- Matplotlib绘图基础
plt.plot(x,y,ls=,lw=,c=,marker=，markersize=,markeredgecolor=,markerfacecolor=,label=) - x:x轴上的数值
- y：y轴上的数值
- ls：折线的风格(‘-‘,’–‘,’-,’,’（点画线）:(实点线)’)
- lw：线条宽度
- c:颜色
- marker：线条上点的形状
- markersize：线条上点的形状的大小
- markeredgecolor：点的边框色
- markerfacecolor：点的填充色
- label：文本
首先导入要用的库：
import numpy as np
import matplotlib.pyplot as plt#matplotlib中的一个模块（内有很多函数）
import pandas as pd#利用pandas读取数据
import seaborn as sns
%matplotlib inline#为了让图像完全展示出来
现在来绘制简单的sin图形：
x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c=’red’,lw=2,ls=’-‘)
plt.show()
接下来我们继续拓展：
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’] = False #解决中文乱码和未知图标
plt.plot(x,y,ls=’-‘,marker=’o’,markersize=1,c=’red’,markeredgecolor=’blue’,markerfacecolor=’black’,label=’x和y的关系’)
plt.legend(loc=’upper center’)#展示图例，loc=表示位置
plt.show()
由于本人没有中文包，会存在乱码的问题
常用图像绘制
饼图
条形图（柱状图）
直方图
散点图
- 饼图语法
-
运用pie模块实现
pie(x=,explode=,label=,colors,autopct=,pctdistance,shadow,startangle,radius,wedgeprops,textprops,center)
–label:标签
–colors：颜色
–autopct：百分比
autopct=’%.1f%%’
–pctdistance：百分比标签与圆心距离
pctdistance=数字
–shadow：是否添加饼图阴影效果
shadow=True/False
–startangle设置饼图的初始拜访角度
startangle=数字
–radius：设置饼图半径大小
radius=数字
–counterclock是否逆时针呈现
counterclock=False/True
–wedgeprops：设置饼图内外边界的属性
wedgeprops={‘linewidth’:数字，’edgecolor’:’颜色’}
–textprops：设置饼图中文本属性
textprops{‘fontsize’:数字，’color’:’颜色’}
–center：设置中心位置 -
条形图语法
- bar（x,y,width,bottom,color,linewidth,tick_label,align）
–x:指定x轴上数值
x=数据
-y：指定y轴上数值
y=数据
–width：指定条形图宽度
width=数字
–color：条形图的填充色
–edge：条形图的片框色
–bottom：百分比标签与圆心距离
–linewidth：条形图边框宽度
–tick_label:条形图的刻度标签
tick_labeld=参数
–align：指定x轴上的对齐方式
align=’center’/’left’/’right’-
直方图语法
plt.hist(x,bins,range,normed,cumilative,bottom,align,rwidth,color,edgecolor,label)
– x:数据
– bin：条形个数
– range：上下界
– normed：是否将频数转换成频率
– cumulative：是否计数累积频率
– bottom：为直方图的每个条形添加基准线，标准为0
– align：对齐方式
– rwidth：条形的宽度
– color：颜色
– edgecolor：设置直方图边框色
– label：设置直方图标签
- 散点图语法（一般用来展示2个连续型变量的的关系，可用来判断两个变量间是否存在线性关系或其他的关系）
- plt.scatter(x,y,s,c,marker,cmap,norm,alpha,linewidths,egdecolors)
- x:x轴数据
x=数据 - y：y轴数据
y=数据 - s：散点大小
- c：散点颜色
- marker：散点图形状
- cmap：指定某个colormap值，该参数一般不用，用默认值
- linewidth：散点边界线的宽度
- alpha：散点的透明度
- linewidths：散点边界线的宽度
- egdecolors：设置散点边界线的颜色
数据的读取用pandas#其他属性的添加
– frontsize：变迁大小 pad：标签距离
– plt.xlabel(‘标签名字’，fontsize=数字，xlabelpad=数字)
– plt.ylabel(‘标签名字’，fontsize=数字，xlabelpad=数字)
– plt.title(‘标题名字’，pad=数字，frontsize=数字)
– plt.show()
图形设置参数
1.设置图像大小
当你作出图像后觉得大小尺寸不好
用fig= plt.gcf()#返回当前图像并且赋值给fig
fig.set_size_inches(18.5,10.5)
plot.show()
例如：
x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c=’red’,lw=2,ls=’-‘)
fig= plt.gcf()
fig.set_size_inches(185,15)
plt.show()#用 fig.set_size_inches函数重新调整了画布的大小
2.设置网格线
plt.grid(ls=’—’,c=’darkblue’)
plt.show()
x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c=’red’,lw=2,ls=’-‘)
plt.grid(ls=’-‘,c=’darkblue’)
plt.show()
3.绘制平行与x轴和y轴的参考线
plt.axhline(y=y轴上的一个数值,ls=,c=,lw=)
plt.axvine(x=x轴上的一个数值,ls=,c=,lw=)
x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c=’red’,lw=2,ls=’-‘)
plt.axhline(y=0.75,ls=’–‘,c=’red’,lw=3)
plt.axvline(x=20,ls=’–‘,c=’red’,lw=3)
plt.show()
4绘制参考区
plt.axvspan(xmin=,xmax=,facecolor=)
plt.axhspan(xmin=,xmax=,facecolor=)
x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c=’red’,lw=2,ls=’-‘)
plt.axvspan(xmin=40,xmax=60,facecolor=’y’)
plt.axhspan(ymin=0.75,ymax=1.00,facecolor=’b’)
plt.show()
Original: https://blog.csdn.net/weixin_63560982/article/details/122734120
Author: 之云401
Title: 利用Matplotlib画图
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/765700/
转载文章受原作者版权保护。转载请注明原作者出处！