Matplotlib光速入门-从安装到常用实战

前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。

简介

---

Matplotlib是Python一个强大的绘图库，搭配NumPy库的使用，可以满足绝大部分的绘图需求，各种你能想到的图表基本都支持，使用代码即可进行绘制，如果画不出来那一定是你的问题(doge)。

本文主要参考Matplotlib文档，归纳总结Matplotlib常用方法，只举例了部分，所有函数和相关参数不能遍举，更多可参考Matplotlib文档。

安装

---

如果使用pip安装：

pip install matplotlib
1

如果使用conda安装：

conda install matplotlib
1

如果使用的是Pycham，可以直接打开File->settings->Project:->Python Interpreter中安装库。

搜索matplotlib，点击安装即可。

实战

画框

---

fig是Figure缩写，即外框，可以包含多个内框。ax是Axes缩写，即内框，里面可以画各种图。plt是导入Matplotlib库时的重命名缩写，可以理解为一整张画布，直接添加即可，但细节修改用ax更好。
两种方法都可，比如以下代码是等价的：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()  # 创建一个外框（默认含一个内框），返回两个参数
ax.plot([1, 2], [1, 2])  # 在内框上画一条直线，点(1,1)到(2,2)
plt.show()  # 显示绘图
1
2
3
4

import matplotlib.pyplot as plt
plt.plot([1, 2], [1, 2])  # 分别是x和y
plt.show()
1
2
3

如一张画布上多个画框：

from matplotlib import pyplot as plt

# subplot三个参数：垂直方向画几张图，水平方向画几张图，当前是第几张图
plt.subplot(2, 2, 1)  # 即划分1×2个画框，当前是第1个
plt.title("1")
plt.subplot(2, 2, 2)  # 当前为第2个
plt.title("2")
plt.subplot(2, 2, 3)  # 当前为第3个
plt.title("3")
plt.subplot(2, 2, 4)  # 当前为第4个
plt.title("4")
plt.subplots_adjust(wspace=0.5, hspace=0.5)  # 调整间距

plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

引用官网的一张图，除了数据外，一张图表还包含了很多元素，如标题（Title）、说明（Legend）、刻度（Minor tick）、刻度名（Minor tick label）、网格（Grid）、标记（Marker）、x轴y轴等。

相关元素的设置可以参考上图或文档，举个栗子：

import numpy as np
from matplotlib import pyplot as plt

plt.title("我的图表")  # 设置图表名
plt.xlabel("X轴[mm]")  # 设置x轴名
plt.ylabel("Y轴[cm]")  # 设置y轴名
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字符编码
plt.rcParams['axes.unicode_minus'] = False  # 编码正常显示负号
plt.xticks(np.arange(0, 60, 5))  # x刻度，从0-60，间隔5
plt.yticks(np.arange(0, 15, 1))  # y刻度，从0-15，间隔1
# x和y的值，即连接点(10,2)、(25,7)、(50,13)，设置颜色等可选参数
plt.plot([10, 25, 50], [2, 7, 13], label="折线", color="#FF0000")
plt.legend()  # 显示说明
plt.grid()  # 显示网格
plt.show()  # 显示绘图
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

（插播反爬信息 ）博主CSDN地址：https://wzlodq.blog.csdn.net/

线图

---

使用plot()函数。

import numpy as np
from matplotlib import pyplot as plt

#  ------直线------
plt.plot([0, 10], [0, 5], label="直线", linewidth="3")  # 线宽设置3
#  ------抛物线------
x = np.linspace(0, 10, 100)  # 1-10均匀序列
plt.plot(x, 0.05*x*x, label="抛物线")
#  ------三角函数------
plt.plot(x, np.sin(x), label="正弦曲线")
plt.plot(x, np.cos(x), label="余弦曲线")
#  其他的举一反三，给出函数和定义域即可
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.legend()
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

