Python学习之Matplotlib
Matplotlib是一个Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形.通过Matplotlib,开发者可以仅需要几行代码,便可以生成饼图,直方图,功率谱,条形图,错误图,散点图等
1.1 图形的基本构成
一个完整的图,包括figure,axes,以及其他Artist对象
- 画布(figure)相当于最高级目录,包含图的所有组件,可以理解为窗体
- 区域(axes)相当于二级目录,包含于figure中,一个figure中可以含有多个axes,每个axes可以包含:曲线(plot),坐标轴(axis),坐标轴刻度(tick),坐标轴刻度标签(tick_label),边界柱(spines),图例(legend),文本(text),标题(title)等组件,以上都统称为Artist对象
以上这些组件中,figure,axes,axis,tick属于容器类型,figure可以装载所有其他组件,axes可以装载所有artist,axis可以装载tick,tick_label,major_tick_label,minor_tick_label等
几种容器的父子关系:figure>axes>axis>tick
1.2 编码方式
Matplotlib主要采用两种编码方式:
- 隐式接口:直接使用pyplot下的函数进行作图
- 显式接口(面向对象):线创建figure和axes等,然后调用他们的方法,添加和设置artist
两种方式的使用都较为广泛,在面对快速交互工作时,pyplot实现非常方便,而在面对一些复杂情况,或是作为大项目的一部分函数和脚本时,建议使用面向对象的方法
import matplotlib.pyplot as plt
import numpy as npplt.rcParams['font.sans-serif']=['SimHei'] #解决中文显示乱码问题
plt.rcParams['axes.unicode_minus']=False
# 实例数据
x = np.linspace(0, 2, 100)# 方式一:pyplot形式
plt.figure(figsize=(5, 2.7), layout='constrained') # 创建figure,设置布局为'constrained'
line1 = plt.plot(x, x, label = 'linear') #绘制一次函数及名称
line2 = plt.plot(x, x**2, label = 'quadratic') #绘制二次函数及名称
line3 = plt.plot(x, x**3, label = 'cubic') #绘制三次函数及名称
plt.xlabel('x label') # 设置x轴名称
# ,loc=(left, center, right)
plt.ylabel('y label') # 设置y轴名称
# ,loc=(bottom, center, top)
plt.title('Simple plot') # 设置标题
# ,fontsize='xx-large',fontweight='heavy',color='blue'
plt.legend() #添加图例
# handles=[line1, line2, line3], labels = ['一次函数','二次函数','三次函数'], loc='best'
# handles:所画线条的实例对象,labels:图例名称(覆盖性)
plt.show() # 展示图像# 方式二:面向对象
fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained') # 创建figure, axes
ax.plot(x, x, label = 'linear') #绘制一次函数及名称
ax.plot(x, x**2, label = 'quadratic') #绘制二次函数及名称
ax.plot(x, x**3, label = 'cubic') #绘制三次函数及名称
ax.set_xlabel('x label') # 设置x轴名称
ax.set_ylabel('y label') # 设置y轴名称
ax.set_title('Simple plot') # 设置标题
ax.legend() # 添加图例
plt.show() # 显示图像
# 绘图示例
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]plt.figure(figsize=(9, 3), layout='constrained')# 绘制柱状图
plt.subplot(1, 3, 1) # 创建一个1行3列的子图布局, 并选择第一个子图 subplot(行数, 列数, 子图索引)
plt.bar(names, values) # 绘制柱状图
# 绘制散点图
plt.subplot(132) # 对1*3的第二个子图
plt.scatter(names, values, marker='+') # 绘制散点图
# 绘制折线图
plt.subplot(133) # 对1*3的第三个子图
plt.plot(names, values, linestyle='-') # 绘制折线图 '--'为虚线 '-'为实线
plt.suptitle('Categorical Plotting') # 设置全局标题 用.title则为设置第三个子图的标题
plt.show()
#gridspec用于创建一个网格布局,可以将一个图形分成多个子图,它的强大之处在于能够创建跨越行和列的子图
import matplotlib.gridspec as gridspecplt.figure()
gs = gridspec.GridSpec(3, 3) # 创建一个3行3列的网格布局,这里的gs代表整个网格,可以通过 gs[行, 列]来指定子图的位置ax1 = plt.subplot(gs[0,:]) #表示这个子图占据网格的第一行,跨越所有列(即3列),因此,这个子图会占据整个顶部行
plt.plot([1, 2, 3, 4], [2, 2, 3, 4])ax2 = plt.subplot(gs[1,:2])
plt.plot([1, 2, 3, 4], [3, 2, 3, 4])ax3 = plt.subplot(gs[1:,2])
plt.plot([1, 2, 3, 4], [4, 2, 3, 4])ax4 = plt.subplot(gs[2, 0])
plt.plot([1, 2, 3, 4], [5, 2, 3, 4])ax5 = plt.subplot(gs[2, 1])
plt.plot([1, 2, 3, 4], [6, 2, 3, 4])plt.tight_layout() # 用于简易地调整多图,单图标签,避免重合
plt.show()
