上一次修改时间：2018-07-31 20:42:09
matplotlib的使用
1.matplotlib的基本用法
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1,1,100)#从-1到1生成100个点 y = 2*x + 1 plt.plot(x,y) plt.show()
2.matplotlib+figure图像
#linspace函数：创建等差数列，第一个参数和第二个参数为数列开始和结束的值，第三个参数指定数列的个数 x = np.linspace(-1,1,100) y1 = 2*x + 1 y2 = x**2 plt.figure()#创建一个图像 plt.plot(x,y1)#绘制图像 plt.figure() plt.plot(x,y2) plt.show()#显示图像
x = np.linspace(-1,1,100) y1 = 2*x + 1 y2 = x**2 plt.figure() plt.plot(x,y1) plt.figure(figsize=(8,5))#创建一个宽度为8高度为5的图像 plt.plot(x,y2) plt.show()
#color指定绘制的线条颜色,linewidth指定线条宽度，linestyle指定线条风格 plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--') plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-') plt.show()
3.设置坐标轴
x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2
#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))
#xy描述
plt.xlabel('I AM X')
plt.ylabel('I AM Y')
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
plt.show()
new_ticks = np.linspace(-2,2,11)
print(new_ticks)
x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2
#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))
#xy描述
plt.xlabel('I AM X')
plt.ylabel('I AM Y')
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],
['level1','level2','level3','level4','level5'])
plt.show()
x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2
#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))
#xy描述
plt.xlabel('I AM X')
plt.ylabel('I AM Y')
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
new_ticks = np.linspace(-2,2,11)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],
['level1','level2','level3','level4','level5'])
#gca get current axis
ax = plt.gca()
#把右边和上边的边框去掉
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#把x轴的刻度设置为‘bottom’
#把y轴的刻度设置为‘left’
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
#设置bottom对应到0点
#设置left对应到0点
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
plt.show()
4.legend图例
x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2
#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))
#xy描述
plt.xlabel('I AM X')
plt.ylabel('I AM Y')
#将绘制的两条线分别保存到l1和l2，保存的时候变量名后面要加一个逗号
l1, = plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
l2, = plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
#loc可以指定图例在图像中的位置，best表示自动在图像中寻找较好的位置，此外也可以自己指定位置
plt.legend(handles=[l1,l2],labels=['test1','test2'],loc='best')
new_ticks = np.linspace(-2,2,11)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],
['level1','level2','level3','level4','level5'])
plt.show()
5.标注
x = np.linspace(-1,1,100)
y1 = 2*x + 1
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='-')
#gca get current axis
ax = plt.gca()
#把右边和上边的边框去掉
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#把x轴的刻度设置为‘bottom’
#把y轴的刻度设置为‘left’
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
#设置bottom对应到0点
#设置left对应到0点
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
x0 = 0.5
y0 = 2*x0 + 1
#画点
plt.scatter(x0,y0,s=50,color='b')
#画虚线，[x0 , x0],[y0 , 0]表示起始点为x0,y0终点为x0,0，
#第一个[]里的两个值表示起点和终点的x轴的值，第二个[]里的两个值表示起点和终点的Y轴的值
#k--给示黑色的虚线--
plt.plot([x0,x0],[y0,0],'k--',lw=2)
#参数r'$2x+1=%s$' % y0,xy=(x0,y0)表示要标注内容及内容的位置
#参数xytext=(+30,-30),textcoords='offset points'表示以标注点为起点，偏移xytext个位置
#arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')表示标注文本到标注点的箭头格式
#其中connectionstyle='arc3,rad=.2'表示箭头的弧度，不加该参数时，箭头为直线
plt.annotate(r'$2x+1=%s$' % y0,xy=(x0,y0),xytext=(+30,-30),textcoords='offset points',fontsize=16,
arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
#r'$this\ is\ the\ text$'标注文本里的空格需要用\转义
plt.text(-1,2,r'$this\ is\ the\ text$',fontdict={'size':'16','color':'r'})
plt.show()
6.scatter散点图
plt.scatter(np.arange(5),np.arange(5)) plt.show() # In[5]: x = np.random.normal(0,1,500) y = np.random.normal(0,1,500) #alpha表示透明度，图中颜色比较深的地方表示有多个点重合在一起 plt.scatter(x,y,s=50,c='b',alpha=0.5) #限制x轴和y轴的范围 plt.xlim((-2,2)) plt.ylim((-2,2)) #x和y轴的刻度函数里什么都不传的话，表示取消掉图像上的刻度 plt.xticks(()) plt.yticks(()) plt.show()
7.bar直方图
#普通直方图生成 x = np.arange(10) y = 2**x + 10 plt.bar(x,y) plt.show() #将y的值加上一个负号，生成一个倒的直方图 x = np.arange(10) y = 2**x + 10 plt.bar(x,-y) plt.show() #改变直方图的颜色 #facecolor定义方块的底色 #edgecolor定义方块的边框颜色 x = np.arange(10) y = 2**x + 10 plt.bar(x,y,facecolor='#9999ff',edgecolor='white') plt.show() #为直方图增加文本标识 x = np.arange(10) y = 2**x + 10 plt.bar(x,y,facecolor='#9999ff',edgecolor='white') #zip函数可以将多个变量结合成一个整体，以便在循环时，一次传入一组值 #x+0.4,y定义了文本相对于方块的显示位置 #'%.2f'定义了显示的数值的精度 #ha='center',va='bottom'定义了文本在方块上显示的位置 for x,y in zip(x,y): plt.text(x+0.4,y,'%.2f' % y,ha='center',va='bottom') plt.show()
8.contours等高线图
#生成(x,y)点高度的函数 def f(x, y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2) x = np.linspace(-3,3,100) y = np.linspace(-3,3,100) X,Y = np.meshgrid(x,y) #cmap参数定义绘图的颜色 plt.contourf(X,Y,f(X,Y),1,alpha=0.75,cmap=plt.cm.hot) #注：参数里的数字8表示生成等高线的数量 C = plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=.5) #inline为True时，描述在等高线的里面，为false时，在等高线的外面 plt.clabel(C,inline=True,fontsize=10) plt.xticks(()) plt.yticks(()) plt.show()
9.3D图
#Ipython中绘制的3D图可以旋转
from mpl_toolkits.mplot3d import Axes3D
#figure绘制了一个空的平面图，axes3D则会将平面图绘制成了3D图
fig = plt.figure()
ax = Axes3D(fig)
x = np.arange(-4,4,0.25)
y = np.arange(-4,4,0.25)
X,Y = np.meshgrid(x,y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
#绘制3D图
#cmap定义了绘图的颜色，rainbow为彩虹色
#rstride=1,cstride=1定义了3D图上线条之间在x和y上的间隔
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
#绘制3D图的在平面上的投影图
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')
ax.set_zlim(-2,2)
plt.show()
10.subplot创建子图像
plt.figure() #subplot(2,2,1)表示创建一个2*2的图像集合，且该图像位于位置1 plt.subplot(2,2,1) plt.plot([0,1],[0,1]) plt.subplot(2,2,2) plt.plot([0,1],[0,1]) plt.subplot(223) plt.plot([0,1],[0,1]) plt.subplot(224) plt.plot([0,1],[0,1]) plt.show()
plt.figure() plt.subplot(2,1,1) plt.plot([0,1],[0,1]) #创建了第一行只有一个图像，第二行有三个图像的图像集合 #第二行的图像索引是从4开始的，即第一即使只有一个图像，也占了三个索引 plt.subplot(2,3,4) plt.plot([0,1],[0,1]) plt.subplot(235) plt.plot([0,1],[0,1]) plt.subplot(236) plt.plot([0,1],[0,1]) plt.show()
11.动态图
#控制台下ipython --pylab可以进入Ipython import matplotlib.pyplot as plt import numpy as np from matplotlib import animation fig,ax = plt.subplots() x = np.arange(0,2*np.pi,0.01) line, = ax.plot(x,np.sin(x)) #图像动画函数 def animate(i): line.set_ydata(np.sin(x+i/10)) return line, #图像初始化函数 def init(): line.set_ydata(np.sin(x)) return line, ani = animation.FuncAnimation(fig=fig,func=animate,init_func=init,interval=20) plt.show()
注：动态图的效果是正弦曲线一直在跑；
