[Python知识库]学matplotlib基础，十分钟带你掌握matplotlib基本用法

初识matplotlib

matplotlib官网

• 本章节是matplotlib的基础用法，掌握画图的流程，对辅助显示层和图像层上的操作。

- 本章知识点归纳如下：

• 导入模块: import matplotlib.pyplot as plt/import numpy as np
• 定义图像窗口：plt.figure()
• 画图：plt.plot(x,y)
• 定义坐标轴范围：plt.xlim()/plt.ylim()
• 定义坐标轴名称：plt.xlabel()/plt.ylabel()
• 定义坐标轴刻度及名称：plt.xticks()/plt.yticks()
• 设置图像边框颜色：ax = plt.gca() / ax.spines[].set_color()
• 调整刻度位置：ax.xaxis.set_ticks_position()/ax.yaxis.set_ticks_position()
• 调整边框（坐标轴）位置：ax.spines[].set_position()
• 添加图例：plt.legend()
• 画点：plt.scatter()
• 添加标注：plt.annotate()
• 添加注释：plt.text()
• 添加标题：plt.title()
• 设置格式：
  • 设置中文字体：plt.rcParams[‘font.family’]=‘Microsoft YaHei’
  • 设置正常显示字符：plt.rcParams[‘axes.unicode_minus’] = False
• 一个图像层多个绘图区：plt.subplots()

导入相关包

import matplotlib.pyplot as plt
#from matplotlib import pyplot as plt
import numpy as np
import random
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
%matplotlib inline

1、创建两组数据

使用np.linspace定义x：范围是(-3,3)，个数是50，将产生一组（-3，3）内均匀分布的50个数；(x,y1)表示曲线1，(x,y2)表示曲线2。

x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

2、定义图像窗口并画图

• 在画图前使用plt.figure()定义一个图像窗口：编号为3；大小为(8, 5)；这两项参数可缺省。其中，num参数决定了程序运行后弹出的图像窗口名字，但在klab平台下不会显示。
• 接着，我们使用plt.plot画出(x ,y2)曲线；使用plt.plot画(x ,y1)曲线;
  • 曲线的颜色属性(color)为红色；
  • 曲线的宽度(linewidth)为1.0；
    曲线的类型(linestyle)为虚线，除了虚线外，大家还可使用以下线性：’-’、’–’、’-.’、’:’ 。
• 接着，我们使用plt.show()显示图像。

plt.figure(num=3, figsize=(8, 5))
plt.plot(x, y1)
plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--')

plt.show()

#方法二：
#fig,ax = plt.subplots()  #创建画布
#ax.plot(x,y1,color='red', linewidth=1.0, linestyle='--')
#ax.plot(x,y2)
#plt.show()

?

?

• 如果希望图例能够更加个性化，可通过以下方式更改：参数 loc 决定了图例的位置，比如参数 loc=‘upper right’ 表示图例将添加在图中的右上角。
• 其中’loc’参数有多种，’best’表示自动分配最佳位置，其余的如下：
  • ‘best’ : 0,
  • ‘upper right’ : 1,
  • ‘upper left’ : 2,
  • ‘lower left’ : 3,
  • ‘lower right’ : 4,
  • ‘right’ : 5,
  • ‘center left’ : 6,
  • ‘center right’ : 7,
  • ‘lower center’ : 8,
  • ‘upper center’ : 9,
  • ‘center’ : 10

3、为题2两条线添加图例，图例位置在右上角

• 设置两条线的类型等信息（蓝色实线与红色虚线)，并且通过label参数为两条线设置名称。
  • 比如直线的名称就叫做 “linear line”, 曲线的名称叫做 “square line”。
  • 只是设置好名称并不能使我们的图例出现，要通过plt.legend()设置图例的显示。legend获取代码中的 label 的信息, plt就能自动的为我们添加图例。
• 或者设置 handles 参数来选择图例中显示的内容。
  • 在上面的代码 plt.plot(x, y2, label=‘linear line’) 和 plt.plot(x, y1, label=‘square line’) 中用变量l1和l2分别存储起来，而且需要注意的是 l1, l2，要以逗号结尾, 因为plt.plot() 返回的是一个列表。然后将 l1,l2 这样的objects以列表的形式传递给 handles。
  • label 参数可以用来单独修改之前的 label 信息, 给不同类型的线条设置图例信息。

# set line syles
plt.plot(x, y1, label='linear line')
plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')
plt.legend(loc='upper right')

#方法二
#l1, = plt.plot(x, y1,)     
#l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--')
#plt.legend(handles = [l1,l2,],labels=['up','down'], loc='upper right')

?

