宜昌市建设局网站,做公司网站要素,急切网,广告联盟怎么做CSDN 课程推荐#xff1a;《Python 数据分析与挖掘》#xff0c;讲师刘顺祥#xff0c;浙江工商大学统计学硕士#xff0c;数据分析师#xff0c;曾担任唯品会大数据部担任数据分析师一职#xff0c;负责支付环节的数据分析业务。曾与联想、亨氏、网鱼网咖等企业合作多个…
CSDN 课程推荐《Python 数据分析与挖掘》讲师刘顺祥浙江工商大学统计学硕士数据分析师曾担任唯品会大数据部担任数据分析师一职负责支付环节的数据分析业务。曾与联想、亨氏、网鱼网咖等企业合作多个企业级项目。Matplotlib 系列文章
Python 数据分析三剑客之 Matplotlib一初识 Matplotlib 与其 matplotibrc 配置文件Python 数据分析三剑客之 Matplotlib二文本描述 / 中文支持 / 画布 / 网格等基本图像属性Python 数据分析三剑客之 Matplotlib三图例 / LaTeX / 刻度 / 子图 / 补丁等基本图像属性Python 数据分析三剑客之 Matplotlib四线性图的绘制Python 数据分析三剑客之 Matplotlib五散点图的绘制Python 数据分析三剑客之 Matplotlib六直方图 / 柱状图 / 条形图的绘制Python 数据分析三剑客之 Matplotlib七饼状图的绘制Python 数据分析三剑客之 Matplotlib八等高线 / 等值线图的绘制Python 数据分析三剑客之 Matplotlib九极区图 / 极坐标图 / 雷达图的绘制Python 数据分析三剑客之 Matplotlib十3D 图的绘制Python 数据分析三剑客之 Matplotlib十一最热门最常用的 50 个图表【译文】 另有 NumPy、Pandas 系列文章已更新完毕欢迎关注
NumPy 系列文章https://itrhx.blog.csdn.net/category_9780393.htmlPandas 系列文章https://itrhx.blog.csdn.net/category_9780397.html 推荐学习资料与网站博主参与部分文档翻译
NumPy 官方中文网https://www.numpy.org.cn/Pandas 官方中文网https://www.pypandas.cn/Matplotlib 官方中文网https://www.matplotlib.org.cn/NumPy、Matplotlib、Pandas 速查表https://github.com/TRHX/Python-quick-reference-table 文章目录【1x00】设置图例【1x01】方法一指定 label 参数【1x02】方法二使用 set_label 方法【1x03】方法三直接使用 legend 方法【2x00】数学公式 LaTeX【3x00】调整 x / y 轴刻度和范围【4x00】画布边框与坐标轴的移动【5x00】创建子图【5x01】方法一add_subplot()【5x02】方法二pyplot.subplot()【5x03】方法三pyplot.subplots()【6x00】填充补丁【7x00】保存图像这里是一段防爬虫文本请读者忽略。
本文原创首发于 CSDN作者 TRHX。
博客首页https://itrhx.blog.csdn.net/
本文链接https://itrhx.blog.csdn.net/article/details/105828143
未经授权禁止转载恶意转载后果自负尊重原创远离剽窃【1x00】设置图例
matplotlib.pyplot.legend() 方法可以为图表设置图例。
基本语法matplotlib.pyplot.legend(\*args, \*\*kwargs)
部分常见参数
参数描述loc图例在画布中的位置默认为 best其他取值best, upper right, upper left, lower left lower right, right, center left, center right lower center, upper center, center也可以用数字 0 - 10 来表示上述位置bbox_to_anchor调整图例在画布中的位置当 loc 达不到我们想要的效果时就可以使用该参数该参数接收一个二元数组 (x, y)x 用于控制图例的左右移动值越大越向右边移动y 用于控制图例的上下移动值越大越向上移动borderaxespad图例距离轴之间的距离float 类型默认为 0.5borderpad图例边框空白区域大小float 类型默认为 0.4columnspacing图例列间距float 类型默认为 2.0edgecolor图例边缘线颜色支持英文颜色名称及其简写、十六进制颜色码等更多颜色示例参见官网 Color Demofacecolor图例背景颜色默认继承自 axes.facecolor其他颜色支持英文颜色名称及其简写、十六进制颜色码等更多颜色示例参见官网 Color Demofancybox是否使用圆形框作为图例背景 默认为 Truefontsize图例字体大小默认为 mediumxx-small, x-small, small, medium large, x-large, xx-large, smaller, larger也可以使用数字来表示字体大小framealpha图例透明度float 类型默认为 0.8取值范围[0, 1]handleheight图例的高度 float 类型默认为 0.7handlelength图例的宽度float 类型默认为 2.0handletextpad图例和图例文本之间的水平距离float 类型默认为 0.8labelspacing不同图例之间的垂直距离float 类型默认为 0.5shadow是否给图例添加阴影效果默认为 False
【1x01】方法一指定 label 参数
在画图的时候先指定 label 标签文本再调用 legend() 方法即可。
import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] [Microsoft YaHei]
x range(2, 26, 2)
y range(0, 12)
a [5, 10, 15, 20, 25, 30]
