图表上可以直接进行操作
第一个可以移动整体的图表显示
第二个可以选择一个区域将图整体放大
第三个指出来的可以修改图表的x和y的范围
如果进行了操作想还原成原来的效果，点击后退
后退表示直接返回上一层
; 画折线图
参考：https://www.pythonf.cn/read/22457
import matplotlib.pyplot as plt
year = [2011,2012,2013,2014]
pop = [1.2,3.4,4.5,6.5]
plt.plot(year,pop)
plt.show()
画散点图
绘制折线图
import matplotlib.pyplot as plt
year = [2011,2012,2013,2014]
pop = [1.2,3.4,4.5,6.5]
散点图绘制函数
plt.scatter(year,pop)
plt.show()；
; python matplotlib RuntimeWarning: Glyph xxxxx missing from current font.字体设置问题
参考：https://blog.csdn.net/weixin_43218670/article/details/105840128
这是错误提示，只需要补全下面代码就行（缺哪个补哪个）
from matplotlib import font_manager as fm, rcParams
import matplotlib as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
修饰图
修饰图中的各类信息
title（’图形名称’） （都放在单引号内）
xlabel（’x轴说明’）
ylabel（’y轴说明’）
text（x，y，’图形说明’）
legend（’图例1’，’图例2’，…）
import matplotlib.pyplot as plt
year = [1950,1970,1990,2010]
pop = [2.3,3.4,5.8,6.5]
plt.fill_between(year,pop,0,color='green')
plt.xlabel('Year')
plt.ylabel('Population')
plt.title('World Population')
plt.yticks([0,2,4,6,8,10],['0B','2B','4B','6B','8B','10B'])
图表清空
画上的图表如果没有清空，会让之后的图表继续覆盖原来的图
参考：https://www.zhihu.com/question/26627112
在画图之前用cla()，亲测可以。下面是一个小例子
import matplotlib.pyplot as plt
import numpy as np
for i in range(1, 5) :
x = range(0, i)
y = range(0, i)
y = np.array(y) * i
plt.cla()
plt.scatter(x, y, c = 'r', s = 20)
plt.savefig("./test_%d.png" % i)
python画三维图
参考：https://blog.csdn.net/u014636245/article/details/82799573
fig = plt.figure() #定义新的三维坐标轴
ax3 = plt.axes(projection='3d')
#定义三维数据
xx = np.arange(-5,5,0.5)
yy = np.arange(-5,5,0.5)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(X)+np.cos(Y)
#作图
ax3.plot_surface(X,Y,Z,cmap='rainbow')
#ax3.contour(X,Y,Z, zdim='z',offset=-2，cmap='rainbow) #等高线图，要设置offset，为Z的最小值
plt.show()
当然也可以用list来实现，以下是我的实现
from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
def calc(x,y):
return x**2+y**2
fig = plt.figure()
ax = Axes3D(fig)
'''
X = np.arange(-4, 4, 0.25)
print(X)
Y = np.arange(-4, 4, 0.25)
'''
X=[]
Y=[]
for i in range(-4,5):
X.append(i)
for i in range(-4,5):
Y.append(i)
X, Y = np.meshgrid(X, Y)
Z = calc(X,Y)
具体函数方法可用 help(function) 查看，如：help(ax.plot_surface)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')
plt.show()
效果如下：
其中rstride=1, cstride=1是行和列的相邻之间的步距
Python生成gif播放图并且Python显示gif
import os
import cv2
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
Inputfile=[]
for i in range(0,10):
Inputfile.append([i,i**2])
if __name__=="__main__":
fig=plt.figure()
xx=[]
yy=[]
yyyy=[]
for i in range(10):
x=Inputfile[i][0]
xx.append(x)
y=Inputfile[i][1]
yy.append(y)
yyy=plt.plot(xx,yy)
yyyy.append(yyy)
ani=animation.ArtistAnimation(fig,yyyy,interval=1,repeat_delay=1)
ani.save("test3.gif",writer='pillow')
#cv2.imshow("test3.gif", ani)
os.system(r"start test3.gif")
画轨迹图
#将侧面杠铃中心点轨迹显示出来
plt.figure()
xx=[]
yy=[]
plt.ylim((min_row_pixal,max_row_pixal))
plt.xlim((min_col_pixal-(max_col_pixal-min_col_pixal)//2,max_col_pixal+(max_col_pixal-min_col_pixal)//2))
