1.簡介

Matplotlib是一個非常強大的畫圖工具，對數據的可視化起著很大的作用

Matplotlib可以畫線圖，散點圖，等高線圖，條形圖，柱形圖，3D圖形等

2，基礎語法

            
              import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-3,3,50)  #在(-3,3)之間生成50個數
y1 = 2*x+1
y2 = x**2
plt.figure(num=1,figsize=(8,5))   #定義編號為1，大小為（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle="--")
plt.plot(x,y2)
plt.show()
            
          

設置坐標軸

            
              import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-3,3,50)  #在(-3,3)之間生成50個數
y = 2*x+1
plt.figure(num=1,figsize=(8,5))   #定義編號為1，大小為（8,5）
plt.xlim(-1,2)     #x軸的范圍
plt.ylim(-2,3)     #y軸的范圍
plt.xlabel("x軸")  #設置坐標軸的顯示
plt.ylabel("y軸")
plt.xticks(x)         #設置坐標軸刻度
plt.plot(x,y,color='red',linewidth=2,linestyle="--")
plt.show()
            
          

lengend()圖例

            
              import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.xlim(-1,2)
plt.ylim(-2,3)

new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks)
plt.yticks([-2,-1,1,2,],
          [r'$really\ bad$','$bad$','$well$','$really\ well$'])

l1,=plt.plot(x,y1,color='red',linewidth=2,linestyle='--',label='linear line')
l2,=plt.plot(x,y2,label='square line')
plt.legend(loc='best') #顯示在最好的位置,自動分配


plt.show() #顯示圖
            
          

Annotation標注

            
              import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-3,3,50)
y=2*x+1
plt.figure(num=1,figsize=(8,5))
plt.plot(x,y)

#移動坐標軸
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

#標注信息
x0=1
y0=2*x0+1
plt.scatter(x0,y0,color='b')
plt.plot([x0,x0],[y0,0],'k--',lw=2.5)  #連接兩個點，k表示黑色，lw=line weight 線粗細

plt.annotate(r'$2x0+1=%s$' % y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
#xycoords='data'  基于數據的值來選位置，xytext=(+30,-30),對于標注位置的描述，textcoords='offset points'，xy偏差值，arrowprops對圖中箭頭類型設置
plt.text(-3.7,3,r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',fontdict={'size':16,'color':'r'})

plt.show()
            
          

Tick能見度

            
              import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-3,3,50)
y=0.1*x
plt.figure()
plt.plot(x,y,linewidth=10,zorder=1)
plt.ylim(-2,2)

#移動坐標軸
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

#label.set_fontsize(12) 重新調整字體的大小，bbox設置目的內容透明度相關系數，facecolor調節box景色
#edgecolor設置邊框 ,alpha設置透明度，zorder設置圖層順序
for label in ax.get_xticklabels()+ax.get_yticklabels():
    label.set_fontsize(12)
    label.set_bbox(dict(facecolor='red',edgecolor='None',alpha=0.7,zorder=2))

plt.show()
            
          

繪制圖像

散點圖

            
              import numpy as np
import matplotlib.pyplot as plt
n=1024
X=np.random.normal(0,1,n)
Y=np.random.normal(0,1,n)
T=np.arctan2(Y,X)  #arctan2返回給定的X和Y值的反正切值
#scatter畫散點圖，size=75,顏色為T,透明度為50%，利用xticks函數來隱藏x坐標軸
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.xlim(-1.5,1.5)
plt.xticks(())  #忽略xticks
plt.ylim(-1.5,1.5)
plt.yticks(()) #忽略yticks
plt.show()
            
          

條形圖

            
              import numpy as np
import matplotlib.pyplot as plt
n=12
X=np.arange(n)
Y1=(1-X/float(n))*np.random.uniform(0.5,1,n)
Y2=(1-X/float(n))*np.random.uniform(0.5,1,n)
plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')
plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')

#標記值
for x,y in zip(X,Y1):  #zip表示可以傳遞兩個值
    plt.text(x+0.4,y+0.5,'%.2f'%y,ha='center',va='bottom')  #ha表示橫向對齊，bottom表示向下對齊
for x,y in zip(X,Y2):
    plt.text(x+0.4,-y-0.05,'%.2f'%y,ha='center',va='top')
plt.xlim(-0.5,n)
plt.xticks(())
plt.ylim(-1.25,1.25)
plt.yticks(())

plt.show()
            
          

等高線圖

            
              import numpy as np
import matplotlib.pyplot as plt
n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y)  #從坐標向量返回坐標矩陣
#函數用來計算高度值，利用contour函數把顏色加進去，位置參數依次為x,y,f(x,y)，透明度為0.75，并將f(x,y)的值對應到camp之中
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)  #8表示等高線分成多少份，alpha表示透明度，cmap表示color map

C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
plt.clabel(C,inline=True,fontsize=10)
plt.xticks(()) #隱藏坐標軸
plt.yticks(())

plt.show()
            
          

3D數據

            
              import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D   #需要導入模塊Axes3D
fig=plt.figure() #定義圖像窗口
ax=Axes3D(fig)  #在窗口上添加3D坐標軸
#將x和y值編織成柵格
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)  #高度值

#將colormap ranbow填充顏色，之后將三維圖像投影到XY平面做等高線圖，其中rstride和cstride表示row和column的寬度
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) #rstride表示圖像中分割線的跨圖

#添加XY平面等高線 投影到Z平面
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow')) #把圖像進行投影的圖形 offset表示比0坐標軸低兩個位置
ax.set_zlim(-2,2)
plt.show()
            
          

?

次坐標軸

?

動圖

?