b [3, 4, 5, 6, 7, 8]plt.plot(a, b, label图例一) # 指定 a,b 数据的图例
plt.plot(x, y, label图例二) # 指定 x,y 数据的图例plt.legend(loc2, edgecolorred, facecolor#F5F5F5) # 指定图例位置、边缘线条颜色和背景色
plt.show()【1x02】方法二使用 set_label 方法
在画图的时候先使用 set_label() 方法指定标签文本再调用 legend() 方法即可。
import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] [Microsoft YaHei]
x range(2, 26, 2)
y range(0, 12)
a [5, 10, 15, 20, 25, 30]
b [3, 4, 5, 6, 7, 8]line1, plt.plot(a, b)
line2, plt.plot(x, y)
line1.set_label(图例一) # 指定 a,b 数据的图例
line2.set_label(图例二) # 指定 x,y 数据的图例plt.legend(loc2, edgecolorred, facecolor#F5F5F5) # 指定图例位置、边缘线条颜色和背景色
plt.show()【1x03】方法三直接使用 legend 方法
直接使用 legend() 方法来指定图例标签也可以达到同样效果图例以列表或者元组形式储存图例与绘制图形的顺序一一对应。
import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] [Microsoft YaHei]
x range(2, 26, 2)
y range(0, 12)
a [5, 10, 15, 20, 25, 30]
b [3, 4, 5, 6, 7, 8]plt.plot(a, b)
plt.plot(x, y)plt.legend([图例一, 图例二], loc2, edgecolorred, facecolor#F5F5F5)
plt.show()也可以使用两个元组将绘制的图形和图例一一对应来储存
import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] [Microsoft YaHei]
x range(2, 26, 2)
y range(0, 12)
a [5, 10, 15, 20, 25, 30]
b [3, 4, 5, 6, 7, 8]line1, plt.plot(a, b)
line2, plt.plot(x, y)plt.legend((line1, line2), (图例一, 图例二), loc2, edgecolorred, facecolor#F5F5F5)
plt.show()以上三种方法绘制的图形均一致 【2x00】数学公式 LaTeX
LaTeXLATEX音译“拉泰赫”是一种基于 TeX 的排版系统常用于生成复杂表格和数学公式Matplotlib 提供了自己的 TeX 表达式解析器布局引擎和字体布局引擎基于 Donald Knuth 的 TeX 布局算法改编。使用数学公式时用 $ 将其包围起来即可。具体的符号与其对应的英文表示参见官方文档https://matplotlib.org/tutorials/text/mathtext.html
应用举例
import numpy as np
import matplotlib.pyplot as pltt np.arange(0.0, 2.0, 0.01)
s np.sin(2*np.pi*t)plt.title(r$\alpha_i \beta_i$, fontsize20)
plt.text(1, -0.6, r$\sum_{i0}^\infty x_i$, fontsize20)
plt.text(0.6, 0.6, r$\mathcal{A}\mathrm{sin}(2 \omega t)$, fontsize20)
plt.xlabel(time (s))
plt.ylabel(volts (mV))plt.plot(t, s)
plt.show()【3x00】调整 x / y 轴刻度和范围
在生成图像时默认会按照所给的数据均匀设置几个刻度如果对默认的刻度不满意则可以使用 xticks() 或 yticks() 方法指定刻度值。xlim() 与 ylim() 则可以设置刻度的范围。
基本语法 matplotlib.pyplot.xticks([ticksNone, labelsNone, \*\*kwargs]) matplotlib.pyplot.yticks([ticksNone, labelsNone, \*\*kwargs])
参数描述ticks数组形式的位置列表即显示第 n 个位置的刻度可选项若传递空列表将删除所有 xtick / yticklabels数组形式的值在对应刻度线显示的标签信息。仅当同时传递了刻度时才能传递此参数**kwargs其他参数参见 Text
其他参数里面有一个常用的 rotation 参数次参数可以用于设置刻度标签的旋转角度对于标签太长的可以将其旋转一个角度来显示。
应用举例
import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] [Microsoft YaHei]
x range(2, 26, 2)
y range(0, 12)plt.plot(x, y)
# x 轴每隔三个显示一次刻度旋转45°显示标签
plt.xticks(range(2, 26, 3), (the {} ticks.format(i) for i in range(2, 26, 3)), rotation45)plt.show()import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] [Microsoft YaHei]
x range(2, 26, 2)
y range(0, 12)plt.xlim((0, 30)) # 设置 x 轴刻度范围
plt.plot(x, y)plt.show()【4x00】画布边框与坐标轴的移动
