11月 232018
 

文章循序渐进、清晰明了的介绍了使用matplotlib画一个函数的过程,分享下:https://www.jianshu.com/p/b1dee69767d3

matplotlib 是 python 最著名的绘图库,它提供了一整套和 matlab 相似的命令 API,十分适合交互式进行绘图。

它的文档相当完备,并且 Gallery 页面 中有上百幅缩略图,打开之后都有源程序。因此如果你需要绘制某种类型的图,只需要在这个页面中浏览/复制/粘贴一下,基本上都能搞定。

这是要实现的效果图,利用 Matplotlib 绘制函数 y = x2 的图像。

image

代码实现

import matplotlib.pyplot as plt import numpy as np # 定义 x 变量的范围 (-3,3) 数量 50  x=np.linspace(-3,3,50)
y=x**2 # Figure 并指定大小 plt.figure(num=3,figsize=(8,5)) # 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 -- plt.plot(x,y,color='red',linewidth=1.0,linestyle='--') # 设置 x,y 轴的范围以及 label 标注 plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y') # 设置坐标轴刻度线  # Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个 new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks) # Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文) plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$']) # 设置坐标轴 gca() 获取坐标轴信息 ax=plt.gca() # 使用.spines设置边框:x轴;将右边颜色设置为 none。 # 使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data) ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none') # 移动坐标轴 # 将 bottom 即是 x 坐标轴设置到 y=0 的位置。 ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0)) # 将 left 即是 y 坐标轴设置到 x=0 的位置。 ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0)) # 设置标签 ax.set_title('y = x^2',fontsize=14,color='r') # 显示图像 plt.show()

首先一幅 Matplotlib 的图像组成部分介绍。

image

基本构成

在 matplotlib 中,整个图像为一个 Figure 对象。在 Figure 对象中可以包含一个或者多个 Axes 对象。每个 Axes(ax) 对象都是一个拥有自己坐标系统的绘图区域。

所属关系如下(图片来自网络):

image

图上:Title 为图像标题,Axis 为坐标轴, Label 为坐标轴标注,Tick 为刻度线,Tick Label 为刻度注释。

各个对象关系可以梳理成以下内容(图片来自网络):

image

Matplotlib 绘图步骤分析

image

注意

这里不讲解 matplotlib 的安装,我使用的是 Anaconda 的 notebook,因此,可以直接导入 matplotlib 的module,想要安装 Anaconda 的请查看的写的另一篇文章。墙裂推荐 Anaconda | 安利 Python IDE

如果说不想使用 Anaconda,可以看看这篇推荐文章,教你如何安装 matplotlib(视频和文章教程)— 莫烦 Python — Matplotlib

上面虽然贴了全部的代码,有 matplotlib 基础的人一看便懂,但是对于初学者来说,就比较抓脑了。

一、matplotlib 实现简单图像

image

使用import导入模块matplotlib.pyplot,并简写成plt使用import导入模块numpy,并简写成np。

#导入 module import matplotlib.pyplot as plt import numpy as np

使用np.linspace定义 x:范围是 (-3,3),个数是50,仿真一维数据组 (x,y) 表示曲线。

# 定义 x 变量的范围 (-3,3) 数量 50  x=np.linspace(-3,3,50)
y=x**2 

使用plt.figure定义一个图像窗口,使用plt.plot画 (x,y) 曲线,使用plt.show显示图像。

#绘制及显示 plt.figure()
plt.plot(x, y)
plt.show()

最终代码

import matplotlib.pyplot as plt import numpy as np # 定义 x 变量的范围 (-3,3) 数量 50  x=np.linspace(-3,3,50)
y=x**2 plt.figure()
plt.plot(x, y)
plt.show()

运行结果

image

看到这个,是不是和最终效果图差距很大,没关系,我们接着往下看。

二、设置 Figure 图像

使用plt.figure定义一个图像窗口:编号为 3,大小为 (8, 5)。使用plt.plot画(x,y)曲线,曲线的颜色属性(color)为红色。曲线的宽度(linewidth)为1.0。曲线的类型(linestyle)为虚线, 使用plt.show显示图像。

plt.figure(num=3,figsize=(8,5))
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

最终代码

import matplotlib.pyplot as plt import numpy as np # 定义 x 变量的范围 (-3,3) 数量 50  x=np.linspace(-3,3,50)
y=x**2 # Figure 并指定大小 plt.figure(num=3,figsize=(8,5)) # 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 -- plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

plt.show()

运行效果

image

三、设置坐标轴

设置 x,y 轴坐标范围及标注 label

使用plt.xlim设置x坐标轴范围:(-1, 2); 使用plt.ylim设置 y 坐标轴范围:(-2, 3);

使用plt.xlabel设置 x 坐标轴名称:’x’; 使用plt.ylabel设置 y 坐标轴名称:’I am y’;

