Python可视化——matplotlib.pyplot绘图的基本参数详解
2022/1/30 17:11:37
本文主要是介绍Python可视化——matplotlib.pyplot绘图的基本参数详解,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
目录
1.matplotlib简介
2.图形组成元素的函数用法
plot():展示变量的趋势变化
2.1. figure():背景颜色
2.2 xlim()和 ylim():设置 x,y 轴的数值显示范围
2.3 xlabel()和 ylabel():设置 x,y 轴的标签文本
2.4 grid():绘制刻度线的网格线
2.5 axhline():绘制平行于 x 轴额度水平参考线
2.6 axvspan():绘制垂直于 x 轴的参考区域
2.7 xticks(),yticks()
2.8 annotate():添加图形内容细节的指向型注释文本
2.9 bbox:给标题增加外框
2.10 . text():添加图形内容细节的无指向型注释文本(水印)
2.11. title():添加图形内容的标题
2.12. legend():标示不同图形的文本标签图例
2.13 table():向子图中添加表格
3. 完整代码显示
4.折线图的线条风格
5. 常用颜色缩写
6.总结
1.matplotlib简介
matplotlib 库是 Python 中绘制二维和三维图表的数据可视化工具
特点:
使用简单绘图语句实现复杂绘图效果
以交互式操作实现渐趋精细的图形效果
使用嵌入式 LaTex 输出具有印刷级别的图表、科学表达式和符号文本
对图表的组成元素实现精细化控制
三种绘图接口
pyplot:面向当前图
axes:面向对象
Pylab:沿用 matlab 风格
本篇文章使用plot绘图(展示变量的趋势变化 )展示绘图的基本参数,使用numpy库获得绘图数据(随机),最后出来的图形并非经过仔细思考,一切以展示图形参数为主!!!
使用的库:
import matplotlib.pyplot as plt import numpy as np
2.图形组成元素的函数用法
plot():展示变量的趋势变化
使用方法:plt.plot(x, y, c,ls, lw, label, alpha, **kwargs) x,y:x,y 轴上的数值 c:设置颜色 ls:折线图的线条风格 lw:折线图的线条宽度 label:标记图形内容的标签文本 alpha:透明度 **kwargs:指定使用的是 line2D 属性2.1. figure():背景颜色
使 用 方 法 : figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=Figure, clear=False, **kwargs) num : 如果此参数没有提供,则一个新的 figure 对象将被创建,同时增加 figure 的计数数值,此数值被保存在 figure 对象的一个数字属性当中。如果有此参数,且存在对应 id 的 figure 对象,则激活对于 id 的 figure 对象。如果对应 id 的 figur 对象不存在,则创建它并返回它。如果 num 的值是字符串,则将窗口标题设置为此字符串 figsize: 以英寸为单位的宽高,缺省值为 rc figure.figsize (1 英寸等于 2.54 厘米) dpi: 图形分辨率,缺省值为 rc figure.dpi facecolor: 背景色plt.figure(figsize=(10, 10)) x = np.linspace(0.05, 10, 1000) # 在0.05到10的区间中,等差选取1000个,端点不属于 y = np.sin(x) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.plot(x, y, color='red', ls='-', label='sinx') plt.show()
2.2 xlim()和 ylim():设置 x,y 轴的数值显示范围
使用方法:plt.xlim(xmin,xmax) xmin:x 轴上的最小值 xmax:x 轴上的最大值2.3 xlabel()和 ylabel():设置 x,y 轴的标签文本
使用方法:plt.xlabel(fontsize, verticalalignment, horizontalalignment, rotation, bbox) fontsize:数字或者(small,large,medium) verticalalignment:距离坐标轴的位置(top,bottom,center,baseline) hoizontalalignment:位置(center,right,left) ratation:位置(vertical,horizontal,vertical) bbox:添加边框2.4 grid():绘制刻度线的网格线
使用方法:plt.grid(linestyle, color)
2.5 axhline():绘制平行于 x 轴额度水平参考线
使用方法:plt.axhline(y, c, ls, lw, label) y:水平参考线的出发点plt.figure(figsize=(10, 10)) x = np.linspace(0.05, 10, 1000) # 在0.05到10的区间中,等差选取1000个,端点不属于 y = np.sin(x) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.plot(x, y, color='red', ls='-', label='sinx') plt.xlim(1, 10) plt.ylim(-1, 1) plt.xlabel('x轴') plt.ylabel('y轴') plt.grid(ls=':', color='blue') # 设置网格,颜色为蓝色 plt.axhline(0.5, color='green', lw=2, label="分割线") # 绘制平行于x轴的水平参考线,绿色,名称 plt.show()
