一.matplotlib数据可视化

1.https://matplotlib.org/

2.figure图形窗口；figsize窗口大小，label轴标签；title标题；lim限制；plot绘图；subplot绘制子图；show显示；

bar柱状图；legend图例；width宽度；scatter散点图；axis坐标轴；等高线图contours；image图片；动画animation

figure--画板；axes--画布；

一.坐标轴

 import matplotlib.pyplot as plt

 import numpy as np

 x=np.linspace(-3,3,50)#生成-1到1的50个点，等差

 y1=2*x+1

 y2=x**2

 #创建一个新的窗口，绘制第一张图

 plt.figure()#创建一张新的figure，以下进行操作

 plt.plot(x,y1)#绘制图形

 #创建一个新的窗口，绘制第二张图

 plt.figure(num=3,figsize=(8,5))#num指明是第几张figure,figsize指明figure的长宽

 plt.plot(x,y2)#绘制图形

 plt.plot(x,y1,color='red',linewidth=10,linestyle='--')#在同样的figure窗口再绘一个图形，指明颜色，线宽，线的表示

 #设置x，y轴的范围

 plt.xlim(-1,2)

 plt.ylim(-2,3)

 #设置x，y轴的标签（说明）

 plt.xlabel('x lable')

 plt.ylabel('y lable')

 #设置x,y的范围以及单位轴长，以及程度标记

 new_ticks=np.linspace(-3,4,5)#-3到4 ，共5格

 print(new_ticks)

 plt.xticks(new_ticks)

 plt.yticks([-2,-1.8,1.22,3],

            ['$really\ bad$',r'$bad$',r'$normal\ alpha$','good','really good'])

 plt.show()#显示所有图形

 ----------------------------------------------------------------

 [-3.   -1.25  0.5   2.25  4.  ]

坐标轴

 import matplotlib.pyplot as plt

 import numpy as np

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

 y=x**2

 plt.figure()

 plt.plot(x,y)

 #gca='get current axis'得到现在的轴（四个边框）

 ax=plt.gca()

 ax.spines['right'].set_color('none')#去除右边的边框

 ax.spines['top'].set_color('none')#去除上面的边框

 ax.xaxis.set_ticks_position('bottom')#把下边的框代替x轴

 ax.yaxis.set_ticks_position('left')#把左边的框代替y轴

 ax.spines['bottom'].set_position(('data',-0.5))#把下边框（x轴）放在y轴-0.5的位置

 ax.spines['left'].set_position(('data',-0.5))#把左边框（y轴）放在x轴-0.5的位置

 plt.show()

设置坐标轴2

二.图例

 # legend图例

 import matplotlib.pyplot as plt

 import numpy as np

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

 y1=2*x+1

 y2=x**2

 plt.figure()

 plt.xlim(-3,5)

 plt.ylim(-3,5)

 plt.xlabel('x lable')

 plt.ylabel('y lable')

 #添加图例 lable

 l1,=plt.plot(x,y1,label='up')

 l2,=plt.plot(x,y2,color='red',linestyle='--',label='down')

 plt.legend(handles=[l1,l2],labels=['aaa','bbb'],loc='best')#添加图例:线、标签、位置(upper/right...)

 plt.show()

图例

三.注释

 import matplotlib.pyplot as plt

 import numpy as np

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

 y = 2*x + 1

 plt.figure(num=1, figsize=(8, 5),)

 plt.plot(x, y,)

 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))

 x0 = 1

 y0 = 2*x0 + 1

 plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)

 plt.scatter([x0, ], [y0, ], s=50, color='b')

 #添加文本注释

 # method 1:

 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"))

 #文本、文本指向的坐标(x0, y0)、arrowprops方向线

 # method 2:

 plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',

          fontdict={'size': 16, 'color': 'r'})

 plt.show()

 ---------------------------------------------------------------

注释

四.能见度

 #lick能见度

 import matplotlib.pyplot as plt

 import numpy as np

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

 y = 0.1*x

 plt.figure()

 plt.plot(x, y, linewidth=10, zorder=1)      # set zorder for ordering the plot in plt 2.0.2 or higher

 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))

 for label in ax.get_xticklabels() + ax.get_yticklabels():#拿出所有的label

     label.set_fontsize(12)#设置大小

     label.set_bbox(dict(facecolor='white', edgecolor='none', alpha=0.8, zorder=2))

     #把label加上边框（背景颜色:white，边框颜色:无，透明度：80%，)

 plt.show()

能见度

五.Scatter散点图

 import matplotlib.pyplot as plt

 import numpy as np

 n = 1024    # data size

 X = np.random.normal(0, 1, n)#随机生成1024个数

 Y = np.random.normal(0, 1, n)

