Matplotlib 是一个 Python 的 2D绘图库，通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。

http://matplotlib.org

• 用于创建出版质量图表的绘图工具库

• 目的是为Python构建一个Matlab式的绘图接口

• import matplotlib.pyplot as plt
     
  

   

• pyploy模块包含了常用的matplotlib API函数

figure

• Matplotlib的图像均位于figure对象中

• 创建figure：fig = plt.figure()

      # 引入matplotlib包
      import matplotlib.pyplot as plt
      import numpy as np
      %matplotlib inline #在jupyter notebook 里需要使用这一句命令
      # 创建figure对象
      fig = plt.figure()
  
 

运行结果：

<matplotlib.figure.Figure at 0x11a2dd7b8>

 

subplot

fig.add_subplot(a, b, c)

• a,b 表示将fig分割成 a*b 的区域

• c 表示当前选中要操作的区域，

• 注意：从1开始编号（不是从0开始）

• plot 绘图的区域是最后一次指定subplot的位置 (jupyter notebook里不能正确显示)

      # 指定切分区域的位置
      ax1 = fig.add_subplot(2,2,1)
      ax2 = fig.add_subplot(2,2,2)
      ax3 = fig.add_subplot(2,2,3)
      ax4 = fig.add_subplot(2,2,4)
      # 在subplot上作图
      random_arr = np.random.randn(100)
      #print random_arr
      # 默认是在最后一次使用subplot的位置上作图，但是在jupyter notebook 里可能显示有误
      plt.plot(random_arr)
      # 可以指定在某个或多个subplot位置上作图
      # ax1 = fig.plot(random_arr)
      # ax2 = fig.plot(random_arr)
      # ax3 = fig.plot(random_arr)
      # 显示绘图结果
      plt.show()
  
 

运行结果：

直方图：hist

      import matplotlib.pyplot as plt
      import numpy as np
      plt.hist(np.random.randn(100), bins=10, color='b', alpha=0.3)
      plt.show()
  
 

运行结果：

散点图：scatter

      import matplotlib.pyplot as plt
      import numpy as np
      # 绘制散点图
      x = np.arange(50)
      y = x + 5 * np.random.rand(50)
      plt.scatter(x, y)
      plt.show()
  
 

运行结果： 

柱状图：bar

      import matplotlib.pyplot as plt
      import numpy as np
      # 柱状图
      x = np.arange(5)
      y1, y2 = np.random.randint(1, 25, size=(2, 5))
      width = 0.25
      ax = plt.subplot(1,1,1)
      ax.bar(x, y1, width, color='r')
      ax.bar(x+width, y2, width, color='g')
      ax.set_xticks(x+width)
      ax.set_xticklabels(['a', 'b', 'c', 'd', 'e'])
      plt.show()
  
 

运行结果：

矩阵绘图：plt.imshow()

• 混淆矩阵，三个维度的关系

      import matplotlib.pyplot as plt
      import numpy as np
      # 矩阵绘图
      m = np.random.rand(10,10)
      print(m)
      plt.imshow(m, interpolation='nearest', cmap=plt.cm.ocean)
      plt.colorbar()
      plt.show()
  
 

