[Python知识库]科研必会Python库之 Matplotlib库教程

科研必会Python库之Matplotlib库教程

Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。Matplotlib 可以用来绘制各种静态，动态，交互式的图表。可是说是科研论文必备神器了。Matplotlib 通常与 NumPy 、 SciPy、Pandas配合使用， 这几个库相互协同几乎可以代替MatLab的一些常用功能。

• Matplotlib 官网

• NumPy 官网

• SciPy 官网

1.matplotlib安装

我们可以通过终端指令来安装

pip install -U matplotlib

安装后可以通过如下指令来查看matplotlib库版本

import matplotlib

print(matplotlib.__version__)

#3.5.1

2.Matplotlib.Pyplot介绍

Pyplot 是 Matplotlib 的子库，使用该子库可以很方方便的让用户绘制2D图表。

Pyplot 内置很多绘图函数，通过一些间的的调用就可以画出很多既好看又实用的图像。

在导入该库的时候，我们一般都使用如下指令给matplotlib.pyplot换一个名字

import matplotlib.pyplot as plt

3.折线图绘制

3.1 默认参数绘制

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints)

plt.show()

3.2 线条样式选择

linestyle参数控制

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, linestyle = 'dotted') #linestyle
plt.show()

linestyle简写形式plt.plot(ypoints, ls = ‘-.’)：

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, ls = '--')
plt.show()

线条样式对照表

3.3 线条颜色选择

color 参数控制， color 参数同样可以简写为c，默认颜色为浅蓝色；

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, color = 'b')
plt.show()

颜色对照表

经过测试发现自定义颜色也是支持的，只需要输入十六进制颜色值或者RGB参数就可以

这里给大家推荐一篇博文，里面给出了RGB颜色表

3.4 线条粗细选择

linewidth 参数来控制，同样可以简写为 lw，值可以是小数

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, linewidth = '10.5')
plt.show()

3.5 单图多线条绘制

import matplotlib.pyplot as plt
import numpy as np

y1 = np.array([3, 7, 5, 9])
y2 = np.array([6, 1, 12, 8])

plt.plot(y1)
plt.plot(y2)

plt.show()

这里注意一个细节，我们只给出了Y轴的数据，没有给X轴的数据，X 的值默认设置为 [0, 1, 2, 3]

我们也可以自己设置 X 坐标值

4.轴标签

xlabel() 和 ylabel() 方法来设置 x 轴和 y 轴的标签

import numpy as np
import matplotlib.pyplot as plt

x = np.array([2, 4, 6, 8])
y = np.array([1, 4, 9, 16])
plt.plot(x, y)

plt.xlabel("x - label")
plt.ylabel("y - label")

plt.show()

5.标题

title() 方法设置标题

import numpy as np
import matplotlib.pyplot as plt

x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.plot(x, y)

plt.title("TITLE")
plt.xlabel("x - label")
plt.ylabel("y - label")

plt.show()

6.标签和标题无法显示中文问题

Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决

你也可以在网盘下载: https://pan.baidu.com/s/10-w1JbXZSnx3Tm6uGpPGOw，提取码：yxqu。

可以下载个 OTF 字体，比如 SourceHanSansSC-Bold.otf，将该文件文件放在当前执行的代码文件中

import matplotlib as matplotlib
import numpy as np
import matplotlib.pyplot as plt


# fname 为 你下载的字体库路径，注意 SourceHanSansSC-Bold.otf 字体的路径
zhfont1 = matplotlib.font_manager.FontProperties(fname="SourceHanSansSC-Bold.otf")

x = np.arange(1, 11)
y = 2 * x + 5
plt.title("测试", fontproperties=zhfont1)

# fontproperties 设置中文显示，fontsize 设置字体大小
plt.xlabel("x 轴", fontproperties=zhfont1)
plt.ylabel("y 轴", fontproperties=zhfont1)
plt.plot(x, y)
plt.show()

7.加入网格线

grid() 方法来设置图表中的网格线

参数说明：

• b：可选，默认为 None，可以设置布尔值，true 为显示网格线，false 为不显示，如果设置 **kwargs 参数，则值为 true。
• which：可选，可选值有 ‘major’、‘minor’ 和 ‘both’，默认为 ‘major’，表示应用更改的网格线。
• axis：可选，设置显示哪个方向的网格线，可以是取 ‘both’（默认），‘x’ 或 ‘y’，分别表示两个方向，x 轴方向或 y 轴方向。
• kwargs：可选，设置网格样式，可以是 color=‘r’, linestyle=‘-’ 和 linewidth=2，分别表示网格线的颜色，样式和宽度。
• color：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。
• linestyle：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
• linewidth：设置线的宽度，可以设置一个数字。

matplotlib.pyplot.grid(b=None, which='major', axis='both', )

eg：
import numpy as np
import matplotlib.pyplot as plt

x = np.array([2, 4, 6, 8])
y = np.array([1, 4, 9, 16])


plt.title("grid()")
plt.xlabel("x - label")
plt.ylabel("y - label")

plt.plot(x, y)

plt.grid()

plt.show()

8.单窗口多图绘制

我们可以使用 pyplot 中的 subplot() 和 subplots() 方法来绘制多个子图。

subplot() 方法在绘图时需要指定位置，subplots() 方法可以一次生成多个，在调用时只需要调用生成对象的 ax 即可

import matplotlib.pyplot as plt
import numpy as np

#plot 1:
xpoints = np.array([0, 6])
ypoints = np.array([0, 100])

plt.subplot(1, 2, 1)
plt.plot(xpoints,ypoints)
plt.title("plot 1")

