("子图3")
# 子图4
ax4=plt.subplot(2,2,4) #两行两列第四个子图
ax4.plot(n, np.sin(n))
ax4.set_title("子图4")plt.tight_layout() #自动调整紧凑布局
# 绘制三个子图
plt.figure(figsize=(8,4))
# 子图1
ax1=plt.subplot(2,2,1) #两行两列第一个子图
ax1.plot(n, np.sin(n))
ax1.set_title("子图1")
# 子图2
ax2=plt.subplot(2,2,2) #两行两列第二个子图
ax2.plot(n, np.sin(n))
ax2.set_title("子图2")
# 子图3
ax3=plt.subplot(2,1,2) #两行一列第三个子图
ax3.plot(n, np.sin(n))
ax3.set_title("子图3")
# plt.subplot(2, 1, 1) 是在 第一行第一列 创建子图，适用于只有一个子图时使用。
# plt.subplot(2, 1, 2) 是在 第二行第一列 创建子图，这样可以确保每个子图在不同的行中显示，不会发生重叠
- **plt.subplots()：**一次性构建多个子图
fig, axes=plt.subplots(3,3) #创建一个三行三列的画布
axes1, axes2, axes3=axes
axes1_1, axes1_2, axes1_3=axes1
axes2_1, axes2_2, axes2_3=axes2
axes3_1, axes3_2, axes3_3=axes3
"""
(<Figure size 640x480 with 9 Axes>,array([[<Axes: >, <Axes: >, <Axes: >],[<Axes: >, <Axes: >, <Axes: >],[<Axes: >, <Axes: >, <Axes: >]], dtype=object))
"""
fig.set_figwidth(10)
fig.set_figheight(10)
axes1_1.plot(n, np.sin(n))
axes1_2.plot(n, np.cos(n))
axes1_3.plot(n, np.tan(n))
axes2_1.plot(n, np.sin(n))
axes2_2.plot(n, np.sin(n))
axes2_3.plot(n, np.sin(n))
axes3_1.plot(n, np.sin(n))
axes3_2.plot(n, np.sin(n))
axes3_3.plot(n, np.sin(n))
4.2.2 图形嵌套
- add_subplot(nrows, ncols, index)
fig=plt.figure(figsize=(8,4))
x = np.arange(-2*np.pi, 2*np.pi, 0.1)
y = np.sin(x)
axes1=fig.add_subplot(1,1,1) #画布分为一行一列的第一个子图
axes1.plot(x, y)
axes2=fig.add_subplot(2,2,1) #画布两行两列的第一个子图(左上角：相当于嵌套到子图1中)
axes2.plot(x, y)
Tip:
subplot：在多次调用时，会根据指定的 nrows、ncols 和 index 来“覆盖”前一个子图，图形窗口会被清空并重新绘制。
add_subplot：不会覆盖之前的图形，它是将一个新的子图添加到已有的图形窗口中。
- plt.axes([left, bottom, width, height])
# [left, bottom, width, height]:距左边框的距离，距底边框的距离，宽度，高度
fig=plt.figure(figsize=(8,4))
plt.plot(x, y)
axes=plt.axes([0.5, 0.2, 0.2, 0.2])
axes.plot(x, y)
4.2.3 双轴显示
plt.figure(figsize=(8,3))
axes=plt.gca()#获得当前轴域
plt.plot(x, y)axes2=axes.twinx()#和子图1共用x轴
axes2.plot(x,np.cos(x),c='r')
4.3 绘图属性
- 1.图例：legend()
plt.figure(figsize=(8,3))
x = np.arange(-2*np.pi, 2*np.pi, 0.1)
# 1.通过lable属性标明图例的名字
plt.plot(x, np.sin(x), label='sin')
plt.plot(x, np.cos(x), label='cos')
# 2.通过legend图例属性进行显示
plt.legend()
# legend()的其他属性
plt.figure(figsize=(8,3))
x = np.arange(-2*np.pi, 2*np.pi, 0.1)
# 1.通过lable属性标明图例的名字
plt.plot(x, np.sin(x), label='sin')
plt.plot(x, np.cos(x), label='cos')
# 2.通过legend图例属性进行显示
plt.legend(['sin函数','cos函数'],fontsize=8, #字体大小loc='lower left', #设置位置bbox_to_anchor=[0,1,1,1] #设置具体位置(x,y,width,heigh)
)
- 2.线条属性
