matplotlib学习笔记

于 2022-10-29 20:23:09 发布
阅读量240 收藏 1
点赞数
CC 4.0 BY-SA版权
文章标签： 学习 matplotlib python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_74382593/article/details/127591509
这篇博客详细介绍了matplotlib库在Python中的应用，包括API介绍和实例演示。内容涵盖设置图片大小、轴刻度、标签，以及创建折线图、条形图、饼图、散点图和堆积柱形图的方法。通过案例展示了不同类型的图表绘制，帮助读者掌握matplotlib的使用技巧。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

matplotlitb1

应用

  • 可以用来绘制各种静态，动态，交互式的图表
  • 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等

API介绍

设置图片大小
fig = plt.figure(figsize=(宽, 高),dpi= )
x，y轴刻度大小
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.ticker import MultipleLocator
# 设置多个刻度范围
plt.figure(figsize=(10, 10))
ran = []
x = [1, 21, 23, 25, 60, 70]
y = [10, 20, 30, 40, 50, 60]
# 设置两个刻度范围
ran.extend(range(0, 30, 5))
ran.extend(range(30, 90, 10))
plt.xticks(ran, rotation=70,fontsize=10)
plt.yticks(range(0, 90, 10), fontsize=10)
plt.xlim(0, 80)
plt.ylim(0, 80)
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
plt.legend(["test"], loc="best")
plt.show()
设置横纵坐标的标签

plt.xlabel(), plt.ylabel()

#先在开头添加如下代码，防止中文乱码
import seaborn as sns
sns.set_style({'font.sans-serif':['simhei','Arial']})


matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)
matplotlib.pyplot.ylabel(ylabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)

上述参数描述：

xlabel / ylabel: 字符串，横坐标标签，
fontdict: 将字体的属性存储在字典，传递给函数
c or color: 字体颜色
labelpad: 标签距离轴的长度,默认为4.0
fontfamily or family: 字体种类
fontsize or size：字体的大小， float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
fontweight or weigh: 字体的加粗程度 ，可选的值为{0-1000之间的数, ‘ultralight’, ‘light’, ‘normal’, ‘regular’, ‘book’, ‘medium’, ‘roman’, ‘semibold’, ‘demibold’, ‘demi’, ‘bold’, ‘heavy’, ‘extra bold’, ‘black’}

设置标题plt.title()
matplotlib.pyplot.title(label, fontdict=None, loc='center', pad=None, **kwargs)
#label: str 标题内容
#fontdict: dict 将文字属性存储在字典中
#loc: 标题的水平位置，{‘center’, ‘left’, ‘right’}，默认为center
#pad: 标题离上轴的距离，默认的值参考rcParams[‘axes.titlepad’]
#y: 标题的垂直位置，为负数时，会在图的下方 参考 绘制子图的代码
添加图例 plt.legend()
matplotlib.pyplot.legend(*args, **kwargs)
#labels: 字符串列表，图列的名称
#loc: 图例的位置，用多种可选的位置，默认自适应调整，具体参考下面的链接
#fontsize: 文字大小 int or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}，通过该参数可以调整图例的大小。
#labelcolor: str or list， 图例的颜色
#markerscale：float, 相对于图中数据标记的大小，default: rcParams[“legend.markerscale”] (default: 1.0)

实例

折线图

  • 案例1：实现温度变化（折线图）绘制

    • 步骤：

      1.先生成figure

      2.准备数据，折线图点，x,y坐标个数一一对应

      3.显示调用show()

      import matplotlib.pyplot as plt
plt.figure() # 画幕布
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])# 横坐标，纵坐标
plt.savefig("./test.png") # 保存位置
plt.show()# 显示

      效果如下

      a

    • 案例2：显示上海和北京的温度变化

      ​

      import matplotlib.pyplot as plt
import random
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False
plt.figure(figsize=(20,10),dpi=80) # 画幕布
# 准备数据
x = range(60)
x_ch = ['11点{}分'.format(i) for i in x]
y_shanghai = [random.uniform(15,18) for i in range(60)] # 变化范围15~18
# 准备北京的温度
y_beijing = [random.uniform(1,3) for i in range(60)] # 变化范围1~3
y_ticks = range(40)
plt.plot(x,y_shanghai,label = '上海')
# 显示北京的温度
plt.plot(x,y_beijing,color = 'r',linestyle = '--',label = '北京')
# 修改刻度值
# 指定显示的x刻度的列表
# 第一个参数：必须是指
# 第二个参数：指定跟第一个参数对应的中文
plt.xticks(x[::5],x_ch[::5])
plt.yticks(y_ticks[::5])
# 增加标题，坐标描述
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('北京和上海：从11点~12点的温度变化情况')
# 增加图例的显示
plt.legend(loc = 'best')
plt.savefig("./test2.png")
plt.show()