Matplotlib 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。
matplotlib.pyplot.gca() 函数用于获取当前的绘图区 AxesGet Current Axes
matplotlib.pyplot.gcf() 函数用于获取当前的画布 FigureGet Current Figure
例如matplotlib.pyplot.plot() 实际上会通过 matplotlib.pyplot.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。我们可以通过这种方法来实现画布边框的隐藏和坐标轴的移动。
应用举例
import matplotlib.pyplot as plt
import numpy as npx np.arange(0, 2*np.pi, np.pi/100)
y np.sin(x)
plt.plot(x, y)plt.xlabel(X axis)
plt.ylabel(Y axis)ticks (0, np.pi/2, np.pi, 3*np.pi/2, 2*np.pi)
labels (0, r$\frac{\pi} {2}$, r$\pi$, r$\frac{3\pi} {2}$, r$2\pi$)
plt.xticks(ticks, labels) # 设置 x 坐标轴显示的数据ax plt.gca() # 获取当前的画布, gca get current axes
ax.spines[right].set_visible(False) # 设置右边框不显示
ax.spines[top].set_visible(False) # 设置上边框不显示
# ax.spines[top].set_color(none) # 设置颜色为无也可以ax.xaxis.set_ticks_position(bottom) # 设置 x 坐标轴的标签位置
ax.yaxis.set_ticks_position(left) # 设置 y 坐标轴的标签位置
ax.spines[bottom].set_position((data, 0)) # 设置 x 轴在 (0, 0) 位置
ax.spines[left].set_position((data, 0)) # 设置 y 轴在 (0, 0) 位置plt.show()这里是一段防爬虫文本请读者忽略。
本文原创首发于 CSDN作者 TRHX。
博客首页https://itrhx.blog.csdn.net/
本文链接https://itrhx.blog.csdn.net/article/details/105828143
未经授权禁止转载恶意转载后果自负尊重原创远离剽窃【5x00】创建子图
子图的概念在同一张画布中创建多个图像方便对数据进行对比。
【5x01】方法一add_subplot()
首先创建一个画布然后利用 add_subplot() 方法填充子图该方法接收三个参数前两个参数表示子图有几行几列最后一个参数表示第几个子图如fig.add_subplot(221) 表示总共有两行两列2x24一共4个子图当前是第一个子图。若子图大于9个则用逗号隔开即可。
应用举例
import numpy as np
import matplotlib.pyplot as pltx np.arange(100)fig plt.figure(figsize(12, 6))ax1 fig.add_subplot(221) # 第 1 个子图
ax1.plot(x, x)ax2 fig.add_subplot(222) # 第 2 个子图
ax2.plot(x, -x)ax3 fig.add_subplot(223) # 第 3 个子图
ax3.plot(x, x ** 2)ax4 fig.add_subplot(224) # 第 4 个子图
ax4.plot(-x, x ** 2)plt.show()【5x02】方法二pyplot.subplot()
matplotlib.pyplot.subplot() 方法和 add_subplot() 方法有点儿类似同样接收三个参数前两个参数表示子图有几行几列最后一个参数表示第几个子图。
import numpy as np
import matplotlib.pyplot as pltx np.arange(100)plt.figure(figsize(12, 6))plt.subplot(221) # 第 1 个子图
plt.plot(x, x)plt.subplot(222) # 第 2 个子图
plt.plot(x, x ** 2)plt.subplot(223) # 第 3 个子图
plt.plot(x, x ** 3)plt.subplot(224) # 第 4 个子图
plt.plot(x, x ** 4)plt.show()【5x03】方法三pyplot.subplots()
matplotlib.pyplot.subplots() 函数会将画布分割成指定的列和行分割后依次在各个区域画图即可。注意与 matplotlib.pyplot.subplot() 略有差别。
fig, axes plt.subplots 的意思是plt.subplots 方法会返回一个包含 figure画布 和 axes绘图区 对象的元组fig 和 axes 参数分别接收这两个对象后期对不同绘图区进行处理即可。
import numpy as np
import matplotlib.pyplot as pltx np.arange(100)
fig, axes plt.subplots(figsize(12, 6), nrows2, ncols2) # 将画布分割为2行2列起始值为0axes[0][0].plot(x, x) # 绘制第1行第1列
axes[0][1].plot(x, -x) # 绘制第1行第2列
axes[1][0].plot(-x, x ** 2) # 绘制第2行第1列
axes[1][1].plot(x, -x ** 2) # 绘制第2行第2列plt.show()【6x00】填充补丁
matplotlib.patches 可用于在画布上填充圆形、长方形、椭圆形、多边形等多种图像补丁。