代码实现

import matplotlib.pyplot as plt import numpy as np # 定义 x 变量的范围 (-3,3) 数量 50  x=np.linspace(-3,3,50)
y=x**2 # Figure 并指定大小 plt.figure(num=3,figsize=(8,5)) # 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 -- plt.plot(x,y,color='red',linewidth=1.0,linestyle='--') # 设置 x,y 轴的范围以及 label 标注 plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y')

plt.show()

运行结果

image

设置 x, y 刻度范围及刻度标注

设置 x 轴:使用np.linspace定义范围以及个数:范围是(-1,2); 个数是 5。

使用plt.xticks设置 x 轴刻度:范围是(-1,2); 个数是5。

设置 y 轴:使用plt.yticks设置 y 轴刻度以及名称:刻度为 [-2, -1.8, -1, 1.22, 3];对应刻度的名称为 [‘really bad’,’bad’,’normal’,’good’, ‘really good’]。

# 设置坐标轴刻度线  # Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个 new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks) # Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文) plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

最终代码

import matplotlib.pyplot as plt import numpy as np # 定义 x 变量的范围 (-3,3) 数量 50  x=np.linspace(-3,3,50)
y=x**2 # Figure 并指定大小 plt.figure(num=3,figsize=(8,5)) # 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 -- plt.plot(x,y,color='red',linewidth=1.0,linestyle='--') # 设置 x,y 轴的范围以及 label 标注 plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y') # 设置坐标轴刻度线  # Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个 new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks) # Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文) plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$']) # 显示图像 plt.show()

运行效果,注意看 x, y 轴刻度以及标注变化

image

四、移动坐标轴

隐藏右边框和上边框:

  1. 使用plt.gca获取当前坐标轴信息。

  2. 使用.spines设置边框:右侧边框;使用.set_color设置边框颜色:默认白色;

    使用.spines设置边框:上边框;使用.set_color设置边框颜色:默认白色;

调整坐标轴至中心(将 left 边框调整到 x=0 处,将 bottom 边框调整到 y=0 处):

  1. 使用.xaxis.set_ticks_position设置 x 坐标刻度数字或名称的位置:bottom。(所有位置:top,bottom,both,default,none)。
  2. 使用.spines设置边框:x 轴;使用.set_position设置边框位置:y=0 的位置;(位置所有属性:outward,axes,data)
# 设置坐标轴 gca() 获取坐标轴信息 ax=plt.gca() # 使用.spines设置边框:x轴;将右边颜色设置为 none。 # 使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data) ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none') # 移动坐标轴 # 将 bottom 即是 x 坐标轴设置到 y=0 的位置。 ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0)) # 将 left 即是 y 坐标轴设置到 x=0 的位置。 ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

最终代码

import matplotlib.pyplot as plt import numpy as np # 定义 x 变量的范围 (-3,3) 数量 50  x=np.linspace(-3,3,50)
y=x**2 # Figure 并指定大小 plt.figure(num=3,figsize=(8,5)) # 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 -- plt.plot(x,y,color='red',linewidth=1.0,linestyle='--') # 设置 x,y 轴的范围以及 label 标注 plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y') # 设置坐标轴刻度线  # Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个 new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks) # Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文) plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$']) # 设置坐标轴 gca() 获取坐标轴信息 ax=plt.gca() # 使用.spines设置边框:x轴;将右边颜色设置为 none。 # 使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data) ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none') # 移动坐标轴 # 将 bottom 即是 x 坐标轴设置到 y=0 的位置。 ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0)) # 将 left 即是 y 坐标轴设置到 x=0 的位置。 ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0)) # 显示图像 plt.show()

运行结果

image

五、设置标题

使用 .set_title 设置标题,声明标题为 y = x2,字体大小 14,颜色为 red。

# 设置标签 ax.set_title('y = x^2',fontsize=14,color='r')

最终代码

import matplotlib.pyplot as plt import numpy as np # 定义 x 变量的范围 (-3,3) 数量 50  x=np.linspace(-3,3,50)
y=x**2 # Figure 并指定大小 plt.figure(num=3,figsize=(8,5)) # 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 -- plt.plot(x,y,color='red',linewidth=1.0,linestyle='--') # 设置 x,y 轴的范围以及 label 标注 plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y') # 设置坐标轴刻度线  # Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个 new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks) # Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文) plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$']) # 设置坐标轴 gca() 获取坐标轴信息 ax=plt.gca() # 使用.spines设置边框:x轴;将右边颜色设置为 none。 # 使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data) ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none') # 移动坐标轴 # 将 bottom 即是 x 坐标轴设置到 y=0 的位置。 ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0)) # 将 left 即是 y 坐标轴设置到 x=0 的位置。 ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0)) # 设置标签 ax.set_title('y = x^2',fontsize=14,color='r') # 显示图像 plt.show()

运行结果

image

最后,附上 matplotlib 整体结构图(图片来自网络):

Sorry, the comment form is closed at this time.