(上图中绿色的线即为axjline()添加的参考线)
2.6 axvspan():绘制垂直于 x 轴的参考区域
使用方法:plt.axvspan( xmin, xmax ,facecolor, alpha) xmin:参考区域的起始位置 xmax:参考区域的终止位置 facecolor:参考区域的填充颜色 alpha:参考区域填充颜色的透明度,[0~1] 其使用方法也可以用在 axhspan()上 在上一段代码添加plt.axvspan(xmin=2, xmax=5, facecolor='r', alpha=0.2) # 绘制垂直于x轴的参考区域
即得到(注意:此段是区域)
2.7 xticks(),yticks()
获取或设置当前 x 轴或 y 轴刻度位置和标签(即设置 x 或 y 轴的标 签)
可以理解为设置xilim和ylim一样的效果,但可以指定范围和距离
plt.xticks(list(range(0, 12, 1))) # 调整刻度范围和刻度标签
注意看x轴,从原来的0~10到现在的0~11,可以通过设置第三个参数设置步长,这里设置为1
2.8 annotate():添加图形内容细节的指向型注释文本
函数方法:plt.annotate()
s:注释文本内容
xy:被注释的坐标点
xytext:注释文字的坐标位置 weight:设置字体线形(Ultralight,light,normal,regular,book,medium,roman,semibold,demibold,demi,bold,heavy,extrabold,black) color:设置字体颜色;也可以设置 RGB 或 RGBA 类型的颜色;但必须为[0,1]之间的浮点 数 xycoords= 参数如下 figure points:图左下角的点 figure pixels:图左下角的像素 figure fraction:图的左下部分 axes points:坐标轴左下的点 axes pixels:坐标轴左下的像素 data:使用被注释对象的坐标系统 arrowprops:箭头参数,参数类型为字典 dict width:箭头的宽度 headwidth:箭头底部以点为单位的宽度 headlength:箭头的长度 shrink:总长度的一部分,从两端“收缩” facecolor:箭头颜色(如果设置了 arrowstyle 关键字,上面的参数都不可以用,可 以用这些: - -> -[ |-| -|> <-> <|- <|-|> fancy simple wedge)plt.annotate('local', xy=(2, 1), xytext=(0.5, 0.5), weight='bold', color='red', xycoords="data", arrowprops= dict(arrowstyle="->", connectionstyle='arc3', color='b'), bbox= dict(boxstyle="rarrow", pad=0.6, fc="yellow", ec='k', lw=1, alpha=0.5) )
这里的黄色箭头和蓝色细长线即为参数方法添加的参数,实际使用过程中根据自己的实际所需使用,可以认为添加对图像的一些解释
2.9 bbox:给标题增加外框
(boxstyle:方框外形;circle:椭圆;darrow:双向箭头;larrow:箭头向左;rarrow:箭
头向右;round:圆角矩形;round4:椭长方形;roundtooth:波浪形边框 1;sawtooth:
波浪形边框 2;square:长方形)2.10 . text():添加图形内容细节的无指向型注释文本(水印)
函数方法:plt.text() x,y:表示坐标轴上的值 weight: ultralightlight normal regular book medium roman semibold demibold demi bold heavy extrabold black xycoodrds: figure points:图左下角的点 figure pixe ls:图左下角的像素 figure fraction:图的左下部分 axes points:坐标轴左下的点 axes pixels:坐标轴左下的像素 data:使用被注释对象的坐标系统 arrowprops:箭头参数,参数类型为字典 dict width:箭头的宽度 headwidth:箭头底部以点为单位的宽度 headlength:箭头的长度 shrink:总长度的一部分,从两端“收缩” facecolor:箭头颜色 bbox:给标题增加外框 boxstyle:方框外形 circle:椭圆 darrow:双向箭头 larrow:箭头向左 rarrow:箭头向右 round:圆角矩形 round4:椭长方形 roundtooth:波浪形边框 1 sawtooth:波浪形边框 2 square:长方形plt.text(1, 1, "y=sinx", weight='bold', color ='b')
这里设置在坐标(1,1)上,即文字下面y=sinx的蓝色字段
2.11. title():添加图形内容的标题
plt.title("正弦函数")
2.12. legend():标示不同图形的文本标签图例
使用方法:plt.legeng()
图例在图中的地理位置: best upper right upper left lower left lower right right center left center right lower center upper center centerplt.legend(loc="lower left") # 设置图例位置