 T = np.arctan2(Y, X)    # for color later on

 plt.scatter(X, Y, s=75, c=T, alpha=.5)#散点图

 #size/color/alpha透明度

 plt.xlim(-1.5, 1.5)#xlmit

 plt.xticks(())  # ignore xticks

 plt.ylim(-1.5, 1.5)

 plt.yticks(())  # ignore yticks

 plt.show()

散点图

六.柱状图bar

 import matplotlib.pyplot as plt

 import numpy as np

 n = 12

 X = np.arange(n)

 Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)

 Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)

 plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')#向上柱状图，主体颜色，边框颜色

 plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')#向下柱状图

 for x, y in zip(X, Y1):

     # ha: horizontal alignment 横向对齐

     # va: vertical alignment 纵向对齐

     plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')#加注释，在离柱顶（0.4,0.05）处传入y值

 for x, y in zip(X, Y2):

     # ha: horizontal alignment

     # va: vertical alignment

     plt.text(x + 0.4, -y - 0.05, '-%.2f' % y, ha='center', va='top')

 plt.xlim(-.5, n)

 # plt.xticks(())

 plt.ylim(-1.25, 1.25)

 plt.yticks(())#y轴隐藏

 plt.show()

柱状图

七.等高线图contours

 import matplotlib.pyplot as plt

 import numpy as np

 def f(x,y):

     # the height function计算高度

     return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2)

 n = 256

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

 y = np.linspace(-3, 3, n)

 X,Y = np.meshgrid(x, y)#把x，y绑定为网格

 # use plt.contourf to filling contours

 # X, Y and value for (X,Y) point

 plt.contourf(X, Y, f(X, Y), 1, alpha=.75, cmap=plt.cm.hot)#等高线设置

 #cmap对应颜色，热颜色'hot'/’cold‘,,8：分为8+2=10部分

 # use plt.contour to add contour lines

 C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)#等高线的线设置

 # adding label添加数字描线

 plt.clabel(C, inline=True, fontsize=10)#等高线，线里面，大小

 plt.xticks(())

 plt.yticks(())

 plt.show()

等高线

八.image图片

 import matplotlib.pyplot as plt

 import numpy as np

 # image data

 a = np.array([0.313660827978, 0.365348418405, 0.423733120134,

               0.365348418405, 0.439599930621, 0.525083754405,

               0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)

 #通过图片展示数据

 plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')

 #展示图片（origin：位置。。。）

 plt.colorbar(shrink=.92)#颜色对应参数，（压缩92%）

 plt.xticks(())

 plt.yticks(())

 plt.show()

 -----------------------------------------------

图片

九.3d图像

 import numpy as np

 import matplotlib.pyplot as plt

 from mpl_toolkits.mplot3d import Axes3D#导入3d模块

 fig = plt.figure()#定义一个窗口

 ax = Axes3D(fig)#在窗口中创建一个3d的图

 # X, Y value

 X = np.arange(-4, 4, 0.25)

 Y = np.arange(-4, 4, 0.25)

 X, Y = np.meshgrid(X, Y)#网格

 R = np.sqrt(X ** 2 + Y ** 2)

 # height value高度

 Z = np.sin(R)

 ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))

 #（x，y，z，行跨度，列跨度，颜色彩虹）

 ax.contour(X,Y,Z,zdir='z',offset=-2,camp='rainbow')

 #等高线（x，y，z，从z轴压下去，放在z=-2的位置）

 ax.set_zlim(-2, 2)

 plt.show()

3d

十.多合一

 import matplotlib.pyplot as plt

 plt.figure(figsize=(6, 4))#创建一个figure

 # plt.subplot(n_rows, n_cols, plot_num)

 plt.subplot(2, 2, 1)#把figure分成两行两列，第一张图

 plt.plot([0, 1], [0, 1])#画线

 plt.subplot(222)#figure两行两列，第二张图

 plt.plot([0, 1], [0, 2])

 plt.subplot(223)

 plt.plot([0, 1], [0, 3])

 plt.subplot(224)

 plt.plot([0, 1], [0, 4])

 plt.tight_layout()

 # example 2:

 ###############################

 plt.figure(figsize=(6, 4))

 # plt.subplot(n_rows, n_cols, plot_num)

 plt.subplot(2, 1, 1)

 # figure splits into 2 rows, 1 col, plot to the 1st sub-fig

 plt.plot([0, 1], [0, 1])

 plt.subplot(234)

 # figure splits into 2 rows, 3 col, plot to the 4th sub-fig

 plt.plot([0, 1], [0, 2])

 plt.subplot(235)

