matplotlib学习之基本使用

• 2019 年 10 月 6 日
• 筆記

matplotlib学习之基本使用

1.figure学习2.设置坐标轴3.Legend 图例4.Annotation 标注5.tick能见度

1.figure学习

导包

import  matplotlib.pyplot as plt  import numpy as np  

产生-3到3之间50个点

x=np.linspace(-3,3,50)  

定义函数

y1=2*x+1  y2=x**2  

绘制直线

plt.figure()  plt.plot(x,y1)  

曲线与直线绘制一块

# num=3表示图片上方标题 变为figure3，figsize=(长，宽)设置figure大小  plt.figure(num=3,figsize=(8,5))  plt.plot(x,y2)  # 红色虚线直线宽度默认1.0  plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')  plt.show()  

2.设置坐标轴

设置x轴范围

plt.xlim((-1,2))  

设置轴y范围

plt.ylim((-2,3))  

设置坐标轴含义

# 注：英文直接写，中文需要后面加上fontproperties属性  plt.xlabel(u'价格',fontproperties='SimHei')  plt.ylabel(u'利润',fontproperties='SimHei')  

设置x轴刻度

# -1到2区间，5个点，4个区间，平均分：[-1.,-0.25,0.5,1.25,2.]  new_ticks=np.linspace(-1,2,5)  print(new_ticks)  plt.xticks(new_ticks)  

设置y轴刻度

'''  设置对应坐标用汉字或英文表示，后面的属性fontproperties表示中文可见，不乱码，  内部英文$$表示将英文括起来，r表示正则匹配，通过这个方式将其变为好看的字体  如果要显示特殊字符，比如阿尔法，则用转意符alpha,前面的 表示空格转意  '''  plt.yticks([-2,-1.8,-1,1.22,3.],             ['非常糟糕','糟糕',r'$good alpha$',r'$really good$','超级好'],fontproperties='SimHei')  

设置边框/坐标轴

gca='get current axis/获取当前轴线'  ax=plt.gca()  # spines就是脊梁，即四个边框  # 取消右边与上边轴  ax.spines['right'].set_color('none')  ax.spines['top'].set_color('none')  

matlibplot并没有设置默认的x轴与y轴方向，下面就开始设置默认轴

ax.xaxis.set_ticks_position('bottom')  ax.yaxis.set_ticks_position('left')  

设置坐标原点

# 实现将(0,-1)设为坐标原点  # 设置y轴上-1为坐标原点的y点,把x轴放置再-1处  ax.spines['bottom'].set_position(('data',-1)) # 也可以是('axes',0.1)后面是百分比，相当于定位到10%处  # 设置x轴上0为坐标原点的x点，将y轴移置0处  ax.spines['left'].set_position(('data',0))  

再写一遍以下代码，因为以上使用set_position后，中文会显示不出来

plt.yticks([-2,-1.8,-1,1.22,3.],             ['非常糟糕','糟糕',r'$good alpha$',r'$really good$','超级好'],fontproperties='SimHei')  

显示图片

plt.show()  

3.Legend 图例

解释见1

import  matplotlib.pyplot as plt  import numpy as np  x=np.linspace(-3,3,50)  y1=2*x+1  y2=x**2  # 绘制直线  plt.figure()  plt.plot(x,y1)  # 曲线与直线绘制一块  # num=3表示图片上方标题 变为figure3，figsize=(长，宽)设置figure大小  plt.figure(num=3,figsize=(8,5))    # 设置x轴范围  plt.xlim((-1,2))  # 设置轴y范围  plt.ylim((-2,3))  # 设置坐标轴含义  # 注：英文直接写，中文需要后面加上fontproperties属性  plt.xlabel(u'价格',fontproperties='SimHei')  plt.ylabel(u'利润',fontproperties='SimHei')    # -1到2区间，5个点，4个区间，平均分：[-1.,-0.25,0.5,1.25,2.]  new_ticks=np.linspace(-1,2,5)  print(new_ticks)  plt.xticks(new_ticks)    plt.yticks([-2,-1.8,-1,1.22,3.],             ['非常糟糕','糟糕',r'$good alpha$',r'$really good$','超级好'],fontproperties='SimHei')  