官方文档https://matplotlib.org/api/patches_api.html
类描述matplotlib.patches.Arc(xy, width, height, angle0.0, theta10.0, theta2360.0, **kwargs)椭圆弧matplotlib.patches.Arrow(x, y, dx, dy, width1.0, **kwargs)箭头matplotlib.patches.Circle(xy, radius5, **kwargs)圆matplotlib.patches.Ellipse(xy, width, height, angle0, **kwargs)椭圆matplotlib.patches.CirclePolygon(xy, radius5, resolution20, **kwargs)近似多边形的圆形面片matplotlib.patches.Polygon(xy, closedTrue, **kwargs)不规则多边形matplotlib.patches.Rectangle(xy, width, height, angle0.0, **kwargs)矩形matplotlib.patches.RegularPolygon(xy, numVertices, radius5, orientation0, **kwargs)正多边形matplotlib.patches.Shadow(patch, ox, oy, propsNone, **kwargs)创建给定补丁的阴影matplotlib.patches.Wedge(center, r, theta1, theta2, widthNone, **kwargs)楔形
应用举例
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathesx np.arange(0.0, 2.0, 0.01)
y np.sin(2*np.pi*x)# 获取当前绘图区gca Get Current Axes
ax plt.gca()# 圆形圆点(0.2, -0.25)半径0.2红色
circle mpathes.Circle((0.2, -0.25), 0.2, colorr)# 长方形左侧和底部坐标(0.25, 0.75)宽0.25高0.15透明度0.5
rect mpathes.Rectangle((0.25, 0.75), 0.25, 0.15, alpha0.5)# 正多边形中心点坐标(1.0, 0)顶点数6中心到每个顶点的距离0.25
regular_polygon mpathes.RegularPolygon((1.0, 0), 6, 0.25, colorg)# 不规则多边形polygon_point 为要连接的点的坐标
polygon_point [[1.5, -0.75], [1.75, -1], [2.0, 0], [1.5, -0.25]]
polygon mpathes.Polygon(polygon_point, color#FF69B4, alpha0.3)# 椭圆形中心点坐标(1.25, 0.75)横轴长度0.4垂直轴长度0.2
ellipse mpathes.Ellipse((1.25, 0.75), 0.4, 0.2, colory)# 将补丁添加到当前绘图区
ax.add_patch(circle)
ax.add_patch(rect)
ax.add_patch(regular_polygon)
ax.add_patch(polygon)
ax.add_patch(ellipse)plt.xlabel(x axis label)
plt.ylabel(y axis label)
plt.grid()
plt.plot(x, y)
plt.show()【7x00】保存图像
matplotlib.pyplot.savefig() 方法可以将绘制的图像保存到本地支持多种格式eps, pdf, pgf, png, ps, raw, rgba, svg, svgz。 注意因为调用 plt.show() 函数后会创建一个新的空白的图片所以在保存图片时注意要在 plt.show() 前调用 plt.savefig()
基本语法matplotlib.pyplot.savefig(fname, dpiNone, facecolorw, edgecolorw, formatNone, transparentFalse)
参数描述fnamestr 类型 / 文件路径 / 类似文件的对象如果未设置格式则根据 fname 的扩展名如果有和 rcParams[“savefig.format”] ‘png’ 推断输出格式如果设置了格式则它将确定输出格式dpi保存图片的像素dpi以每英寸点数为单位。如果为 None则默认取 rcParams[’savefig.dpi’] ‘figure’facecolor保存图片的画布颜色默认为 whiteedgecolor保存图片的边缘颜色默认为 whiteformat保存图片的格式未设置则取 fname 中的格式transparent保存图片的背景是否透明
应用举例
import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] [Microsoft YaHei]
x range(2, 26, 2)
y range(0, 12)
a [5, 10, 15, 20, 25, 30]
b [3, 4, 5, 6, 7, 8]line1, plt.plot(a, b)
line2, plt.plot(x, y)plt.legend((line1, line2), (图例一, 图例二), loc2, edgecolorred, facecolor#F5F5F5)
plt.savefig(D:\\data\\pic.png, transparentTrue) # 保存为透明文件
plt.show()这里是一段防爬虫文本请读者忽略。
本文原创首发于 CSDN作者 TRHX。
博客首页https://itrhx.blog.csdn.net/
本文链接https://itrhx.blog.csdn.net/article/details/105828143
未经授权禁止转载恶意转载后果自负尊重原创远离剽窃