 # figure splits into 2 rows, 3 col, plot to the 5th sub-fig

 plt.plot([0, 1], [0, 3])

 plt.subplot(236)

 # figure splits into 2 rows, 3 col, plot to the 6th sub-fig

 plt.plot([0, 1], [0, 4])

 plt.tight_layout()

 plt.show()

多合一

 import matplotlib.pyplot as plt

 import matplotlib.gridspec as gridspec

 # method 1: subplot2grid

 ##########################

 plt.figure()#创建一个figure

 ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)#ax1：在整个figure（3,3），在（0,0）作图，跨度3个图

 #colspan行跨度，rowspan列跨度

 ax1.plot([1, 2], [1, 2])#在ax1上作图

 ax1.set_title('ax1_title')#设置标题

 ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)

 ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)

 ax4 = plt.subplot2grid((3, 3), (2, 0))

 ax4.scatter([1, 2], [2, 2])#在ax4上画散点图

 ax4.set_xlabel('ax4_x')

 ax4.set_ylabel('ax4_y')

 ax5 = plt.subplot2grid((3, 3), (2, 1))

 # method 2: gridspec

 #########################

 plt.figure()

 gs = gridspec.GridSpec(3, 3)#定义（3,3）的图

 # use index from 0

 ax6 = plt.subplot(gs[0, :])

 ax7 = plt.subplot(gs[1, :2])

 ax8 = plt.subplot(gs[1:, 2])

 ax9 = plt.subplot(gs[-1, 0])

 ax10 = plt.subplot(gs[-1, -2])

 # method 3: easy to define structure

 ####################################

 f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)

 #sharex，sharey共享x，y轴，定义一个（2,2）的figure,并给出格式(ax11, ax12), (ax13, ax14))

 ax11.scatter([1,2], [1,2])

 plt.tight_layout()

 plt.show()

 ---------------------------------------------------

多合一

十一.图中图

 #图中图

 import matplotlib.pyplot as plt

 fig = plt.figure()

 x = [1, 2, 3, 4, 5, 6, 7]

 y = [1, 3, 4, 2, 5, 8, 6]

 # below are all percentage

 left, bottom, width, height = 0.1, 0.1, 0.8, 0.8#左，下的宽度，高度

 ax1 = fig.add_axes([left, bottom, width, height])  # main axes

 ax1.plot(x, y, 'r')

 ax1.set_xlabel('x')

 ax1.set_ylabel('y')

 ax1.set_title('title')

 #添加另一个图

 ax2 = fig.add_axes([0.2, 0.6, 0.25, 0.25])  # inside axes

 #左，下，宽，高，：20%，60%，25%，25%

 ax2.plot(y, x, 'b')

 ax2.set_xlabel('x')

 ax2.set_ylabel('y')

 ax2.set_title('title inside 1')

 #添加另一个图

 # different method to add axes

 ####################################

 plt.axes([0.6, 0.2, 0.25, 0.25])

 plt.plot(y[::-1], x, 'g')

 plt.xlabel('x')

 plt.ylabel('y')

 plt.title('title inside 2')

 plt.show()

 -

图中图

十二.次坐标轴

 #次坐标轴

 import matplotlib.pyplot as plt

 import numpy as np

 x = np.arange(0, 10, 0.1)

 y1 = 0.05 * x**2

 y2 = -1 *y1

 fig, ax1 = plt.subplots()#创建一个figure，ax1是里面的子图

 ax2 = ax1.twinx()    # mirror the ax1   把y轴镜面反射

 ax1.plot(x, y1, 'g-')

 ax2.plot(x, y2, 'b-')

 ax1.set_xlabel('X data')

 ax1.set_ylabel('Y1 data', color='g')

 ax2.set_ylabel('Y2 data', color='b')

 plt.show()

次坐标轴

十三.动画animation

 import numpy as np

 from matplotlib import pyplot as plt

 from matplotlib import animation#动画模块

 fig, ax = plt.subplots()

 x = np.arange(0, 2*np.pi, 0.01)

 line, = ax.plot(x, np.sin(x))

 def animate(i):#更新的方式

     line.set_ydata(np.sin(x + i/10.0))  # update the data

     return line,

 def init():#初始帧

     line.set_ydata(np.sin(x))

     return line,

 #产生动画（fig=fig，func：更新函数，frames：总共帧，init_func：初始帧，interval：频率，blit=False：无论点变化或不变化，都更新）

 ani = animation.FuncAnimation(fig=fig, func=animate, frames=100, init_func=init,

                               interval=20, blit=False)

 plt.show()

动画

python3 matplotlib的更多相关文章

  1. Python3 matplotlib的绘图函数subplot()简介

    Python3 matplotlib的绘图函数subplot()简介 一.简介 matplotlib下, 一个 Figure 对象可以包含多个子图(Axes), 可以使用 subplot() 快速绘制 ...