      效果如下：

      b

      c

    • 显示北京和上海的温度变化（不同图）
      import matplotlib.pyplot as plt
import random
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False
# plt.figure(figsize=(20,10),dpi=80) # 画幕布
# 当在多个ax里面画图的时候，标签，刻度，在相应的坐标系里指定
fig,ax=plt.subplots(nrows=1,ncols=2,figsize=(20,8))
# 准备数据
x = range(60)
x_ch = ['11点{}分'.format(i) for i in x]
y_shanghai = [random.uniform(15,18) for i in range(60)] # 变化范围15~18
# 准备北京的温度
y_beijing = [random.uniform(1,3) for i in range(60)] # 变化范围1~3
y_ticks = range(40)
# plt.plot(x,y_shanghai,label = '上海')
ax[0].plot(x,y_shanghai,label = '上海')
# 显示北京的温度
# plt.plot(x,y_beijing,color = 'r',linestyle = '--',label = '北京')
ax[1].plot(x,y_beijing,color = 'r',linestyle = '--',label = '北京')
# 修改刻度值
# 指定显示的x刻度的列表
# 第一个参数：必须是指
# 第二个参数：指定跟第一个参数对应的中文
# plt是对整理坐标系处理，ax是对每个坐标系处理
# plt.xticks(x[::5],x_ch[::5])
ax[0].set_xticks(x[::5],x_ch[::5])
ax[1].set_xticks(x[::5],x_ch[::5])
# plt.yticks(y_ticks[::5])
ax[0].set_yticks(y_ticks[::5])
ax[1].set_yticks(y_ticks[::5])
# 增加标题，坐标描述
# plt.xlabel('时间')
ax[0].set_xlabel('时间')
ax[1].set_xlabel('时间')
# plt.ylabel('温度')
ax[0].set_ylabel('温度')
ax[1].set_ylabel('温度')
# plt.title('北京和上海：从11点~12点的温度变化情况')
ax[0].set_title('中午从11点~12点的温度变化情况')
ax[1].set_title('中午从11点~12点的温度变化情况')
# 增加图例的显示
# plt.legend(loc = 'best')
ax[0].legend(loc = 'best')
ax[1].legend(loc = 'best')
plt.savefig("./test3.png")
plt.show()

      效果如下：

      d

条形图

plt.bar(*x**,* *height**,* *width=0.8**,* *bottom=None**, ***,* *align='center'**,* *data=None**, ****kwargs*)

e

  • 实例

    • 显示每部电影的票房
      import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False
# 柱状图
plt.figure(figsize=(20,8))
# 电影名字，每部电影对应的票房
movie_name = ['战狼2','哪吒之魔童降世','流浪地球','复仇者联盟4：终局之战','红海行动']
x = range(len(movie_name))
y = [5639,4934,4618,4205,3622]
# 使用plt.bar显示
# plt.bar 填入的x坐标必须全是数字
plt.bar(x,y,0.2,color = ['b','r','g','y','c','m'])
# 修改刻度，以及电影名字显示
plt.xticks(x,movie_name)
plt.savefig('./test4')
plt.show()

      效果如下f

    • 显示每日票房与每周票房的对比

      import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False
# 柱状图
plt.figure(figsize=(20,8))
movie_name = ['战狼2','哪吒之魔童降世','流浪地球']
first_day = [10587.6,10062.5,1275.7]
first_weekend = [36224.9,34479.6,11830]
x = range(len(movie_name))
# 使用plt.bar显示
plt.bar(x,first_day,width=0.2,label='首日票房')
plt.bar([i+0.2 for i in x],first_weekend,width=0.2,label='首周票房')
plt.xticks([i+0.1 for i in x],movie_name)
plt.legend(loc='best')
plt.title('首日票房与首周票房对比')
plt.savefig('./test5')
plt.show()

      效果如下：g

饼图

plt.pie(x,labels=,autopct=,colors)

  • 显示每个电影的场次占比

    # 电影的排片占比显示
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False
# 创建figure
plt.figure(figsize=(20,8))
movie_name = ['战狼2','哪吒之魔童降世','流浪地球','复仇者联盟4：终局之战','红海行动']
# 场次
place_count = [60605,54546,45819,28243,13270]
# 显示饼图
plt.pie(place_count,labels=movie_name,autopct='%1.2f%%',colors=['b','r','y','g','c'])
plt.legend(loc='best')# 添加图例
plt.axis('equal')# 变成圆形
plt.savefig('./test7')
plt.show()

    效果如下：

    n

散点图

  • # 散点图
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(df['Age'], df['Sales'])
plt.show()

    a1

堆积柱形图

# 堆积柱形图
var = df.groupby(['BMI', 'Gender']).Sales.sum()
var.unstack().plot(kind='bar', stacked=True, color=['red', 'blue'])
plt.show()

fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(df[‘Age’], df[‘Sales’])
plt.show()


