Python深度解析matplotlib各种基础图

如果说 pandas 是 python 中一个处理数据的好手，那么 matplotlib 则是把这个数据展现在人们眼球面前的使者，本篇我们来学习一下 matplotlib 的用法和 pyplot 的方式作图，他画图便捷，唯一不足的是我觉得它没有那么高大上。

• Matplotlib 是 python 最著名的会图库，它提供了一整套和 MATLAB
  类似的绘图函数集，十分适合编写短小的脚本程序以进行快速绘图。
• Matplotlib 通过 pyplot 模块提供一套和 MATLAB 类似的绘图的 API，将众多绘图对象所构成的复杂的结构隐藏的这套
  API 内部。
• 我们可以调用 pyplot 模块所提供的函数就可以实现快速绘图以及设置图标的各种细节，pyplot
  模块虽然用法简单，但不适合在较大的应用程序中使用，通常是使用面向对象的方式来画图，本节我们先以 pyplot 的方式绘图。

常用的对象：
Figure 、 可以理解为画板。
Axes 、 理解为画板的上画纸，一个画板上可以放一个以上的画纸。
Labels 、 标签，xlabel，ylabel 分别设置 X,Y 轴的标题文字。
Lim 、 xlim,ylim 分别设置 X,Y 轴的显示范围。
Legend 、 显示图示，即图中表示每条曲线的标签和样式的矩形区域。

常用图形
 Plot 散列图

from matplotlib import pyplot as plt #绘图库
import numpy as np  #科学计算
x=np.linspace(1,10,100) #等差数列
y=np.sin(x)
z=np.cos(x)
plt.figure(figsize=(10,4))
plt.plot(x,y,label="$sin(x)",color='r',linewidth=2)
plt.plot(x,z,label="$cos(x)",color='g',linewidth=2)
plt.xlabel('X')
plt.ylabel('Y')
plt.title("plt test")
plt.legend()
plt.show()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
 

由于画图里的对象太多，属性更多，为了清晰思路，建议使用面向对象的方式来画图。下图为效果：

 Scatter 散点图

from matplotlib import pyplot as plt
import numpy as np
x = np.random.randint(1,10,20)
y = np.random.randint(1,10,20)
plt.figure(figsize=(10,4))
plt.scatter(x,y,s=x*100,label="$xy",marker=(5,1))
plt.xlabel('X')
plt.xlabel('Y')
plt.title("plt test")
plt.legend()
plt.show()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

S 代表散点的面积大小，marker 的第一个参数代表散点的边数，第二个参数代表三
点的样式，0 代表多边形，1 代表星形，2 代表放射形，3 表示忽略边形也就是圆
形。

 Pie 饼图

from matplotlib import pyplot as plt
import numpy as np
x=[4,5,6]
plt.figure()
plt.pie(x,labels=list('abc'),colors=list('gbr'))
plt.xlabel('X')
plt.ylabel('Y')
plt.title('plt test')
plt.legend()
plt.show()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

Labels 代表每一块的标签，colors 是每一块的颜色。可以调整 figsize 调整大小。
可以改变是圆还是椭圆，如果是正方形的 figsize 就是正圆，否则就是椭圆。

 Bar 条形图

from matplotlib import pyplot as plt
import numpy as np
x=[1,2,3,4]
y=[6,5,7,4]
y1=[2,3,4,5]
plt.figure(figsize=(10,6))
plt.bar(x,height=y,color='b',width=0.35,label='man')
plt.bar(np.array(x)+0.35,height=y1,color='g',width=0.35,label='woman')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('plt test')
plt.legend()
plt.show()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
 

Bar 可以绘制柱状图，width 设置的是条状的宽度，在这里需要留意下，list 不能
直接和数字相加，需要用 np.array 转化为数组。看看效果。

条状图
使用barh可以画条状图。

from matplotlib import pyplot as plt
import numpy as np
x=[1,2,3,4]
y=[6,5,7,4]
y1=[2,3,4,5]
plt.figure(figsize=(10,6))
plt.barh(np.array(x)-0.5,width=y,color='b',label='man')
plt.barh(np.array(x)+0.5,width=y1,color='r',label='woman')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('plt test')
plt.legend()
plt.show()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
 

 Contour 环形图

from matplotlib import pyplot as plt
import numpy as np
x,y = np.ogrid[-1:1:5j,-1:1:5j]
f = x**2+y**2
plt.contour(f,colors=list('gbr'))
plt.xlabel('X')
plt.xlabel('Y')
plt.title('plt test')
plt.legend()
plt.show()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

环形图一般用来画等高线，工作用到不多。不太理解。实现效果如下

文章来源: blog.csdn.net，作者：考古学家lx，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/weixin_43582101/article/details/88344933