  2. Python3 matplotlib.pyplot 中文乱码 多个直线图 添加图例

    #import之后 font = { 'family' : 'SimHei' } matplotlib.rc('font', **font) # -*- coding:utf-8 -*- import ...

  3. python matplotlib数据可视化

    #基于python3 Matplotlib构建的3D图形: 使用pycharm的小伙伴把sciview给关掉: 因为sciview显示的是png图片.3d图形一般我们都需要拖拖拽拽的. 参见: htt ...

  4. centos7虚拟机下python3安装matplotlib遇到的一些问题

    1.安装位置 centos7虚拟机+python3.6 2.问题 2.1如果是使用的python2版本可以使用如下方式, #yum search matplotlib 返回如下: 已加载插件:fast ...

  5. Windows系统中python3.7安装数据可视化模块Matplotlib、numpy的各种方法汇总

    安装环境:Windows10 64位Python3.7 32位 确保已经安装PIP工具命令窗口输入PIP出现以下窗口说明PIP已经成功安装 方法1:(1)在Matplotlib的官网下载电脑对应的版本 ...

  6. Python3+pdfminer+jieba+wordcloud+matplotlib生成词云（以深圳十三五规划纲要为例）

    一.各库功能说明 pdfminer----用于读取pdf文件的内容,python3安装pdfminer3k jieba----用于中文分词 wordcloud----用于生成词云 matplotlib ...

  7. OS X(10.10) python3.4 matplotlib的安装

    最近在用python做一些数据处理相关的工作,当然少不了matplotlib这个模块.之前在windows下分分钟安装成功,结果到了mac下死活编译不过去. 最后还是在stackoverflow上找到 ...

  8. python3 使用matplotlib画图出现中文乱码的情况

    python3使用matplotlib画图,因python3默认使用中unicode编码,所以在写代码时不再需要写 plt.xlabel(u’人数’),而是直接写plt.xlabel(‘人数’). 注 ...

  9. Python3.x（windows系统）安装matplotlib库

    Python3.x(windows系统)安装matplotlib库 cmd命令: pip install matplotlib 执行结果:

随机推荐

  1. 慕课零基础学java语言翁恺老师——第一周编程题

    温度转换(5分) 题目内容: 写一个将华氏温度转换成摄氏温度的程序,转换的公式是: °F = (9/5)*°C + 32 其中C表示摄氏温度,F表示华氏温度. 程序的输入是一个整数,表示华氏温度.输出 ...

  2. java输入输出 -- java NIO之文件通道

    一.简介 通道是 Java NIO 的核心内容之一,在使用上,通道需和缓存类(ByteBuffer)配合完成读写等操作.与传统的流式 IO 中数据单向流动不同,通道中的数据可以双向流动.通道既可以读, ...

  3. Java：HashMap的实现原理（JDK1.8）

    1.    HashMap概述: HashMap是基于哈希表的Map接口的非同步实现.此实现提供所有可选的映射操作,并允许使用null值和null键.此类不保证映射的顺序,特别是它不保证该顺序恒久不变 ...

  4. 题目21 包含Min函数的栈

    ///////////////////////////////////////////////////////////////////////////////////// // 3. 题目21  包含 ...

  5. LC 206. Reverse Linked List

    题目描述 Reverse a singly linked list. Example: Input: 1->2->3->4->5->NULL Output: 5-> ...

  6. CSP-S初赛

    初赛都过了好几天了,现在才想起来写点关于初赛的博客也真是...... 我是福建人,是在福建的赛点参加的CSP-S组的初赛,能力其实很弱,估分只能60多一点点.真是害怕一不小心这篇博客就变成了我的退役博 ...

  7. Excel常见文本清洗函数

    1.=LEFT(text,[num_chars]) ​ 函数RIGHT具有相似功能 例如选出K列中,从左数前一个字符:= LEFT(k2,1) 2.=FIND(find_text,within_tex ...

  8. oracle经典查询语句

    1. select * from emp;   2. select empno, ename, job from emp;   3. select empno 编号, ename 姓名, job 工作 ...

  9. 图像人脸检测+人眼检测 (opencv + c++)

    摘要:实现图像中人脸检测,和人眼定位.输出检测标记图像和定位坐标. 工具:vs2015 opencv3  C++ 资源:haarcascade_frontalface_alt2.xml;haarcas ...

  10. go语言基础学习网址

    go指南 http://tour.studygolang.com/welcome/1