一、Matplotlib库介绍
概述、gallery示例
- 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，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。
- Matplotlib库由各种可视化类构成，内部结构复杂。
- Matplotlib.pyplot是绘制各类可视化图形的命令字库，相当于快捷方式
- Matplotlib文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源代码。因此如果需要绘制某类图，只需要在这个页面中浏览、复制、粘贴一下，基本上通过修改数据和设置都能搞定。
Matplotlib库网址：https://matplotlib.org/gallery/index.html
现在，我们来点击第一个缩略图，便可以查看到源代码，如下：
你可以直接将代码复制到jupyter notebook代码框运行，查看运行结果：
# Stacked Bar Graph
import numpy as np
import matplotlib.pyplot as plt
N=5
# 创建四个数据元组
menMeans = (20,35,30,35,27)
womenMeans = (25,32,34,20,25)
menStd = (2,3,4,1,2)
womenStd = (3,5,2,3,3)
ind = np.arange(N) # the x locations for groups
width = 0.35 # the width of the bars
p1 = plt.bar(ind,menMeans,width,yerr=menStd) # bar()函数绘制柱状图，ind表示x轴，menMeans为元组名，width柱宽，yerr为误差(小段黑线)
p2 = plt.bar(ind,womenMeans,width,bottom = menMeans,yerr = womenStd) #bottom表示从后面带的参数开始算起，即menMeans
plt.ylabel('Scores') # 列标题
plt.title('Scores by group and gender') # 整个图标的标题
plt.xticks(ind,('G1','G2','G3','G4','G5')) # x轴各个柱标题
plt.yticks(np.arange(0,81,10)) # 定义范围[0,81)和单位间距10
plt.legend((p1[0],p2[0]),('Men','Women')) # 右上角图例
plt.show()
二、Matplotlib快速绘图
plot函数参数、快速绘图示例
- matplotlib中的快速绘图的函数库可以通过如下语句载入：
import matplotlib.pyplot as plt
- 接下来调用figure创建一个绘图对象，并且使它成为当前的绘图对象
plt.figure(figsize=(8,4))
- 通过figsize参数可以指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80.
- 也可以不创建绘图对象直接调用接下来的plot函数直接绘图，matplotlib会自动创建一个绘图对象。像上面那个示例一样
- 如果需要同时绘制多幅图表，可以是给figure传递一个整数参数指定图标的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让他成为当前绘图对象。
- plot函数的调用方式很灵活，使用关键字参数指定各种属性：
label：给所绘制的曲线一个名字，此名字在图示（legend）种显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式
color：指定曲线的颜色
linewidth：指定曲线的宽度
参数“b--”指定曲线的颜色和线型，b--表示blue，线型为---------（自行查找对照表）
- 可通过一系列函数设置绘图对象的各个属性：
xlabel/ylabel：设置X轴/Y轴的文字
title：设置图标的标题
ylim：设置Y轴的范围
legend：图例显示
plt.show()：显示出创建的所有绘图对象
plt.xlabel("Times(s)") plt.ylabel("Volt") plt.title("PyPlot First Example") plt.ylim(-1.2,1.2) plt.legend()
- 可以调用plt.savefig()将当前的Figure对象保存成图像文件，图像格式由图像文件的扩展名决定
plt.savefig("test.png",dpi=120)
下面我们通过一个示例来看：
绘制sin(x)和cos(x**2)两条曲线，要求x取值范围0至10、x轴设为"Time(s)"、y轴设为"Vlot"、图名称为PyPlot First Example，并显示图例
步骤：1、导入numpy和matplotlib库；2、设计绘图数据；3、绘制曲线；4、设置相关参数
我们来按照步骤写一下试试看：
发现图虽然画出来了，但是没有图例，而且提示了No handles with labels found to put in legend，我们就发现，上面参数设置时少了东西，虽然有legend(图示)，但是没有设置label，所以我们增加语句，如下：
import numpy as np
import matplotlib.pyplot as plt
# 计算绘图数据
x = np.linspace(0,10,100) #
y = np.sin(x)
z = np.cos(x**2)
# 绘制曲线
plt.plot(x,y,"r-",label = '$sin(x)$',linewidth = 2)
plt.plot(x,z,"b--",label = '$cos(x**2)$')
# 设置相关参数
plt.xlabel("Time(s)")
plt.ylabel("Vlot")
plt.title("PyPlot First Example")
plt.legend()
plt.show()输出结果视图：
pyplot的基础图标函数如下：
| 函数 | 说明 |
|---|---|
| plt.plot(x,y,fmt,...) | 绘制一个坐标图 |
| plt.boxplot(data,notch,position) | 绘制一个箱型图 |
| plt.bar(left,height,width,bottom) | 绘制一个柱状图 |
| plt.barh(width,bottom,left,height) | 绘制一个横向条形图 |
| plt.polar(theta,r) | 绘制极坐标图 |
| plt.pie(data,explode) | 绘制饼状图 |