运行结果：

      [[ 0.92859942  0.84162134  0.37814667  0.46401549  0.93935737  0.0344159
        0.56358375  0.75977745  0.87983192  0.22818774]
       [ 0.88216959  0.43369207  0.1303902   0.98446182  0.59474031  0.04414217
        0.86534444  0.34919228  0.53950028  0.89165269]
       [ 0.52919761  0.87408715  0.097871 0.78348534  0.09354791  0.3186
        0.25978432  0.48340623  0.1107699   0.14065592]
       [ 0.90834516  0.42377475  0.73042695  0.51596826  0.14154431  0.22165693
        0.64705882  0.78062873  0.55036304  0.40874584]
       [ 0.98853697  0.46762114  0.69973423  0.7910757   0.63700306  0.68793919
        0.28685306  0.3473426   0.17011744  0.18812329]
       [ 0.73688943  0.58004874  0.03146167  0.08875797  0.32930191  0.87314734
        0.50757536  0.8667078   0.8423364   0.99079049]
       [ 0.37660356  0.63667774  0.78111565  0.25598593  0.38437628  0.95771051
        0.01922366  0.37020219  0.51020305  0.05365718]
       [ 0.87588452  0.56494761  0.67320078  0.46870376  0.66139913  0.55072149
        0.51328222  0.64817353  0.198525 0.18105368]
       [ 0.86038137  0.55914088  0.55240021  0.15260395  0.4681218   0.28863395
        0.6614597   0.69015592  0.46583629  0.15086562]
       [ 0.01373772  0.30514083  0.69804049  0.5014782   0.56855904  0.14889117
        0.87596848  0.29757133  0.76062891  0.03678431]]
  
 

plt.subplots()

• 同时返回新创建的figure和subplot对象数组

• 生成2行2列subplot:fig, subplot_arr = plt.subplots(2,2)

• 在jupyter里可以正常显示，推荐使用这种方式创建多个图表

      import matplotlib.pyplot as plt
      import numpy as np
      fig, subplot_arr = plt.subplots(2,2)
      # bins 为显示个数，一般小于等于数值个数
      subplot_arr[1,0].hist(np.random.randn(100), bins=10, color='b', alpha=0.3)
      plt.show()
  
 

运行结果： 

颜色、标记、线型

• ax.plot(x, y, ‘r--’)

等价于ax.plot(x, y, linestyle=‘--’, color=‘r’)

示例代码：

      import matplotlib.pyplot as plt
      import numpy as np
      fig, axes = plt.subplots(2)
      axes[0].plot(np.random.randint(0, 100, 50), 'ro--')
      # 等价
      axes[1].plot(np.random.randint(0, 100, 50), color='r', linestyle='dashed', marker='o')
  
 

运行结果：

[<matplotlib.lines.Line2D at 0x11a901e80>]

• 常用的颜色、标记、线型

刻度、标签、图例

• 设置刻度范围

  plt.xlim(), plt.ylim()

  ax.set_xlim(), ax.set_ylim()

• 设置显示的刻度

  plt.xticks(), plt.yticks()

  ax.set_xticks(), ax.set_yticks()

• 设置刻度标签

  ax.set_xticklabels(), ax.set_yticklabels()

• 设置坐标轴标签

  ax.set_xlabel(), ax.set_ylabel()

• 设置标题

  ax.set_title()

• 图例

  ax.plot(label=‘legend’)

  ax.legend(), plt.legend()

  loc=‘best’：自动选择放置图例最佳位置

      import matplotlib.pyplot as plt
      import numpy as np
      fig, ax = plt.subplots(1)
      ax.plot(np.random.randn(1000).cumsum(), label='line0')
      # 设置刻度
      #plt.xlim([0,500])
      ax.set_xlim([0, 800])
      # 设置显示的刻度
      #plt.xticks([0,500])
      ax.set_xticks(range(0,500,100))
      # 设置刻度标签
      ax.set_yticklabels(['Jan', 'Feb', 'Mar'])
      # 设置坐标轴标签
      ax.set_xlabel('Number')
      ax.set_ylabel('Month')
      # 设置标题
      ax.set_title('Example')
      # 图例
      ax.plot(np.random.randn(1000).cumsum(), label='line1')
      ax.plot(np.random.randn(1000).cumsum(), label='line2')
      ax.legend()
      ax.legend(loc='best')
      #plt.legend()
  
 

运行结果： <matplotlib.legend.Legend at 0x11a4061d0> 

参考资料

https://matplotlib.org/

文章来源: drugai.blog.csdn.net，作者：DrugAI，版权归原作者所有，如需转载，请联系作者。

原文链接：drugai.blog.csdn.net/article/details/104287260