python强大的绘图模块matplotlib示例讲解详解编程语言

Matplotlib 是 Python 的绘图库。作为程序员，经常需要进行绘图，在我自己的工作中，如果需要绘图，一般都是将数据导入到excel中，然后通过excel生成图表，这样操作起来还是比较繁琐的，所以最近学习了一下Matplotlib模块，将该模块的常用的绘图手段和大家分享一下，提高大家在工作中的效率；

在示例中，我们主要用到Matplotlib和Numpy这两个模块来为大家演示Python强大的绘图功能，相信大家通过我下面的10个示例，基本上可以满足大家日常工作的需求，再次强调一下，只是简单的用法，大家千万不要想通过这篇博客获取到太高深的用法。

下面进入正题

代码如下，下面的代码大家应该都可以看懂吧

# 导入常用的包 

import numpy as np 

import matplotlib.pyplot as plt 

# 生成-1到1的数据，一共生成100个，也可以生成1到-1的数据，这些数据是平均分布的 

# 定义x轴的数据 

x = np.linspace(-1,1,100) 

# 定义y轴的数据 

y = x * 2 + 100 

plt.plot(x,y) 

# 显示图像 

plt.show() 

效果如下

代码如下

import numpy as np 

import matplotlib.pyplot as plt 

x = np.linspace(-1,1,100) 

y1 = x * 2 + 100 


效果如下，会同时显示两张画布



 3、在一张画布中画两条线，同时可以设置线的颜色，宽度，和风格

代码如下

import numpy as np 

import matplotlib.pyplot as plt 

x = np.linspace(-1,1,100) 

y1 = x * 2 + 0.5 


效果如下



 4、限制x轴，y轴的显示范围，为x轴和y轴添加描述，替换x轴和y轴的显示信息

代码如下

import numpy as np 

import matplotlib.pyplot as plt 

# 设置坐标轴 

x = np.linspace(-3,3,100) 

y1 = x * 2 + 0.5 

y2 = x ** 2 


# 替换纵坐标的标签，用level0代替之前的-1 

plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"]) 

plt.show() 



 

效果如下



 5、对边框进行设置，调整x轴和y轴的位置

代码如下

import numpy as np 

import matplotlib.pyplot as plt 

# 设置坐标轴 

x = np.linspace(-3,3,100) 

y1 = x * 2 + 0.5 

y2 = x ** 2 


# 替换纵坐标的标签，用level0代替之前的-1 

# plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"]) 

# 获取边框 

ax = plt.gca() 

# 设置右边框的颜色为红色 

ax.spines["right"].set_color("r") 

# 去掉上边框 

ax.spines["top"].set_color(None) 

# 把x轴的刻度设置为bottom 

ax.xaxis.set_ticks_position("bottom") 

# 把y轴的客户设置为left 

ax.yaxis.set_ticks_position("left") 

# 设置x和y交汇的点，x轴是0，y是也是0，也就是x轴和y轴的都是0点交汇 

ax.spines["bottom"].set_position(("data",0)) 

ax.spines["left"].set_position(("data",0)) 

plt.show() 



 

效果如下



6、为画布添加图例

代码如下

#Auther Bob 

#--*--conding:utf-8 --*-- 

import numpy as np 

import matplotlib.pyplot as plt 

# 设置图例 

x = np.linspace(-3, 3, 100) 

y1 = x * 2 + 0.5 

y2 = x ** 2 

plt.figure(figsize=(6, 6)) 

# 首先要为两条线分别取名，这里的逗号必须要有 

l1, = plt.plot(x, y1, color=r, linewidth=1.0, line ) 

l2, = plt.plot(x, y2, color=b, linewidth=5.0, line ) 

# handles控制图例中要说明的线 

# labels为两条线分别取一个label 

# loc控制图例的显示位置，一般用best，由代码为我们选择最优的位置即可 

plt.legend(handles=[l1, l2], labels=["test1", "test2"], loc=best) 

# 限制x轴的显示范围 

plt.xlim((-1, 2)) 

# 限制y轴的显示范围 

plt.ylim((-1, 5)) 

# 给x轴加描述 

plt.xlabel("xxxxxx") 

# 给y轴加描述 

plt.ylabel("yyyyyy") 

# 替换一下横坐标的显示 

temp = np.linspace(-2, 2, 11) 

plt.xticks(temp) 

# 替换纵坐标的标签，用level0代替之前的-1 

plt.yticks([-1, 0, 1, 2, 3, 4, 5], ["level0", "level1", "level2", "level3", "level4", "level5", "level6"]) 

# 为图像加一个图例，用来对图像做说明 


效果如下



 7、为图像添加描述

代码如下

import numpy as np 

import matplotlib.pyplot as plt 

# 为图像做标注 

x = np.linspace(-3,3,100) 

y1 = x * 2 

# y2 = x ** 2 


# ====================================================== 

# 在x轴为x0，y轴为x0 * 2上画一个点，这个点的颜色是红色，大小为50，这个大小就是这个点显示的大小 

x0 = 0.5 

y0 = x0 * 2 

# scatter是画点的方法 

plt.scatter(x0,y0,color=g,s=50) 

# 画线 

# 这条线是第一个点的坐标为[x0,y0],第二个点的坐标为[x0,-6]，后面就是设置线的风格，线的颜色，线的宽度 

plt.plot([x0,x0],[y0,-6],color=k,line ,linewidth=1.0) 


# xytext代码我们描述的位置，基于当前的点，在x轴+30，在y轴-30 

# r$2*x={n}$是我们要显示的文字信息，格式必须要这样 

# textcoords表示作为起点 

# fontsize表示设置字体大小 

# arrowprops设置箭头 

# arrowstyle设置箭头的样式 

# connectionstyle设置风格.2表示弧度 

plt.annotate(r$2*0.5={n}$.format(n = y0),xy=(x0,y0),xytext=(+30,-30),textcoords=offset points,fontsize=10,arrowprops=dict(arrow ,connection )) 

# 显示文字描述，从x轴为-1，y轴为2开始显示，$$中就是要显示的字符，这里如果要显示空格，则需要转义 

# fontdict设置字体 

plt.text(-1,2,r$1/ 2/ 3/ 4$,fontdict={"size":16,"color":"r"}) 

# ========================================================= 

# 为图像加一个图例，用来对图像做说明 

plt.show() 



 

效果如下



8、绘制散点图

代码如下

import numpy as np 

import matplotlib.pyplot as plt 


效果如下



10、一张画布显示多张图像

代码如下

#Auther Bob 

#--*--conding:utf-8 --*-- 

import numpy as np 

import matplotlib.pyplot as plt 


# 有一个两行三列的单元格，这个位于第四个单元格，因为第一个单元格占了3个位子，所以这里就是第四个 

plt.subplot(2,3,4) 

# 画一条【0,0】-----》【1,1】的直线 

plt.plot([0,1],[0,1]) 


效果如下



11、matplotlib模块中的颜色和线条风格，取自菜鸟教程

作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。 可以使用以下格式化字符。