2.13 table():向子图中添加表格
plt.table(cellText=None, cellColours=None, cellloc='right' ,colWidths=None, rowLabels=None, rowColours=None, collLabels=None, colColours=None, collloc='center', loc='bpttpm', bbox=None, edges='closed', **kwargs) cellText:表格单元格文本。类型为二维字符串列表 cellColours:表格单元格背景色。类型为二位颜色值列表 cellloc:表格单元格文本的对齐方式。默认值为right left right center colWidths:表格单元格宽度。类型为浮点数列表 rowLabels:表格行表头文本。类型为字符串列表 rowColours:表格行表头背景色。类型为颜色列表 colLabels:表格列表头文本。类型为字符串列表 colLoc:表格行表头文本对齐方式。默认 right left right center colColours:表格列表头背景色。类型为颜色列表 loc:单元格相对于子图的位置 bbox:绘制表格的边界框,如果此参数不为 None,将会覆盖 loc 参数 edges:单元格边线,该属性会影响各类单元格背景色 BRTL open closed horizontal vertical3. 完整代码显示
import matplotlib.pyplot as plt import numpy as np plt.figure(figsize=(10, 10)) x = np.linspace(0.05, 10, 1000) # 在0.05到10的区间中,等差选取1000个,端点不属于 y = np.sin(x) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.plot(x, y, color='red', ls='-', label='sinx') plt.xlim(1, 10) plt.ylim(-1, 1) plt.xlabel('x轴') plt.ylabel('y轴') plt.grid(ls=':', color='blue') # 设置网格,颜色为蓝色 plt.axhline(0.5, color='green', lw=2, label="分割线") # 绘制平行于x轴的水平参考线,绿色,名称 plt.axvspan(xmin=2, xmax=5, facecolor='r', alpha=0.2) # 绘制垂直于x轴的参考区域 plt.axhspan(ymin=(-3**0.5)/2, ymax=(3**0.5)/2, facecolor='w', alpha=0.2) plt.legend(loc="lower left") # 设置图例位置 plt.annotate('local', xy=(2, 1), xytext=(0.5, 0.5), weight='bold', color='red', xycoords="data", arrowprops= dict(arrowstyle="->", connectionstyle='arc3', color='b'), bbox= dict(boxstyle="rarrow", pad=0.6, fc="yellow", ec='k', lw=1, alpha=0.5) ) plt.xticks(list(range(0, 12, 1))) # 调整刻度范围和刻度标签 plt.text(1, 1, "y=sinx", weight='bold', color ='b') plt.title("正弦函数") plt.show()
这串代码用于显示中文字符
plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False
无论画什么图,最后都得使用plt.show()用于展示图片,否则输出为空
4.折线图的线条风格
-:实线样式 --:短横线样式 -.:点划线样式 ::虚线样式 .:点标记 O:圆标记 V:倒三角标记 ^:正三角标记 <:左三角标记 >:右三角表示 1:下箭头标记13 2:上箭头标记 3:左箭头标记 4:右箭头标记 S:正方形标记 p:五边形标记 *:星形标记 H:六边形标记 +:加号标记 X:x 标记 D:菱形标记 |:竖直线标记 _:水平线标记
5. 常用颜色缩写
b 蓝色 g 绿色 r 红色 c 青色 m 品红色· y 黄色 k 黑色 w 白色
6.总结
很多参数有时候用不上,但要知道有,存在即合理,不同参数的作用功能不同,不要任何图都加太多参数,一般有图例、标题,xy轴的范围即可。
无论使用哪个,建议先试试,实践是检验真理的唯一标准!!!
有写的不好的地方希望读者见谅,我也在一步步摸索,有疑问欢迎在评论区讨论
这篇关于Python可视化——matplotlib.pyplot绘图的基本参数详解的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-01Python编程基础知识
- 2024-11-01Python编程基础
- 2024-10-31Python基础入门:理解变量与数据类型
- 2024-10-30Python股票自动化交易资料详解与实战指南
- 2024-10-30Python入行:新手必读的Python编程入门指南
- 2024-10-30Python入行:初学者必备的编程指南
- 2024-10-30Python编程入门指南
- 2024-10-30Python量化交易学习:新手入门指南
- 2024-10-30Python股票自动化交易实战入门教程
- 2024-10-29Python股票自动化交易教程:新手入门指南