"""
c:color 颜色
ls:linestyle样式
lw:linewidth宽度
alpha透明度
marker标记
mfc:markerfacecolor标记的背景颜色
mec:markeredgecolor:标记边框颜色
mew:markeredgewidth:标记边框粗细
"""
plt.figure(figsize=(8,3))
x = np.arange(-2*np.pi, 2*np.pi, 0.1)
plt.plot(x, np.sin(x), label='sin', color='red', linestyle='--', lw=1, marker='o', mfc='g', markeredgecolor='y',alpha=0.5)
plt.plot(x, np.cos(x), label='cos', color='green', linestyle=':', linewidth=2, marker='p', mfc='r', mec='y', mew=2,alpha=1)
plt.legend()
- 3.坐标刻度和坐标范围
plt.xticks()与plt.yticks()设置坐标刻度：
plt.figure(figsize=(8, 3))
x = np.arange(-2*np.pi, 2*np.pi, 0.1)
plt.plot(x, np.sin(x), label='sin', color='red', linestyle='--', lw=1, marker='o', mfc='g', markeredgecolor='y', alpha=0.5)
plt.plot(x, np.cos(x), label='cos', color='green', linestyle=':', linewidth=2, marker='p', mfc='r', mec='y', mew=2, alpha=1)# 设置x轴刻度和标签
plt.xticks(ticks=[-2*np.pi, -np.pi, 0, np.pi, 2*np.pi], # 刻度位置labels=['-2π', '-π', '0', 'π', '2π'], # 替换的刻度标签fontsize=10,color='blue',ha='right' # 水平对齐方式
)
plt.yticks(ticks=[-1, 0, 1])
plt.legend()
plt.show()
plt.xlim()和plt.ylim()或plt.axis(）设置坐标的范围
plt.xlim(-10, 10) #x的范围设置为-10~+10
plt.ylim(-2, 2) #y的范围设置为-2~+2
or
plt.axis([-10, 10,-2, 2]) #xmin, xmax, ymin, ymax:同时设置
plt.axis()中有option属性也可以对坐标进行一些特殊操作
'auto'：自动调整坐标轴范围。
'equal'：确保 x 轴和 y 轴的比例一致。
'off'：关闭坐标轴显示。
'tight'：紧缩坐标轴范围，紧贴数据边界。
[xmin, xmax, ymin, ymax]：手动指定坐标轴的范围。
'scaled'：保持坐标轴的比例一致，适用于不等尺度的情况。
'square'：强制坐标轴显示为正方形。
- 4.标题，标签，网格线
#设置标题
plt.title('正弦曲线', loc='center', y=1.1)
plt.suptitle('三角函数的图像', x=0.51, y=1.1) #x,y调整标签的位置
#设置标签
plt.xlabel('sin(x)函数图像')
plt.ylabel('y=sin(x)') #默认rotation角度为90°
plt.ylabel('y=sin(x)', rotation=0, ha='right') #可以通过rotation=0调整水平，ha设置为右对齐
#设置网格
plt.grid(ls='--', lw=1, c='gray', axis='x') #axis可以设置显示哪个轴
- 文本，注释标注
# 文本：plt.text()
plt.figure(figsize=(8, 3))
x = np.arange(0, 2*np.pi, 0.1)
plt.plot(x, np.sin(x))
plt.tight_layout()plt.text(0.5*np.pi-0.2, 0.8, '最高点')
plt.text(x=1.5*np.pi, #文本的横坐标y=-0.8, #文本的纵坐标s='最低点', #文本信息ha='center', #水平居中va='center', #垂直居中color='red' #文本颜色
)
# 注释标注：
plt.figure(figsize=(8, 3))
x = np.arange(0, np.pi, 0.1)
plt.plot(x, np.sin(x))
plt.tight_layout()plt.annotate(text='最高点', # 注释文本为'最高点'xy=(0.5 * np.pi, 1), # 箭头指向坐标(0.5 * np.pi, 1)，即图中的最高点xytext=(0.5 * np.pi - 0.2, 0.55), # 注释文本位置稍微偏离箭头arrowprops={ # 配置箭头的样式'width': 1, # 设置箭头的宽度为1'headwidth': 3, # 设置箭头头部的宽度为3'facecolor': 'green' # 设置箭头的颜色为绿色}
)
- 保存图片
fig.savefig('正弦函数.png')
