Python數據科學Matplotlib圖庫怎么使用

本文小編為大家詳細介紹“Python數據科學Matplotlib圖庫怎么使用”，內容詳細，步驟清晰，細節處理妥當，希望這篇“Python數據科學Matplotlib圖庫怎么使用”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

Matplotlib 是 Python 的二維繪圖庫，用于生成符合出版質量或跨平臺交互環境的各類圖形。

工作流

Matplotlib 繪圖的基本步驟：
1  準備數據

2  創建圖形

3 繪圖

4 自定義設置

5 保存圖形

6 顯示圖形

import matplotlib.pyplot as plt
x = [1,2,3,4] # step1
y = [10,20,25,30]
fig = plt.figure() # step2
ax = fig.add_subplot(111) # step3
ax.plot(x, y, color='lightblue', linewidth=3) # step3\4
ax.scatter([2,4,6], 
            [5,15,25], 
            color='darkgreen', 
            marker='^')
ax.set_xlim(1, 6.5)
plt.savefig('foo.png') # step5
plt.show() # step6

準備數據

一維數據

import numpy as np
 
x = np.linspace(0, 10, 100)
y = np.cos(x) 
z = np.sin(x)

二維數據或圖片

data = 2 * np.random.random((10, 10))
data2 = 3 * np.random.random((10, 10))
Y, X = np.mgrid[-3:3:100j, -3:3:100j]
U = -1 - X**2 + Y
V = 1 + X - Y**2
from matplotlib.cbook import get_sample_data
img = np.load('E:/anaconda3/envs/torch/Lib/site-packages/matplotlib/mpl-data/aapl.npz')

繪制圖形

import matplotlib.pyplot as plt

畫布

fig = plt.figure()
fig2 = plt.figure(figsize=plt.figaspect(2.0))

坐標軸

圖形是以坐標軸為核心繪制的，大多數情況下，子圖就可以滿足需求。子圖是柵格系統的坐標軸。

fig.add_axes()
ax1 = fig.add_subplot(221) # row-col-num
ax3 = fig.add_subplot(212) 
fig3, axes = plt.subplots(nrows=2,ncols=2)
fig4, axes2 = plt.subplots(ncols=3)

繪圖例程

一維數據

fig, ax = plt.subplots()
lines = ax.plot(x,y) # 用線或標記連接點
ax.scatter(x,y) # 縮放或著色未連接的點
axes[0,0].bar([1,2,3],[3,4,5]) # 繪制等寬縱向矩形
axes[1,0].barh([0.5,1,2.5],[0,1,2]) # 繪制等高橫向矩形
axes[1,1].axhline(0.45) # 繪制與軸平行的橫線
axes[0,1].axvline(0.65) # 繪制與軸垂直的豎線
ax.fill(x,y,color='blue') # 繪制填充多邊形
ax.fill_between(x,y,color='yellow') # 填充y值和0之間

二維數據或圖片

import matplotlib.image as imgplt
img = imgplt.imread('C:/Users/Administrator/Desktop/timg.jpg')
 
fig, ax = plt.subplots()
im = ax.imshow(img, cmap='gist_earth', interpolation='nearest', vmin=-200, vmax=200)# 色彩表或RGB數組
 
axes2[0].pcolor(data2) # 二維數組偽彩色圖
axes2[0].pcolormesh(data) # 二維數組等高線偽彩色圖
CS = plt.contour(Y,X,U) # 等高線圖
axes2[2].contourf(data)     
axes2[2]= ax.clabel(CS) # 等高線圖標簽

向量場

axes[0,1].arrow(0,0,0.5,0.5) # 為坐標軸添加箭頭
axes[1,1].quiver(y,z) # 二維箭頭
axes[0,1].streamplot(X,Y,U,V) # 二維箭頭

數據分布

ax1.hist(y) # 直方圖
ax3.boxplot(y) # 箱形圖
ax3.violinplot(z) # 小提琴圖

自定義圖形 顏色、色條與色彩表

plt.plot(x, x, x, x**2, x, x**3)
ax.plot(x, y, alpha = 0.4)
ax.plot(x, y, c='k')
fig.colorbar(im, orientation='horizontal')
im = ax.imshow(img,                  
                cmap='seismic')

標記

fig, ax = plt.subplots()
ax.scatter(x,y,marker=".")
ax.plot(x,y,marker="o")

線型

plt.plot(x,y,linewidth=4.0)
plt.plot(x,y,ls='solid') 
plt.plot(x,y,ls='--')
plt.plot(x,y,'--',x**2,y**2,'-.')
plt.setp(lines,color='r',linewidth=4.0)

文本與標注

ax.text(1, 
        -2.1,
        'Example Graph',
        style='italic')
ax.annotate("Sine",
            xy=(8, 0), 
            xycoords='data',
            xytext=(10.5, 0), 
            textcoords='data',
            arrowprops=dict(arrow,
            connection),)

數學符號

plt.title(r'$sigma_i=15$', fontsize=20)

尺寸限制、圖例和布局

尺寸限制與自動調整

ax.margins(x=0.0,y=0.1) # 添加內邊距
ax.axis('equal') # 將圖形縱橫比設置為1
ax.set(xlim=[0,10.5],ylim=[-1.5,1.5]) # 設置x軸與y軸的限
ax.set_xlim(0,10.5)

圖例

ax.set(title='An Example Axes',
       ylabel='Y-Axis',  
       xlabel='X-Axis') # 設置標題與x、y軸的標簽
ax.legend(loc='best') # 自動選擇最佳的圖例位置

標記

ax.xaxis.set(ticks=range(1,5),
            ticklabels=[3,100,-12,"foo"]) # 手動設置X軸刻度
ax.tick_params(axis='y',                     
                direction='inout', 
                length=10) # 設置Y軸長度與方向

子圖間距

fig3.subplots_adjust(wspace=0.5,
                    hspace=0.3,
                    left=0.125, 
                    right=0.9, 
                    top=0.9, 
                    bottom=0.1)
fig.tight_layout() # 設置畫布的子圖布局

坐標軸邊線

ax1.spines['top'].set_visible(False) # 隱藏頂部坐標軸線
ax1.spines['bottom'].set_position(('outward',10)) # 設置底部邊線的位置為outward

保存

#保存畫布
plt.savefig('foo.png')
# 保存透明畫布
plt.savefig('foo.png', transparent=True)

顯示圖形

plt.show()

關閉與清除

plt.cla() # 清除坐標軸
plt.clf() #  清除畫布
plt.close() # 關閉窗口

讀到這里，這篇“Python數據科學Matplotlib圖庫怎么使用”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。