4、将题2定义x轴名称为X，范围为（-1,2），y轴名称为Y，范围为（-2,3）。

• 使用plt.xlim设置x坐标轴范围：(-1, 2)；
• 使用plt.ylim设置y坐标轴范围：(-2, 3)；
• 使用plt.xlabel设置x坐标轴名称：'x’；
• 使用plt.ylabel设置y坐标轴名称：'y’；

plt.figure(num=3, figsize=(8, 5),)
plt.plot(x, y1, label='linear line')
plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')
plt.legend(loc=1)
plt.xlim((-1, 2))
plt.ylim((-2, 3))
plt.xlabel('X')
plt.ylabel('Y')
plt.grid()
plt.show()

?

?

5、将上题的图设置x轴刻度：范围是(-1,2)；个数是5，设置y轴刻度以及名称：刻度为[-2, -1.8, -1, 1.22, 3]；对应名称为[‘really bad’,’bad’,’normal’,’good’, ‘really good’]。

• 有时候，我们的坐标轴刻度可能并不是一连串的数字，而是一些文字，或者我们想要调整坐标轴的刻度的稀疏，这时，就需要使用plt.xticks()或者plt.yticks()来进行调整：
  • 首先，使用np.linspace定义新刻度范围以及个数：范围是(-1,2)；个数是5。
  • 使用plt.xticks设置x轴刻度：范围是(-1,2)；个数是5。
  • 使用plt.yticks设置y轴刻度以及名称：刻度为[-2, -1.8, -1, 1.22, 3]；
  • 对应刻度的名称为[‘really bad’,’bad’,’normal’,’good’, ‘really good’]。
• 使用plt.show()显示图像。

plt.figure(num=3, figsize=(8, 5),)
plt.plot(x, y1, label='linear line')
plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')
plt.legend(loc='upper right')
plt.xlim((-1, 2))
plt.ylim((-2, 3))
plt.xlabel('X')
plt.ylabel('Y')

new_ticks = np.linspace(-1, 2, 5)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3], [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
plt.show()

6、获取坐标轴信息，设置图像边框颜色，取消上边框和右边框

• 上图中坐标轴总是由上下左右四条线组成，我们也可以对它们进行修改：
  • 使用plt.gca()获取当前坐标轴信息。
  • 使用.spines设置边框：右侧边框；
  • 使用.set_color设置边框颜色：默认白色；
  • 使用.spines设置边框：上边框；
  • 使用.set_color设置边框颜色：默认白色；

plt.figure(num=3, figsize=(8, 5),)
plt.plot(x, y1, label='linear line')
plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')

ax = plt.gca() 
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
plt.show()

?

7、将上题中的xy轴移到0点位置

• 使用.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：bottom.（所有位置：top，bottom，both，default，none）；
• 使用.spines设置边框：x轴；
• 使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
• 使用.yaxis.set_ticks_position设置y坐标刻度数字或名称的位置：left.（所有位置：left，right，both，default，none）
• 使用.spines设置边框：y轴；
• 使用.set_position设置边框位置：x=0的位置；（位置所有属性：outward，axes，data）
• 使用plt.show显示图像.

plt.figure(num=3, figsize=(8, 5))
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

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))
plt.show()

?

