Skip to content

Matplotlib

一、安装导入🧀

1
2
!pip install matplotlib
import matplotlib

二、PyPlot🧀

  • plt() 函数从点绘制直线
  • 参数一是 \(x\) 的一串坐标，参数二是 \(y\) 的一串坐标
1
2
3
4
5
6
7
8
import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 3])
y = np.array([4, 10])

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

1
2
3
# 无线绘图
plt.plot(x, y, "o")
plt.show()

1
# 默认 x 点为 0、1、2、3、4

三、标记🧀

1、点标记 marker🧀

1
2
plt.plot(x, y, marker="o")
plt.show()
标记样式
marker description
"." point
"," pixel
"o" circle
"v" triangle_down
"^" triangle_up
"<" triangle_left
">" triangle_right
"1" tri_down
"2" tri_up
"3" tri_left
"4" tri_right
"8" octagon
"s" square
"p" pentagon
"P" plus (filled)
"*" star
"h" hexagon1
"H" hexagon2
"+" plus
"x" x
"X" x (filled)
"D" diamond
"d" thin_diamond
"|" vline
"_" hline
0 (TICKLEFT) tickleft
1 (TICKRIGHT) tickright
2 (TICKUP) tickup
3 (TICKDOWN) tickdown
4 (CARETLEFT) caretleft
5 (CARETRIGHT) caretright
6 (CARETUP) caretup
7 (CARETDOWN) caretdown
8 (CARETLEFTBASE) caretleft (centered at base)
9 (CARETRIGHTBASE) caretright (centered at base)
10 (CARETUPBASE) caretup (centered at base)
11 (CARETDOWNBASE) caretdown (centered at base)

2、线标记 linestyle🧀

Line Syntax description
'-' Solid line
':' Dotted line
'--' Dashed line
'-.' Dash-dot line

3、线颜色 color🧀

color description
b blue
g green
r red
c cyan
m magenta
y yellow
k black
w white

4、格式化字符串🧀

1
2
3
plt.plot(x, y, "marker | line | color")
plt.plot(x, y, "o:r")  # 红色虚线
plt.show()

5、点大小 ms🧀

  • markersize 简称 ms

6、点颜色 mec/mfc🧀

  • markeredgecolor 简称 mec
  • markerfacecolor 简称 mfc

Info

颜色都可以用十六进制

四、线🧀

1、线宽 linewidth🧀

  • linewidth 简称 lw

2、多行🧀

1
2
3
4
5
6
7
y1 = np.array([2, 10, 23, 25])
y2 = np.array([3, 6, 34, 23])

plt.plot(y1, linestyle="-.")
plt.plot(y2, linestyle="-.")

plt.show()

五、标签🧀

1、横纵坐标标题🧀

1
2
3
4
5
plt.title("report")  # 图表标题
plt.xlabel("date")  # 横坐标
plt.ylabel("price")  # 纵坐标

plt.show()

2、图表标题定位🧀

1
plt.title("report", loc="left")  # 图表标题居左

六、网格线🧀

  • 同样可以设置 linewidth、linestyle、color 等参数
1
2
3
4
plt.grid()
plt.grid(axis="y")
plt.grid(axis="x")
plt.grid(axis="both")

七、subplot()🧀

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
# Subplot 1
x = np.array([1, 2, 4, 3, 2])
y = np.array([1, 2, 3, 4, 5])
plt.subplot(1, 2, 1)  # 一行两列 第一个子图
plt.title("Plot 1")
plt.plot(x, y)

# Subplot 2
x = np.array([1, 2, 3, 3, 2])
y = np.array([1, 2, 3, 4, 5])
plt.subplot(1, 2, 2)  # 一行两列 第二个子图
plt.title("Plot 2")
plt.plot(x, y)

plt.suptitle("Plot suptitle")  # 总标题
plt.show()

八、散点图 scatter()🧀

  • 把 plt.plot 一句改成 plt.scatter 即可

1、多组🧀

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
# 第一组散点
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')

# 第二组散点
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.xlabel("X")
plt.ylabel("Y")
plt.grid(True)
plt.show()

2、单独上色🧀

  • 不能使用 color 参数，只能用 c 参数为每个点设置特定颜色
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
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])
colors = np.array([
    'red', 'green', 'blue', 'yellow', 'pink', 'black', 'orange',
    'purple', 'beige', 'brown', 'gray', 'cyan', 'magenta'
])

plt.scatter(x, y, c=colors)
plt.title("Muti-color plot")
plt.show()

3、颜色图🧀

  • 可以使用带有颜色图值的关键字参数 cmap 指定颜色图。在本例中为 'viridis'，它是 Matplotlib 中可用的内置颜色图之一
  • 此外，必须创建一个包含值（从 0 到 100）的数组，散点图中的每个点都有一个值
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
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])

# 每个点对应的颜色值（数值），用于映射到 colormap
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

# 使用 colormap 进行颜色映射
plt.scatter(x, y, c=colors, cmap='viridis')

# 添加颜色条
plt.colorbar()

plt.title("color-bar")
plt.show()

4、大小、透明度🧀

  • 大小用 s 参数，同一样要开一个 size 数组，确保大小和 x,y 的数组长度相同
  • 透明度用 alpha 参数
1
2
3
4
5
6
7
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])
sizes = np.random.randint(100, size=x.size)

plt.scatter(x, y, alpha=0.3, s=sizes)

plt.show()

九、柱状图 bar()🧀

  • 把 plt.plot 一句改成 plt.bar 即可
  • barh() 函数绘制水平柱状图
  • 传入参数仍然可以有 color、width、height
1
2
3
4
5
6
x = np.array(["1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13"])
y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86])

plt.bar(x, y)

plt.show()

十、直方图 hist()🧀

1
2
3
4
5
x = np.random.normal(0, 1, 100) # 正态分布，期望为0，方差为1，生成100个
print(x)

plt.hist(x)
plt.show()

十一、饼图 pie()🧀

  • 传入标题 labels
  • 起始角度 startangle，默认从 \(x\) 轴开始
1
2
3
4
5
6
y = np.array([35, 25, 25, 15])
nylabels = ["Apples", "Bananas", "Cherries", "Pears"]

plt.pie(y, labels=nylabels)

plt.show()
  • 使用 explode 可以使一块饼突出
1
2
3
4
5
6
7
8
y = np.array([35, 25, 25, 15])
n_ylabels = ["Apples", "Bananas", "Cherries", "Pears"]
n_explode = [0, 0, 0.2, 0.3]

plt.pie(y, labels=n_ylabels, explode=n_explode, shadow=True) # 可以传入阴影参数
plt.legend() # 图例

plt.show()