for i in range(left_bell_len):
if left_bell_track[i][2]==min_row_pixal:
break
x=max_col_pixal-left_bell_track[i][1]+min_col_pixal
xx.append(x)
y=max_row_pixal-left_bell_track[i][2]
yy.append(y)
plt.plot(xx,yy)
plt.show()
效果如下：
python plot画点
参考：https://zhidao.baidu.com/question/490409794107932212.html
import matplotlib.pyplot as plt
plt.plot(x,y,'ro',label="point")
plt.legend()
plt.show()
动态画二维图
参考：https://blog.csdn.net/xyisv/article/details/80651334
import numpy as np
import matplotlib.pyplot as plt
plt.axis([0, 100, 0, 1])
plt.ion()
xs = [0, 0]
ys = [1, 1]
for i in range(100):
y = np.random.random()
xs[0] = xs[1]
ys[0] = ys[1]
xs[1] = i
ys[1] = y
plt.plot(xs, ys)
plt.pause(0.1)
matplotlib如何绘制比例柱状图？
参考：https://www.zhihu.com/question/326181892/answer/695693441
import numpy as np
import matplotlib.pyplot as plt
people = ('1','2','3','4','5','6','7','8')
segments = 4
multi-dimensional data
data = np.asarray([[ 3.40022085, 7.70632498, 6.4097905, 10.51648577, 7.5330039,
7.1123587, 12.77792868, 3.44773477],
[ 11.24811149, 5.03778215, 6.65808464, 12.32220677, 7.45964195,
6.79685302, 7.24578743, 3.69371847],
[ 3.94253354, 4.74763549, 11.73529246, 4.6465543, 12.9952182,
4.63832778, 11.16849999, 8.56883433],
[ 4.24409799, 12.71746612, 11.3772169, 9.00514257, 10.47084185,
10.97567589, 3.98287652, 8.80552122]])
percentages = np.zeros((8, 4))
col_sum = np.sum(data, axis=0)
for i in range(data.shape[0]):
for j in range(len(data[i])):
percentages[j, i] = data[i, j] / col_sum[j] * 100
y_pos = np.arange(len(people))
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111)
colors ='rgbm'
patch_handles = []
bottom = np.zeros(len(people))
for i, d in enumerate(data):
patch_handles.append(ax.bar(y_pos, d,
color=colors[i%len(colors)], align='center',
bottom=bottom))
bottom += d
search all of the bar segments and annotate
for j in range(len(patch_handles)):
for i, patch in enumerate(patch_handles[j].get_children()):
bl = patch.get_xy()
x = 0.5*patch.get_width() + bl[0]
y = 0.5*patch.get_height() + bl[1]
ax.text(x,y, "%d%%" % (percentages[i,j]), ha='center')
plt.show()
[ python可视化 ] 给图像添加文字说明
参考：https://blog.csdn.net/qq_27886807/article/details/80586368?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2aggregatepagefirst_rank_ecpm_v1~rank_v31_ecpm-1-80586368.pc_agg_new_rank&utm_term=plot+plt+%E6%96%87%E5%AD%97%E8%AF%B4%E6%98%8E&spm=1000.2123.3001.4430
len=np.array(len) #这是我的数据列表
a=mean(len) #以添加均值和方差注释为例
b=var(len)
plt.hist(len,15,facecolor='g')#画频率分布直方图
plt.ylabel('Frequency')
plt.text(.64, 7, r'$\mu$={:.4f}, $\sigma$={:.5f}'.format(a, b) )
#用pyplot下的text方法，前两个属性标注text添加的位置，比如我这里添加在右上方.
plt.title('Frequency Distribution Histogram')
plt.show()
Original: https://blog.csdn.net/qq_21237549/article/details/121797834
Author: 滚雪球~
Title: Python绘图表学习笔记 matplotlib绘图库
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/765180/
转载文章受原作者版权保护。转载请注明原作者出处！