matplotlib中常用函数

1、精选优质文档-倾情为你奉上matplotlib中常用函数· 散点图· 柱状图· 等高线· matplotlib绘制3D图· 子图像· 动态图常见设置一、设置坐标轴1. # x轴和y轴的值域2. plt.xlim(-1,2)3. plt.ylim(-2,3)4. 5. # color为线的颜色，linewidth为线宽度，linestyle为样式（-为实线，-为虚线）6. plt.plot(x,y,color='red',linewidth=1.0,linestyle='')7. 8. plt.figur

2、e #绘制一个新画布9. plt.figsize #花布尺寸10. 11. # x和y轴12. plt.xtick()13. plt.ytick()14. 例如：15. plt.xticks(new_ticks) #new_ticks 为-2，2分成十一等份16. plt.yticks(-1,0,1,2,3,17. 'level2','level2','level3','level4','level5') 二、·1. plt.gca #获取当前的坐标轴2. spines'right

3、9;.set_color('red) #右边框为红色3. # 分别把x轴与y轴的刻度设置为bottom与left4. xaxis.set_ticks_position('bottom')5. yaxis.set_ticks_position('left)6. # 分别v把bottom和left类型设置为data，交点为（0，0）7. spines'bottom'.set_position('data',0)8. spines'left'.set_position('data',0)9. 10. 11

4、. 例如：12. ax = plt.gca()13. ax.spines'right'.set_color(red')14. ax.spines'top'.set_color(red)三、15. l1, = plt.plot(x,y1,color='red',linewidth=1.0,linestyle='') #设置两条线为l1,l2 注：应该在后面加上，16. l2, = plt.plot(x,y2,color="blue",linewidth=5.0,linestyle="-"

5、;)17. plt.legend(handles=l1,l2,labels='test1','test2',loc='best) #将l1，l2绘制于一张图中，其中名字分别是l1，l2，位置自动取在最佳位置设置备注18. x0 = 0.519. y0 = 2*x0 + 120. # 画点21. plt.scatter(x0,y0,s=50,color='blue')22. # 画虚线23. plt.plot(x0,x0,y0,0,'k-',lw=2)#x0,x0,y0,0代表x0，y0点作虚线交于x0，0 k-代表颜色的虚

6、线,lw代表宽度24. plt.annotate(r'$2x+1=%s$' % y0,xy=(x0,y0),xytext=(+30,-30),textcoords='offset points',fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')25. #xy=(x0,y0)指在x0，y0点，xytext=(+30,-30)指在点向右移动30，向下移动30,textcoords='offset points'指以

7、点为起点26. #arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')指弧度曲线， .2指弧度27. plt.text(-2,2,r'$This is the text$',fontsize=16,color='red) #-2,2指从-2，2开始写散点图28. x = np.random.normal(0,1,500)29. y = np.random.normal(0,1,500)30. plt.scatter(x,y,s=50,color='blu

8、e',alpha=0.5) #s指点大小，alpha指透明度31. plt.show()柱状图32. x = np.arange(10)33. y = 2*x + 1034. plt.bar(x,y,facecolor='#9999ff',edgecolor='white')#柱颜色，柱边框颜色35. for x,y in zip(x,y):#zip指把x，y结合为一个整体，一次可以读取一个x和一个y36. plt.text(x,y,'%.2f' % y,ha='center',va='bottom')#指

9、字体在中间和柱最顶的顶部37. plt.show()等高图38. def f(x,y):39. #用来生成高度40. return (1-x/2+x*5+y*3)*np.exp(-x*2-y*2)41. 42. x = np.linspace(-3,3,100)43. y = np.linspace(-3,3,100)44. 45. X,Y = np.meshgrid(x,y)#将x，y指传入网格中46. plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)#8指图中的8+1根线，绘制等温线，其中cmap指颜色47. 48. C = plt

10、.contour(X,Y,f(X,Y),8,colors='black',linewidth=.5)#colors指等高线颜色49. plt.clabel(C,inline=True,fontsize=10)#inline=True指字体在等高线中50. 51. plt.xticks()52. plt.yticks()53. plt.show()matplotlib绘制3D图54. from mpl_toolkits.mplot3d import Axes3D#动态图所需要的包55. fig = plt.figure()56. ax = Axes3D(fig)57. 58. x

11、 = np.arange(-4,4,0.25)#0.25指-4至4间隔为0.2559. y = np.arange(-4,4,0.25)60. X,Y = np.meshgrid(x,y)#x，y放入网格61. R = np.sqrt(X*2 + Y*2)62. Z = np.sin(R)63. 64. ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')#rstride=1指x方向和y方向的色块大小65. ax.contourf(X,Y,Z,zdir='z',offset=