8、在坐标轴上画出y=2x+1的图，并用点标注出（1,3）的位置

• 当图线中某些特殊地方需要标注时，我们可以使用 annotation. matplotlib 中的 annotation 有两种方法
  • 一种是用 plt 里面的 annotate
  • 一种是直接用 plt 里面的 text 来写标注
• 标注出点(x0, y0)的位置信息
  • plt.plot([x0, x0,], [0, y0,], ‘k–’, linewidth=2.5) 画出一条垂直于x轴的虚线。其中，[x0, x0,], [0, y0,] 表示在图中画一条从点 (x0,y0) 到 (x0,0) 的直线，‘k–’ 表示直线的颜色为黑色(black)，线形为虚线
  • plt.scatter 函数可以在图中画点，此时我们画的点为 (x0,y0), 点的大小(size)为 50， 点的颜色为蓝色(blue),可简写为 b。

#数据准备
x = np.linspace(-3, 3, 50)
y = 2*x + 1
#画图
plt.figure(num=1, figsize=(8, 5),)
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))

plt.plot(x, y,)

#标点
x0 = 1
y0 = 2*x0 + 1
plt.scatter([x0, ], [y0, ], s=50, color='b')
plt.show()

?

?

9、准备数据并画图——上海在11点到12点一小时内每分钟的温度（15度-18度）变化

# 数据准备
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x ]
# 创建画布
plt.figure(figsize=(20,8), dpi=80)
# 画图
plt.plot(x, y_shanghai)
plt.show()

?

10、为x刻度改为11点（）分格式，

plt.figure(figsize=(20,8),dpi=80)
plt.rcParams['font.family']='Microsoft YaHei'#设置中文字体

x = range(60)
y_shanghai = [random.uniform(15,18) for i in x ]
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.plot(x, y_shanghai)
plt.show()

11、添加文字标题和xy轴的文字描述

x = range(60)
y_shanghai = [random.uniform(15,18) for i in x ]
plt.figure(figsize=(20,8), dpi=80)
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])

plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("某城市一小时内每分钟的温度变化")
plt.plot(x, y_shanghai)
plt.show()

?

?

12、再添加一个城市的温度变化，例北京当时的温度为10度到14度

#1、准备xy
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(10,14) for i in x]

#2、创建画布
plt.figure(figsize=(20,8),dpi=80)
#3、图像层：绘制图像,参数有很多，可以改线条风格linestyle(默认实线）颜色color等
plt.plot(x,y_shanghai, color="r")
plt.plot(x,y_beijing,color="b")
plt.show()

?

13、显示图例

x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(10,14) for i in x]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_shanghai, color="r",label="上海")
plt.plot(x,y_beijing,color="b",label="北京")
#显示图例，需要在图像层与辅助显示层都做修改best为默认值
plt.legend(loc="best")
plt.show()

?

?

14、修改xy轴的刻度，添加标题xy轴的描述

x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(10,14) for i in x]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_shanghai, color="r",label="上海")
plt.plot(x,y_beijing,color="b",label="北京")
plt.legend(loc="best")
plt.rcParams['font.sans-serif']=['SimHei']
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5],x_label[::5])
plt.yticks(range(0, 40, 5))
#添加描述信息
plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("上海，北京两地11点到12点每分钟的温度变化状况")
plt.show()

?

?

画出直线 y = x-1, 线型为虚线，线宽为1，纵坐标范围（-2，1），横坐标范围（-1，2），横纵坐标在（0，0）坐标点相交。横坐标的 [-1,-0.5,1] 分别对应 [bad, normal, good]。

plt.figure(figsize=(8,5))
x=np.linspace(-2,1,50)
y=x-1
plt.xlim(-1,2)
plt.ylim(-2,1)
plt.xticks([-1,-0.5,1],['bad','normal','good'])
plt.plot(x,y,linewidth=1, linestyle='--')
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))

?

假设大家在30岁的时候，根据自己的实际情况，统计出来了你和同桌从11岁到30岁每年交的朋友的数量如列表a和b,请绘制出该数据的折线图,以便分析自己和同桌每年交朋友的数量走势

• a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
• b = [1,0,3,1,2,2,2,3,1,1,1,1,1,2,1,1,2,3,2,2]
• y轴表示个数
• x轴表示岁数,比如11岁,12岁

x=np.linspace(11,30,20)
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,2,3,1,1,1,1,1,2,1,1,2,3,2,2]
plt.figure(figsize=(14,6),dpi=80)
plt.xticks(x)
l1=plt.plot(x,a,color='r',linestyle='-')
l2=plt.plot(x,b,color='b',linestyle='-')
plt.xlabel('yeares',)
plt.ylabel('make friend')
plt.title('11岁到30岁交友数量',)

Text(0.5, 1.0, '11岁到30岁交友数量')

?