1200字范文 > Matplotlib 使用总结（画图线图散点图条形图柱形图 3D图形等）

Matplotlib 使用总结（画图线图散点图条形图柱形图 3D图形等）

时间：2021-07-25 11:13:41

文章目录

相关链接学习记录图线图散点图条形图3D图像双y轴给图标上相应的数据我的绘图

本文内容概况：

1、主要总结一下几种常用的图，供自己学习使用

2、记录了本人学习matplotlib时找到的一些能解决相应问题的连接。

学习记录

图线图

1、基本绘图

import matplotlib.pyplot as pltimport numpy as npimport pandas as pdx=np.linspace(-3,3,50)#定义x的数据范围，50为生成的样本数y1=2*x+1y2=x**2plt.figure(num=2,figsize=(8,5))#定义编号为2 大小为(8,5)l1 = plt.plot(x,y1,color='red',linewidth=2,linestyle='--',label='linear line')#颜色为红色，线宽度为2，线风格为--l2 = plt.plot(x,y2,label='square line')#进行画图plt.xlim(-1,2)#设置坐标轴plt.ylim(-2,3)plt.xlabel("I'm x")plt.ylabel("I'm y")new_ticks=np.linspace(-1,2,5)#小标从-1到2分为5个单位plt.xticks(new_ticks)#进行替换新下标plt.yticks([-2,-1,1,2,],[r'$really\ bad$','$bad$','$well$','$really\ well$'])ax=plt.gca()#gca=get current axisax.spines['right'].set_color('none')#边框属性设置为none 不显示ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')#使用xaxis.set_ticks_position设置x坐标刻度数字或名称的位置所有属性为top、bottom、both、default、noneax.spines['bottom'].set_position(('data', 0))#使用.spines设置边框x轴；使用.set_position设置边框位置，y=0位置位置所有属性有outward、axes、dataax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))#坐标中心点在(0,0)位置plt.legend(loc='best')#legend：展示数据对应的图像名称#plt.legend(handles=[l1, l2], labels=['up', 'down'], loc='best')#loc有很多参数其中best自分配最佳位置''''best' : 0,'upper right' : 1,'upper left' : 2,'lower left' : 3,'lower right' : 4,'right' : 5,'center left' : 6,'center right' : 7,'lower center' : 8,'upper center' : 9,'center' : 10,'''plt.show()

出来的图像是这样的：

2、对图像进行标注

import matplotlib.pyplot as pltimport numpy as npimport pandas as pdx=np.linspace(-3,3,50)y = 2*x + 1plt.figure(num=1, figsize=(8, 5))plt.plot(x, y,)#移动坐标轴ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data', 0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data', 0))#标注信息x0=1y0=2*x0+1plt.scatter(x0,y0,s=50,color='b') #描点plt.plot([x0,x0],[y0,0],'k--',lw=2.5)#连接(x0,y0)(x0,0) k表示黑色 lw=2.5表示线粗细#xycoords='data'是基于数据的值来选位置，xytext=(+30,-30)和textcoords='offset points'对于标注位置描述和xy偏差值，arrowprops对图中箭头类型设置plt.annotate(r'$2x0+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))#添加注视text（-3.7,3）表示选取text位置空格需要用\进行转译 fontdict设置文本字体 plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',fontdict={'size': 16, 'color': 'r'})plt.show()

出来的效果是这样的

3、能见度调整

出来的结果是这样的：

散点图

import matplotlib.pyplot as pltimport numpy as npimport pandas as pdn=1024X=np.random.normal(0,1,n)#每一个点的X值Y=np.random.normal(0,1,n)#每一个点的Y值T=np.arctan2(Y,X)#arctan2返回给定的X和Y值的反正切值#scatter画散点图 size=75 颜色为T 透明度为50% 利用xticks函数来隐藏x坐标轴plt.scatter(X,Y,s=75,c=T,alpha=0.5)plt.xlim(-1.5,1.5)plt.xticks(())#忽略xticksplt.ylim(-1.5,1.5)plt.yticks(())#忽略yticksplt.show()

出来的结果是：

条形图

#基本图形n=12X=np.arange(n)Y1=(1-X/float(n))*np.random.uniform(0.5,1,n)Y2=(1-X/float(n))*np.random.uniform(0.5,1,n)plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')#标记值for x,y in zip(X,Y1):#zip表示可以传递两个值plt.text(x+0.4,y+0.05,'%.2f'%y,ha='center',va='bottom')#ha表示横向对齐 bottom表示向下对齐for x,y in zip(X,Y2):plt.text(x+0.4,-y-0.05,'%.2f'%y,ha='center',va='top')plt.xlim(-0.5,n)plt.xticks(())#忽略xticksplt.ylim(-1.25,1.25)plt.yticks(())#忽略yticksplt.show()