#plot 2:
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])

plt.subplot(1, 2, 2)
plt.plot(x,y)
plt.title("plot 2")

plt.suptitle("RUNOOB subplot Test")
plt.show()

subplots()

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

参数说明：

• nrows：默认为 1，设置图表的行数。
• ncols：默认为 1，设置图表的列数。
• sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 ‘none’、‘all’、‘row’ 或 ‘col’。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 ‘all’：所有子图共享 x 轴或 y 轴，‘row’ 设置每个子图行共享一个 x 轴或 y 轴，‘col’：设置每个子图列共享一个 x 轴或 y 轴。
• squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N1 或 1N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。
• subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
• gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
• fig_kw：把详细的关键字参数传给 figure() 函数。

9.散点图绘制

9.1 默认参数绘制

我们可以使用 pyplot 中的 scatter() 方法来绘制散点图。

scatter() 方法语法格式如下：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None,  edgecolors=None, plotnonfinite=False, data=None, kwargs)

参数说明：

• x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。
• s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。
• c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。
• marker：点的样式，默认小圆圈 ‘o’。
• cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。
• norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。
• vmin，vmax：亮度设置，在 norm 参数存在时会忽略。
• alpha：透明度设置，0-1 之间，默认 None，即不透明。
• linewidths：标记点的长度。
• edgecolors：颜色或颜色序列，默认为 ‘face’，可选值有 ‘face’, ‘none’, None。
• plotnonfinite：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。
• kwargs：其他参数

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])

plt.scatter(x, y)
plt.show()

9.2设置图标大小

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
sizes = np.array([20,50,100,200,500,1000,60,90])
plt.scatter(x, y, s=sizes)
plt.show()

9.3自定义点的颜色

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
colors = np.array(["red","green","black","orange","purple","beige","cyan","magenta"])

plt.scatter(x, y, c=colors)
plt.show()

9.4两组散点图

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')

x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')

plt.show()

9.5使用随机数来设置散点图

(此处敲黑板，随机数画图，科研必备，不能说太直白[手动狗头])

import numpy as np
import matplotlib.pyplot as plt

# 随机数生成器的种子
np.random.seed(19680801)


N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (30 * np.random.rand(N))**2  # 0 to 15 point radii

plt.scatter(x, y, s=area, c=colors, alpha=0.5) # 设置颜色及透明度

plt.title("RUNOOB Scatter Test") # 设置标题

plt.show()

10.柱形图绘制

10.1 默认参数绘制

我们可以使用 pyplot 中的 bar() 方法来绘制柱形图。

bar() 方法语法格式如下：

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None,  align='center', data=None, kwargs)

参数说明：

• x：浮点型数组，柱形图的 x 轴数据。
• height：浮点型数组，柱形图的高度。
• width：浮点型数组，柱形图的宽度。
• bottom：浮点型数组，底座的 y 坐标，默认 0。
• align：柱形图与 x 坐标的对齐方式，‘center’ 以 x 位置为中心，这是默认值。 ‘edge’：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align=‘edge’。
• kwargs：其他参数。

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])

plt.bar(x,y)
plt.show()

10.2 垂直绘制

垂直方向的柱形图可以使用 barh() 方法来设置：

10.3 自定义各个柱形的颜色

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])

plt.bar(x, y,  color = ["#4CAF50","red","hotpink","#556B2F"])
plt.show()

10.4柱形图宽度

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])

plt.bar(x, y, width = 0.1)
plt.show()

11.饼图

11.1 默认参数绘制

我们可以使用 pyplot 中的 pie() 方法来绘制饼图。

pie() 方法语法格式如下：

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)

参数说明：

• x：浮点型数组，表示每个扇形的面积。
• explode：数组，表示各个扇形之间的间隔，默认值为0。
• labels：列表，各个扇形的标签，默认值为 None。
• colors：数组，表示各个扇形的颜色，默认值为 None。
• autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。
• labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。
• pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。
• shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。
• radius：：设置饼图的半径，默认为 1。
• startangle：：起始绘制饼图的角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。
• counterclock：布尔值，设置指针方向，默认为 True，即逆时针，False 为顺时针。
• wedgeprops ：字典类型，默认值 None。参数字典传递给 wedge 对象用来画一个饼图。例如：wedgeprops={‘linewidth’:5} 设置 wedge 线宽为5。
• textprops ：字典类型，默认值为：None。传递给 text 对象的字典参数，用于设置标签（labels）和比例文字的格式。
• center ：浮点类型的列表，默认值：(0,0)。用于设置图标中心位置。
• frame ：布尔类型，默认值：False。如果是 True，绘制带有表的轴框架。
• rotatelabels ：布尔类型，默认为 False。如果为 True，旋转每个 label 到指定的角度。

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])

plt.pie(y)
plt.show()

11.2设置饼图各个扇形的标签与颜色

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])

plt.pie(y,
        labels=['A','B','C','D'], # 设置饼图标签
        colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
       )
plt.title("RUNOOB Pie Test") # 设置标题
plt.show()

11.3突出显示第二个扇形，并格式化输出百分比

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])

plt.pie(y,
        labels=['A','B','C','D'], # 设置饼图标签
        colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
        explode=(0, 0.2, 0, 0), # 第二部分突出显示，值越大，距离中心越远
        autopct='%.2f%%', # 格式化输出百分比
       )
plt.title("RUNOOB Pie Test")
plt.show()

参考资料

创作打卡挑战赛

赢取流量/现金/CSDN周边激励大奖