[外链图片转存中...(img-CGNBjCd7-1667046115224)]

### 堆积柱形图

```py
# 堆积柱形图
var = df.groupby(['BMI', 'Gender']).Sales.sum()
var.unstack().plot(kind='bar', stacked=True, color=['red', 'blue'])
plt.show()

b1

  1. Python 的绘图库 ↩︎

Monet-
关注
matplotlib学习笔记PDF超详细
10-19
Matplotlib 学习笔记 PDF 超详细 Matplotlib 是一个流行的 Python 数据可视化库，提供了丰富的绘图功能。本文将对 Matplotlib 的基础知识和高级特性进行详细介绍，从基本概念到高级应用，涵盖了 Matplotlib 的主要...
Python之Matplotlib绘图
brilliantZC的博客
04-27 598
Maplotlib简介 Matplotlib 是专门用于开发2D图表（包括3D图表）的python库，他有三层结构：容器层（画板层Canvas ，画布层Figure，绘图层/坐标系）、辅助显示层、图像层。通过Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。 ...
Matplotlib学习笔记
kele421的博客
07-13 897
matplotlib学习的一点笔记
莫烦老师Matplotlib学习笔记（一）
12-21
【Matplotlib学习笔记（一）】是针对Python数据可视化库Matplotlib的基础教程，主要涵盖了绘制简单图形、figure管理、坐标轴设置以及图例添加等基础知识。 1. **基本用法：绘制简单一次函数直线图** 在Python中，...
【莫烦Python】Matplotlib学习笔记（一）
01-20
【莫烦Python】Matplotlib学习笔记（一）  一、基本用法 二、在不同figure中显示 三、坐标轴设置（1） 四、坐标轴设置（2） 五、legend图例 六、Annotation标注 七、tick能见度 八、Scatter散点图 后续详见：...
Matplotlib学习笔记（一）
quency的博客
07-16 437
这里写目录标题导入matplotlib库figure（图像）图像构成生成窗口代码相关设置axis坐标轴子图axes、axis（轴）两种绘图风格面向对象风格pyplot风格绘制常见图形普通画图plot散点图scatter直方图bar形状常见线属性设置线属性的方法点类型 导入matplotlib库 import matplotlib.pyplot as plt import numpy as np #一般与numpy库配合使用 figure（图像） 图像构成 生成窗口代码 fig = plt.figure(
matplotlib学习笔记（一）
Tangent的博客
12-18 275
matplotlib学习笔记（一）为什么要学习matplotlib基本要点设置图片大小 为什么要学习matplotlib 1.能将数据进行可视化，更具有直观的呈现 2.使数据更加客观、更具说服力 它是最流行的Python底层绘图库，主要是做数据可视化图表，模仿matlab构建的。 基本要点 我们导入的包并不是使用matplotlib而是使用它里面的pyplot来进行绘画。 import matpl...
1.matplotlib进行简单图表绘制
Escape the bug的博客
09-15 230
np.random.seed(19680801) n_bins = 10 x = np.random.randn(3, 3) fig, axes = plt.subplots(nrows=1, ncols=2) ax0, ax1= axes.flatten() colors = ['red', 'b', 'lime'] ax0.hist(x, n_bins, density=True, histtype='bar', color=colors, label=colors) ax0.set_ylabel
matplotlib 学习笔记
qq_53086801的博客
07-29 436
matplotlib 学习笔记
笔记（7）
skytn的博客
04-09 1150
学习目标： 掌握 matplotlib 知识 学习内容： matplotlib: 1.官网 https://matplotlib.org/ 2.概述： Matplotlib is a comprehensive library for creating static, animated, and interactive visualizations in Python. Matplotlib就是一个数据可视化的东西 和大数据数据可视化有区别 【Matplotlib他是一个 数据挖掘的 辅助工具】
Matplotlib学习笔记(一)
半个西瓜
08-06 526
目录 一、Matplotlib介绍 二、Matplotlib安装 三、Matplotlib基本用法 四、Matplotlib中的figure图像 五、学习笔记小结 一、Matplotlib介绍 在学习数据挖掘、机器学习等对数据有更高的一些分析的时候，往往图形更能体现出数据的变化情况，在这个时候我们需要一个代码简单、功能强大的画图工具！ 1.Matpl...
Matplotlib 学习笔记
qq_53086801的博客
07-29 586
Matplotlib 学习笔记
【Python教程】Matplotlib深度学习笔记
"【莫烦Python】Matplotlib学习笔记（一）主要涵盖了Matplotlib库的基础用法和一些关键功能，包括在不同figure中显示图形、坐标轴设置、legend图例、Annotation标注、tick能见度以及Scatter散点图的绘制。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值