12、-2,cmap='rainbow')#zdir指映射到z方向，-2代表映射到了z=-266. ax.set_zlim(-2,-2)67. 68. plt.show()子图像69. plt.figure()70. plt.subplot(2,2,1)#建立一个两行两列的画布，第一个71. plt.plot(0,1,0,1)72. plt.subplot(2,2,2)#第二个73. plt.plot(0,1,0,1)74. plt.subplot(2,2,3)#第三个75. plt.plot(0,1,0,1)76. plt.subplot(2,2,4)#第四个77. plt.plo

13、t(0,1,0,1)78. plt.show()79. plt.figure()80. plt.subplot(2,1,1)#建立一个两行两列的画布，第一个81. plt.plot(0,1,0,1)82. plt.subplot(2,3,4)#第二个83. plt.plot(0,1,0,1)84. plt.subplot(2,3,5)#第三个85. plt.plot(0,1,0,1)86. plt.subplot(2,3,6)#第四个87. plt.plot(0,1,0,1)88. plt.show()动态图89. from matplotlib import animation#动态图所需要

14、的包90. fig,ax = plt.subplots()#子图像91. x = np.arange(0,2*np.pi,0.01)92. line, = ax.plot(x,np.sin(x)93. 94. def animate(i):95. line.set_ydata(np.sin(x+i/10)#用来改变的y对应的值96. return line,97. def init():98. line.set_ydata(np.sin(x)#动态图初始图像99. return line,100. 101. ani = animation.FuncAnimation(fig=fig,func=

15、animate,init_func=init,interval=20)#动态作图的方法，func动态图函数，init_func初始化函数，interval指图像改变的时间间隔102. plt.show()注：若想看动态效果请在ipython中使用使用颜色映射颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值。1. import matplotlib.pyplot as plt 2. 3. x_values = list(range(1001) 4. y_value

16、s = x*2 for x in x_values 5. 6. plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolor='none', s=40)数据分析 matlab Numpy + scipy + pandas +matplotlib 数据计算 +科学应用数据清洗数据可视化Numpy概述基于c语言的python接口的数值算法库开源免费弥补了python语言在数值计算方面的短板作为常用科学计算工具的底层支撑Numpy的性能简化代码编写，提高开发效率通过优化底层实现，提高运行速度 基础：数

17、组Numpy中的数组是ndarray类实例化的对象： 实例数据：数组的内容 元数据：对数组的描述 大部分对数组的操作仅仅是对元数据的操作，以此提高执行性能Numpy中的数组必须是同质的，即所有元素的数据类型必须完全相同dtype和shape属性分别表示元素类型和维度实例化 np.arange(起始值，终止值，步长) 默认起始值0 默认步长：1 np.array(任何可被解释为数组的序列)类型转换astype(目标类型)->转换后的新数组'<U21' 表示字符串，其中每个字符都是小端字节序的21位Unicode字符多维数组和元素索引 数组的维度表示为一个元组:(高维度

18、数->低维度数) 一维数组，6个元素:（6，） 二维数组，2行3列：（2，3） 三维数组，2页3行4列：（2，3，4）通过下标运算符访问数组中的元素数组页标行标列标数据类型 存储形式，处理方式内置类型 布尔型 bool_ : True/False 整型 有符号 ：int8/int16/int32/int64 无符号 : uint8/uint16/uint32/uin64 浮点型： float16/float32/float64 复数型 ：complex64/complex128复合类型 有多个相同或不同类型的字段组合而成的类型 np.array(.,dytpe=复合类型)类型字符码 bo

19、ol_:? 有符号整型：i1/2/4/8 无符号整型：u1/2/4/8 浮点型： f2/4/8 复数型：c8/16 字符串:U<字符数> 日期时间：M 字节序(针对多字节整型)：</>/=表示小端/大端/硬件切片 数组起始：终止：步长 默认起始：首（正步长）/尾(负步长) 默认终止：尾后(正步长)/首前 默认步长:1变维视图变维：元数据独立，实际数据共享数组.reshape(新维度) ->新数组 元素数和维度数必须匹配数组.ravel() -> 得到的是一维数组复制变维：元数据和实际数据都是独立的 数组.flatten() ->一维数组 （数组运算不会

20、改变）就地变维：修改元数据的值（维度信息，不会产生新的数组对象） 数组.shape = 新维度 数组.resize(新维度) 组合拆分垂直组合：沿着垂直方向组合两个小的同维数组为一个大数组 np.vstack(上，下) np.concatenate(上，下),axis=0) axis : 轴向，用维度的下标表示 0为行，1为列水平组合：沿着水平方向组合两个小的同维数组为一个大数组 np.hstack(左，右) np.concatenate(左，右),axis=1)深度组合:沿着纵深方向组合两个小的同维数组为一个大数组 np.dstack(前，后) 会升维行组合：以两个一维数组按照行的方式组合成

