脚本之家,脚本语言编程技术及教程分享平台!
分类导航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|

服务器之家 - 脚本之家 - Python - Python 数据科学 Matplotlib图库详解

Python 数据科学 Matplotlib图库详解

2021-12-11 11:07Shinnosuck Python

Matplotlib 是 Python 的二维绘图库,用于生成符合出版质量或跨平台交互环境的各类图形。今天通过本文给大家分享Python 数据科学 Matplotlib的相关知识,感兴趣的朋友一起看看吧

matplotlib 是 python 的二维绘图库,用于生成符合出版质量或跨平台交互环境的各类图形。

图形解析与工作流

图形解析 

Python 数据科学 Matplotlib图库详解

工作流

matplotlib 绘图的基本步骤:
1  准备数据

2  创建图形

3 绘图

4 自定义设置

5 保存图形

6 显示图形

?
1
2
3
4
5
6
7
8
9
10
11
12
13
import matplotlib.pyplot as plt
x = [1,2,3,4] # step1
y = [10,20,25,30]
fig = plt.figure() # step2
ax = fig.add_subplot(111) # step3
ax.plot(x, y, color='lightblue', linewidth=3) # step3\4
ax.scatter([2,4,6],
            [5,15,25],
            color='darkgreen',
            marker='^')
ax.set_xlim(1, 6.5)
plt.savefig('foo.png') # step5
plt.show() # step6

Python 数据科学 Matplotlib图库详解

准备数据

一维数据

?
1
2
3
4
5
import numpy as np
 
x = np.linspace(0, 10, 100)
y = np.cos(x)
z = np.sin(x)

二维数据或图片

?
1
2
3
4
5
6
7
data = 2 * np.random.random((10, 10))
data2 = 3 * np.random.random((10, 10))
y, x = np.mgrid[-3:3:100j, -3:3:100j]
u = -1 - x**2 + y
v = 1 + x - y**2
from matplotlib.cbook import get_sample_data
img = np.load('e:/anaconda3/envs/torch/lib/site-packages/matplotlib/mpl-data/aapl.npz')

绘制图形

?
1
import matplotlib.pyplot as plt

画布

?
1
2
fig = plt.figure()
fig2 = plt.figure(figsize=plt.figaspect(2.0))

坐标轴

图形是以坐标轴为核心绘制的,大多数情况下,子图就可以满足需求。子图是栅格系统的坐标轴。

?
1
2
3
4
5
fig.add_axes()
ax1 = fig.add_subplot(221) # row-col-num
ax3 = fig.add_subplot(212)
fig3, axes = plt.subplots(nrows=2,ncols=2)
fig4, axes2 = plt.subplots(ncols=3)

Python 数据科学 Matplotlib图库详解

Python 数据科学 Matplotlib图库详解

绘图例程

一维数据

?
1
2
3
4
5
6
7
8
9
fig, ax = plt.subplots()
lines = ax.plot(x,y) # 用线或标记连接点
ax.scatter(x,y) # 缩放或着色未连接的点
axes[0,0].bar([1,2,3],[3,4,5]) # 绘制等宽纵向矩形
axes[1,0].barh([0.5,1,2.5],[0,1,2]) # 绘制等高横向矩形
axes[1,1].axhline(0.45) # 绘制与轴平行的横线
axes[0,1].axvline(0.65) # 绘制与轴垂直的竖线
ax.fill(x,y,color='blue') # 绘制填充多边形
ax.fill_between(x,y,color='yellow') # 填充y值和0之间

Python 数据科学 Matplotlib图库详解

二维数据或图片

?
1
2
3
4
5
6
7
8
9
10
11
import matplotlib.image as imgplt
img = imgplt.imread('c:/users/administrator/desktop/timg.jpg')
 
fig, ax = plt.subplots()
im = ax.imshow(img, cmap='gist_earth', interpolation='nearest', vmin=-200, vmax=200)# 色彩表或rgb数组
 
axes2[0].pcolor(data2) # 二维数组伪彩色图
axes2[0].pcolormesh(data) # 二维数组等高线伪彩色图
cs = plt.contour(y,x,u) # 等高线图
axes2[2].contourf(data)    
axes2[2]= ax.clabel(cs) # 等高线图标签