出来的结果是这样哒：

3D图像

import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D#需另外导入模块Axes 3Dfig=plt.figure()#定义图像窗口ax=Axes3D(fig)#在窗口上添加3D坐标轴#将X和Y值编织成栅格X=np.arange(-4,4,0.25)Y=np.arange(-4,4,0.25)X,Y=np.meshgrid(X,Y)R=np.sqrt(X**2+Y**2)Z=np.sin(R)#高度值#将colormap rainbow填充颜色，之后将三维图像投影到XY平面做等高线图，其中ratride和cstride表示row和column的宽度ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))#rstride表示图像中分割线的跨图#添加XY平面等高线投影到z平面ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow'))#把图像进行投影的图形 offset表示比0坐标轴低两个位置ax.set_zlim(-2,2)plt.show()

出来的结果是：

双y轴

# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltfrom matplotlib import rcrc('mathtext', default='regular')time = np.arange(10)temp = np.random.random(10)*30Swdown = np.random.random(10)*100-10Rn = np.random.random(10)*100-10fig = plt.figure()ax = fig.add_subplot(111)lns1 = ax.plot(time, Swdown, '-', label = 'Swdown')lns2 = ax.plot(time, Rn, '-', label = 'Rn')ax2 = ax.twinx()lns3 = ax2.plot(time, temp, '-r', label = 'temp')# added these three lineslns = lns1+lns2+lns3labs = [l.get_label() for l in lns]ax.legend(lns, labs, loc=0)ax.grid()ax.set_xlabel("Time (h)")ax.set_ylabel(r"Radiation ($MJ\,m^{-2}\,d^{-1}$)")ax2.set_ylabel(r"Temperature ($^\circ$C)")ax2.set_ylim(0, 35)ax.set_ylim(-20,100)plt.savefig('0.png')

给图标上相应的数据

1、对象为dataframe

df['resultRate'].plot(style='-.bo')plt.grid(axis='y')#设置数字标签**for a,b in zip(df['num'],df['resultRate']):plt.text(a, b+0.001, '%.4f' % b, ha='center', va= 'bottom',fontsize=9)plt.show()

2、对象为list

# 设置数字标签for a, b in zip(x1, y1):plt.text(a, b, b, ha='center', va='bottom', fontsize=20)plt.legend()plt.show()

或者

#添加数据标签for x, y ,z in zip(x,y2,y1):plt.text(x, y+0.3, str(y), ha='center', va='bottom', fontsize=20,rotation=0)plt.text(x, z-z, str(int(z)), ha='center', va='bottom', fontsize=21,rotation=0)

我的绘图

以上内容都是整理其他博主的相关知识点，下面是本人自己需要做的图：

如要执行代码，则需自行定义几个输入数据

result_log_path = "C:\\Users\\ASUS\\Desktop\\new\\painting\\asset_0.csv"output_name = "C:\\Users\\ASUS\\Desktop\\new\\painting\\3_result.png"data_process = CalculateTradeResult()if(not data_process.load_trade_data(result_log_path)):print("Load Trade Data Fail")else:#获取对应数据trade_date,day_return,sharp_result,retracements,max_retracements = data_process.calculate_trade_result()price = data_process.get_price()#图片窗口fig = plt.figure(figsize=(18,8))host = fig.add_subplot(111)host.set_xlabel("Date")host.set_ylabel("y1")par = host.twinx()par.set_ylabel("Price")#画线day_return_line, = host.plot(trade_date,day_return,'co-',label='day_return_line')retracements_line, = host.plot(trade_date,retracements,'g.-.',label='retracements_line')price_line, = par.plot(trade_date, price, 'r*--',label='price_line')# leg = plt.legend()plt.legend(handles=[day_return_line, retracements_line,price_line], labels=['day_return_line','retracements_line','price_line'], loc=2)#设置坐标轴host.set_xticklabels(labels=trade_date, fontsize=10,rotation=-45)#画网格ax = plt.gca()ax.xaxis.set_major_locator(plt.MultipleLocator(1.0))ax.xaxis.set_minor_locator(plt.MultipleLocator(.1))ax.yaxis.set_major_locator(plt.MultipleLocator(1.0))ax.yaxis.set_minor_locator(plt.MultipleLocator(.1))plt.tight_layout()#紧凑布局host.grid(which='major',axis="both",linewidth=0.75,linestyle='-',color='orange')host.grid(which='minor',axis="both",linewidth=0.25,linestyle='-',color='orange')# 设置数字标签for a, b in zip(trade_date, day_return):host.text(a, b, "%.5f" % b, ha='center', va='bottom', fontsize=10)for a, b in zip(trade_date, retracements):host.text(a, b, "%.5f" % b, ha='center', va='bottom', fontsize=10)for a, b in zip(trade_date, price):par.text(a, b, "%.3f" % b, ha='center', va='bottom', fontsize=10)plt.savefig(output_name)

出来的结果是这样的：

其中，不同的曲线的颜色和点的形状参数如下：

b blue 蓝.point -solidg green 绿ocircle :dottedr red 红xx-mark -. dashdot c cyan 青+plus-- dashed m magenta 品红 *star (none) no liney yellow 黄ssquarek black 黑ddiamondw white 白vtriangle (down)^triangle (up)<triangle (left)>triangle (right)ppentagram 五角星hhexagram 六角星

本内容不代表本网观点和政治立场，如有侵犯你的权益请联系我们处理。

网友评论

网友评论仅供其表达个人看法，并不表明网站立场。