21、一个二维数组 np.row_stack(上，下)列组合：以两个一维数组按照列的方式组合成一个二维数组 np.column_stack(左,右)垂直拆分：将一个大的数组沿着垂直方向拆分成若干个小的同维数组 np.vsplit(被拆分数组，拆分份数) np.split(被折分数组，拆分份数，axis=0)水平拆分：将一个大的数组沿着水平方向拆分成若干个小的同维数组 np.hsplit(被折分数组，拆分份数) np.split(被折分数组，拆分份数，axis=1)深度拆分：将一个大的数组沿着纵深方向拆分成若干个小的同维数组 np.dsplit(被拆分数组，拆分份数)ndarray的属性 dtype

22、-元素的数据类型 shape - 数组的维度 ndim - 数组的维数，len(shape) size - 数组的元素数,shape中元素相乘 itemsize - 元素字节数，与dtype相关 nbytes - 总字节数，size x itemsize T - 转置视图 real - 复数数组的实部视图 imag - 复数数组的虚部视图 flat - 扁平迭代器ndarray <=>list np.array(列表) 二：数据可视化(Matplotlib)基本绘图 plot(水平坐标，垂直坐标)线型，线宽和颜色 plot(.,linestyle=线型，linewidth=线宽，c

23、olor=颜色,.) 线形:-/-/:./o/o-/. 线宽：0-oo color:dodgerblue/orangeered/limegreen/red/blue/.设置坐标范围 xlim(水平坐标最小值，水平坐标最大值) ylim(水平坐标最大值，水平坐标最大值) 坐标范围越大，图形越小，反而反之。设置坐标刻度 xticks(水平轴刻度位置) yticks(垂直轴刻度位置) 表示数学的字符pi( r'$-pi$' ) 表示数学2分之pi ( r'$-fracpi2$' )设置坐标轴属性 ax = gca() # 获取当前坐标轴图 ax.spines'

24、left' - 左纵轴 ax.spines'left'.set_position('data', 0) ax.spines'right' - 右纵轴 ax.spines'top' - 上横轴 ax.spines'bottom' - 下横轴 XX轴.set_position(坐标系，坐标值) #设置位置 XX轴.set_color(颜色) #设置颜色 ax.spines'top'.set_color('none')图例 plot(.,label=图例标签,.) legend(l

25、oc=显示位置)添加特点 scatter(水平坐标，垂直坐标，s=大小,marker=点型, edgecolor=边缘色,facecolor=填充色,zorder=Z顺序)备注 annotate( 备注文本， xy =目标坐标， xycoords =目标坐标系, xytext=文本坐标， textcoords=文本坐标系, fontsize=字体大小, arrowprops=箭头属性)图形(窗口)对象 figure(窗口名(标题栏文本),figsize=大小，dip=分辨率,facecolor=颜色) 如果与指定窗口名对应的图形对象不存在，那么就新建一个图形窗口，如果已存在，那么不会再新建图形

26、窗口，而是将已存在的那个图形窗口设置为当前窗口 title(窗口标题,fontsize=字体大小) xlabel（垂直轴标签,fontsize=字体大小） tick_params(labelsize=刻度标签字体大小) grid(linestyle=网格线型)子坐标图矩阵布局 subplot(行数，列数，图号) tight_layout() #紧凑布局删格布局 删格定位器 = mp.GridSpec(行数，列数) subplot(删格定位器行，列自由布局 axes(左，底，宽，高) # 归一化单位刻度定位器 xxxLocator(定位规则) ax = gca() ax.xaxis 水平坐标 a

27、x.yaxis 垂直坐标 坐标轴.set_major_locator(刻度定位器) #主刻度 坐标轴.set_minor_locator(刻度定位器) #次刻度 mp.axis('off') #关闭坐标轴区域填充 fill_between(水平坐标，起点垂直坐标，终点垂直坐标，color=颜色,alpha=透明度 )条形图 bar(水平坐标，绝对高度，相对宽高,color=颜色,label=图例标签，alpha=透明度)饼图 pie(值数组，间隙数组，标签数组，颜色数组,shadow =是否带阴影，startangle=起始角度)等高线图 contour(点阵X坐标矩阵，点阵Y

28、坐标矩阵，点阵Z坐标矩阵，梯度数,colors=颜色,linewidths=线宽)热力图网格线 ax = gca() ax.grid(which="major/minor",axis='x/y/both')半对数坐标 semi(同plot)极坐标 gca(projection='polar') #创建极坐标图 plot/scatter(极角，极径)三维坐标系 from mp;_toolkits.mplot3d import axes3d三维散点 ax.scatter(x坐标，Y坐标，Z坐标，s= 大小，marker=点形 ， edgecolor=边缘色，fancecolor=填充色， zorder=Z顺序)空间曲面 ax.plot_surface(点阵X坐标，点阵Y坐标矩阵，点阵Z坐标矩阵，rstride=行跨距， cstride=列跨距，cmap=颜色映射) ax.plot_wireframe(点阵X坐标矩阵，点阵Y坐标矩阵，点阵Z坐标矩阵， rstride=行跨距，cstride=列跨距，linewidth=线宽，color=颜色)matplotlib.pyplot contourf coutour(X, Y, Z,levels, *kwarg