| plt.psd(x,NFFT=256,pad_to,Fs) | 绘制功率谱密度图 |
| plt.cohere(x,y,NFFT=256,Fs) | 绘制X-Y的相关性函数 |
| plt.scatter(x,y) | 绘制散点图，其中x和y长度相同 |
| plt.step(x,y,where) | 绘制步阶图 |
| plt.hist(x,bins,normed) | 绘制直方图 |
| plt.contour(X,Y,Z,N) | 绘制等值图 |
| plt.vlines() | 绘制垂直图 |
| plt.stem(x,y,linefmt,makerfmt) | 绘制柴火图 |
| plt.plot_date() | 绘制数据日期 |
pyplot的绘图区域
- 可以用子图来将图样（plot）放在均匀的坐标网格中
- plt.subplot(nrows,ncols,plot_number)
- 用subplot函数的时候，需要指明网格的行列数量，以及你希望将图样放在哪一个网格中
例如将一个二维的坐标轴看作是绘图区域，那么他的四个象限为四个网格，分别标号上面两个左1右2，下面两个左3右4，那么用subplot函数表示的时候，如果在第四个区域，则为subplot（2,2,4）表示两行两列第四个网格，看示例：
import matplotlib.pyplot as plt
plt.subplot(2,1,1)
plt.xticks([]),plt.yticks([]) # x轴和y轴标号，设为空
plt.text(0.5,0.5,'subplot(2,1,1)',ha = 'center',va = 'center',size = 24,alpha = .5)
# 以"subplot(2,1,1)做数据，居中，大小24，透明度为.5
plt.subplot(2,1,2)
plt.xticks([]),plt.yticks([])
plt.text(0.5,0.5,'subplot(2,1,2)',ha = 'center',va = 'center',size = 24,alpha = .5)
# 以"subplot(2,1,2)做数据，居中，大小24，透明度为.5
# plt.savefig('../figures/subplot-horizontal.png',dpi=64)
plt.show()运行结果视图：
matplotlib通过pyplot模块提供了一套和MATLIB类似的绘图API，matplotlib还提供了一个名为pylab的模块，其中包括了许多Numpy和pyplot模块中常用的函数，方便用户速计算和绘图，十分适合在IPython交互式环境中使用，但两者有什么区别呢？
pylab结合pyplot和numpy，对交互式使用来说比较方便，既可以画图又可以简单的计算。但是，对于一个项目来说，建议分别导入使用，即：
import numpy as np
import matplotlib.pyplot as plt
而不是import pylab as pl或from pylab import *
from pylab import *
subplot(1,2,1)
xticks([]),yticks([])
text(0.5,0.5,'subplot(1,2,1)',ha='center',va='center',size=20,alpha=.5)
subplot(1,2,2)
xticks([]),yticks([])
text(0.5,0.5,'subplot(1,2,2)',ha='center',va='center',size=20,alpha=.5)
show()
以此类推我们来看，上下左右四个子图的绘制方式，首先使用pylab模块方式
from pylab import *
subplot(2,2,1)
xticks([]),yticks([])
text(0.5,0.5,'subplot(2,2,1)',ha='center',va='center',size=20,alpha=.5)
subplot(2,2,2)
xticks([]),yticks([])
text(0.5,0.5,'subplot(2,2,2)',ha='center',va='center',size=20,alpha=.5)
subplot(2,2,3)
xticks([]),yticks([])
text(0.5,0.5,'subplot(2,2,3)',ha='center',va='center',size=20,alpha=.5)
subplot(2,2,4)
xticks([]),yticks([])
text(0.5,0.5,'subplot(2,2,4)',ha='center',va='center',size=20,alpha=.5)
show()
使用matplotlib方式：
import matplotlib.pyplot as plt
plt.subplot(2,2,1)
plt.xticks([]),plt.yticks([]) # x轴和y轴标号，设为空
plt.text(0.5,0.5,'subplot(2,1,1)',ha = 'center',va = 'center',size = 24,alpha = .5)
# 以"subplot(2,2,1)做数据，居中，大小24，透明度为.5
plt.subplot(2,2,2)
plt.xticks([]),plt.yticks([])
plt.text(0.5,0.5,'subplot(2,1,2)',ha = 'center',va = 'center',size = 24,alpha = .5)
# 以"subplot(2,2,2)做数据，居中，大小24，透明度为.5
plt.subplot(2,2,3)
plt.xticks([]),plt.yticks([]) # x轴和y轴标号，设为空
plt.text(0.5,0.5,'subplot(2,1,1)',ha = 'center',va = 'center',size = 24,alpha = .5)
# 以"subplot(2,2,3)做数据，居中，大小24，透明度为.5
plt.subplot(2,2,4)
plt.xticks([]),plt.yticks([])
plt.text(0.5,0.5,'subplot(2,1,2)',ha = 'center',va = 'center',size = 24,alpha = .5)
# 以"subplot(2,2,4)做数据，居中，大小24，透明度为.5
# plt.savefig('../figures/subplot-horizontal.png',dpi=64)
plt.show()
可以看到，方式完全同前面一样，只需要把必要的子图的行和列还有区域号指定好即可。
另外，subplot()函数中的三个参数相乘如果不大于10，中间的逗号是可以省略的，比如subplot(2,2,1)可以写成subplot(221)快去试一下吧。