设置legend图例

l1,=plt.plot(x,y2) # 可添加label属性，只不过如果这里添加了，下面legend再添加，下面的就会覆盖此处的！  # 红色虚线直线宽度默认1.0  l2,=plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')  '''  prop={'family':'SimHei','size':15}显示中文  legend(hadles=[,,],labels=[,,],loc='best/upper right/upper left/.../lower right')  handles就是你给他添加legend的线,如果要用handles，则前面的plt.plot，必须用l1,形式(不要忘记逗号)  此处labels会覆盖上述的plt.plot()的label  loc默认是best,给你放在一个合适的位置上，如果你拉伸弹框，位置会跟着变，自动放置合适位置  '''  plt.legend(handles=[l1,l2],prop={'family':'SimHei','size':15},loc='lower right',labels=['直线','曲线'])  

绘制

plt.show()  

4.Annotation 标注

见上述详解

import  matplotlib.pyplot as plt  import numpy as np  x=np.linspace(-3,3,20)  y=2*x+1  # 绘制直线  plt.figure(num=1,figsize=(8,5),)  plt.plot(x,y)  # gca='get current axis/获取当前轴线'  ax=plt.gca()  # spines就是脊梁，即四个边框  # 取消右边与上边轴  ax.spines['right'].set_color('none')  ax.spines['top'].set_color('none')  ax.xaxis.set_ticks_position('bottom')  ax.spines['bottom'].set_position(('data',-0)) # 也可以是('axes',0.1)后面是百分比，相当于定位到10%处  ax.yaxis.set_ticks_position('left')  ax.spines['left'].set_position(('data',0))  

绘制特定散点

x0=1  y0=2*x0+1  # plot散点图，上述plt.plot(x,y)变为plt.scatter(x,y)绘制出来就是散点图  # s代表大小，b代表blue  plt.scatter(x0,y0,s=50,color='b')  # 把两个点放进去plot一下，画出垂直于x轴的一条线，[x0,x0]表示两个点的x,[0,y0]表示两个点的y  

绘制(x0,y0)垂直于x轴的线

# k--表示黑色虚线，k代表黑色，--表示虚线,lw表示线宽  plt.plot([x0,x0],[0,y0],'k--',lw=2.5)  

添加注释 annotate

'''  其中参数xycoords='data' 是说基于数据的值来选位置, xytext=(+30, -30) 和 textcoords='offset points'  对于标注位置的描述 和 xy 偏差值, arrowprops是对图中箭头类型的一些设置.  '''    plt.annotate(r'$2x+1=%s$'%y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))  

添加注释 text

# 其中-3.7, 3,是选取text的位置, 空格需要用到转字符 ,fontdict设置文本字体.  plt.text(-3.7,3,r'$This is the some text.mu sigma_i alpha_t$',           fontdict={'size':'16','color':'red'})  plt.show()  

5.tick能见度

参考上面

import matplotlib.pyplot as plt  import numpy as np    x = np.linspace(-3, 3, 50)  y = 0.1*x    plt.figure()  # 设置 zorder 给 plot 在 z 轴方向排序  plt.plot(x, y, linewidth=10, zorder=1)  plt.ylim(-2, 2)  ax = plt.gca()  ax.spines['right'].set_color('none')  ax.spines['top'].set_color('none')  ax.spines['top'].set_color('none')  ax.xaxis.set_ticks_position('bottom')  ax.spines['bottom'].set_position(('data', 0))  ax.yaxis.set_ticks_position('left')  ax.spines['left'].set_position(('data', 0))  

调整坐标

# 对被遮挡的图像调节相关透明度，本例中设置 x轴 和 y轴 的刻度数字进行透明度设置  for label in ax.get_xticklabels()+ax.get_yticklabels():      label.set_fontsize(12)      '''      其中label.set_fontsize(12)重新调节字体大小，bbox设置目的内容的透明度相关参，facecolor调节 box 前景色，edgecolor 设置边框， 本处设置边框为无，alpha设置透明度.      '''      # 其中label.set_fontsize(12)重新调节字体大小，bbox设置目的内容的透明度相关参，facecolor调节 box 前景色，edgecolor 设置边框， 本处设置边框为无，alpha设置透明度.      label.set_bbox(dict(facecolor='white',edgecolor='none',alpha=0.7))  

绘制

plt.show()