各种线条格式：

import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(1, 10, 30)
plt.plot(x, x, '-')
plt.plot(x, x+1, '--')
plt.plot(x, x+2, '-.')
plt.plot(x, x+3, 'o')
plt.plot(x, x+4, ',')
plt.plot(x, x+5, 'x')
plt.plot(x, x+6, 'd')
plt.plot(x, x+7, '<')
plt.plot(x, x+8, '>')
plt.plot(x, x+9, 'v')
plt.plot(x, x+10, '+')
plt.plot(x, x+11, '*')
plt.plot(x, x+12, '-')
plt.plot(x, x+13, 'h')
plt.plot(x, x+14, '|')
plt.plot(x, x+15, '1')
plt.plot(x, x+16, '2')
plt.plot(x, x+17, '3')
plt.plot(x, x+18, '4')
plt.plot(x, x+19, '8')

plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

散点图

---

使用scatter()函数。

import numpy as np
from matplotlib import pyplot as plt
plt.figure(figsize=(10, 5))
# ------均匀分布------
plt.subplot(1, 2, 1)
plt.title("均匀分布")
n = 800  # 样本数
x = np.random.rand(n)  # 随机坐标点
y = np.random.rand(n)
colors = np.random.rand(n)  # 随机颜色
size = np.random.rand(n)*100  # 随机大小
plt.scatter(x, y, c=colors, s=size, alpha=0.3)  # alpha是透明度
# ------正态分布------
plt.subplot(1, 2, 2)  # 第二个画框
plt.title("正态分布")
x = np.random.randn(n)
y = np.random.randn(n)
plt.scatter(x, y, c=colors, s=size, alpha=0.3)

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

柱状图

---

使用bar()函数。

import numpy as np
from matplotlib import pyplot as plt
plt.figure(figsize=(10, 5))
# ------图1------
plt.subplot(1, 2, 1)
x = np.arange(8)  # 0-7
y = np.random.randint(-3, 5, 8)  # -3到5随机8个数
plt.bar(x, y, width=0.6)
plt.title('图2')
plt.axhline(0)  # 水平线
# ------图2------
plt.subplot(1, 2, 2)
x = np.arange(3)  # 1-3
width = 0.2  # 设置柱宽
plt.bar(x, [4, 6, 2], color='green', width=width, label="A")
plt.bar([i+width for i in x], [3, 7, 4], color='blue', width=width, label="B")
plt.bar([i+2*width for i in x], [5, 6, 4], color='red', width=width, label="C")
plt.xticks([i+width for i in x], ["2020", "2021", "2022"])  # 设置刻度
plt.title('图2')

plt.legend()
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

还可以使用hist()函数。

import numpy as np
from matplotlib import pyplot as plt

x1 = np.random.normal(2.5, 0.5, 1000)  # 期望2.5，标准差0.5，输出大小1000
x2 = np.random.normal(5, 2, 1000)
x3 = np.random.normal(7.5, 1, 1000)
plt.hist(x1, bins=100, alpha=0.5, label="A")  # 100个数据，透明的0.5,标签A
plt.hist(x2, bins=100, alpha=0.5, label="B")
plt.hist(x3, bins=100, alpha=0.5, label="C")

plt.legend()
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12

饼状图

---

使用pie()函数。

from matplotlib import pyplot as plt

# explode分裂，autopct百分比格式
plt.pie([0.4, 0.6], labels=["A", "B"], explode=(0, 0.05), autopct='%0.0f%%')
plt.legend()
plt.show()
1
2
3
4
5
6

等高线图

---

使用contourf函数。

import numpy as np
from matplotlib import pyplot as plt
# ------数据------
x = np.linspace(-3, 3, 256)  # -3到3等差256个点
y = np.linspace(-3, 3, 256)
X, Y = np.meshgrid(x, y)  # 计算x和y的相交点
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)  # 计算Z的坐标
levels = np.linspace(Z.min(), Z.max(), 7)
# ------图1------
plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.contour(X, Y, Z)
# ------图2------
plt.subplot(1, 2, 2)
plt.contourf(X, Y, Z)

plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

原创不易，请勿转载（本不富裕的访问量雪上加霜 ）
博主首页：https://wzlodq.blog.csdn.net/
来都来了，不评论两句吗👀
如果文章对你有帮助，记得一键三连❤