Python 数据科学 Matplotlib图库详解

向量场

?
1
2
3
axes[0,1].arrow(0,0,0.5,0.5) # 为坐标轴添加箭头
axes[1,1].quiver(y,z) # 二维箭头
axes[0,1].streamplot(x,y,u,v) # 二维箭头

数据分布

?
1
2
3
ax1.hist(y) # 直方图
ax3.boxplot(y) # 箱形图
ax3.violinplot(z) # 小提琴图

自定义图形 颜色、色条与色彩表

?
1
2
3
4
5
6
plt.plot(x, x, x, x**2, x, x**3)
ax.plot(x, y, alpha = 0.4)
ax.plot(x, y, c='k')
fig.colorbar(im, orientation='horizontal')
im = ax.imshow(img,                 
                cmap='seismic')

Python 数据科学 Matplotlib图库详解

标记

?
1
2
3
fig, ax = plt.subplots()
ax.scatter(x,y,marker=".")
ax.plot(x,y,marker="o")

Python 数据科学 Matplotlib图库详解

线型

?
1
2
3
4
5
plt.plot(x,y,linewidth=4.0)
plt.plot(x,y,ls='solid')
plt.plot(x,y,ls='--')
plt.plot(x,y,'--',x**2,y**2,'-.')
plt.setp(lines,color='r',linewidth=4.0)

Python 数据科学 Matplotlib图库详解

文本与标注

?
1
2
3
4
5
6
7
8
9
10
11
ax.text(1,
        -2.1,
        'example graph',
        style='italic')
ax.annotate("sine",
            xy=(8, 0),
            xycoords='data',
            xytext=(10.5, 0),
            textcoords='data',
            arrowprops=dict(arrowstyle="->",
            connectionstyle="arc3"),)

数学符号

?
1
plt.title(r'$sigma_i=15$', fontsize=20)

尺寸限制、图例和布局

尺寸限制与自动调整

?
1
2
3
4
ax.margins(x=0.0,y=0.1) # 添加内边距
ax.axis('equal') # 将图形纵横比设置为1
ax.set(xlim=[0,10.5],ylim=[-1.5,1.5]) # 设置x轴与y轴的限
ax.set_xlim(0,10.5)

图例

?
1
2
3
4
ax.set(title='an example axes',
       ylabel='y-axis'
       xlabel='x-axis') # 设置标题与x、y轴的标签
ax.legend(loc='best') # 自动选择最佳的图例位置

标记

?
1
2
3
4
5
ax.xaxis.set(ticks=range(1,5),
            ticklabels=[3,100,-12,"foo"]) # 手动设置x轴刻度
ax.tick_params(axis='y',                    
                direction='inout',
                length=10) # 设置y轴长度与方向

子图间距

?
1
2
3
4
5
6
7
fig3.subplots_adjust(wspace=0.5,
                    hspace=0.3,
                    left=0.125,
                    right=0.9,
                    top=0.9,
                    bottom=0.1)
fig.tight_layout() # 设置画布的子图布局

坐标轴边线

?
1
2
ax1.spines['top'].set_visible(false) # 隐藏顶部坐标轴线
ax1.spines['bottom'].set_position(('outward',10)) # 设置底部边线的位置为outward

保存

?
1
2
3
4
#保存画布
plt.savefig('foo.png')
# 保存透明画布
plt.savefig('foo.png', transparent=true)

显示图形

?
1
plt.show()

关闭与清除

?
1
2
3
plt.cla() # 清除坐标轴
plt.clf() #  清除画布
plt.close() # 关闭窗口

以上就是python 数据科学 matplotlib的详细内容,更多关于python 数据科学 matplotlib的资料请关注服务器之家其它相关文章!

原文链接:https://blog.csdn.net/weixin_44593046/article/details/118529404

延伸 · 阅读

精彩推荐