文章目录

一、x,y坐标图1、基本操作2、进阶操作（1）解决中文乱码情况（2）调整图像大小（3）加标题、坐标文字、坐标轴标签（5）去掉上边框二、柱状图1、柱状图画图基本操作2、柱状图进阶操作3、SCI操作三、颜色与标记形状1、颜色表2、形状表

又到了一年一度的论文级，大家是不是还在为怎么画图担忧呢，别担心，下载好Python软件，准备发车！！

一、x,y坐标图

1、基本操作

 在使用Python画图之前，至少需要安装好matplotlib库，很简单，直接在终端：

pip install matplotlib

 安装好之后，就可以进行简单画图了，用简单地二次函数举个例子。

y=x2{\rm{y}}\;{\rm{ = }}\;{x^2} % MathType!MTEF!2!1!+- % feaahqart1ev3aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn % hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr % 4rNCHbWexLMBbXgBd9gzLbvyNv2CaeHbl7mZLdGeaGqiVu0Je9sqqr % pepC0xbbL8F4rqqrFfpeea0xe9Lq-Jc9vqaqpepm0xbba9pwe9Q8fs % 0-yqaqpepae9pg0FirpepeKkFr0xfr-xfr-xb9adbaqaaeGaciGaai % aabeqaamaabaabauaakeaacaqG5bGaaGjbVlaab2dacaaMe8UaamiE % amaaCaaaleqabaGaaGOmaaaaaaa!45DA! y=x2

 那么在画这条曲线之前，需要确定一下x和y的范围和取值，比如x的取值从0~9，那么在代码中可以这样表示：

x = np.arange(0,10)y = x**2

 有了取值就可以画图了，直接用下面的代码进行最简单的画图：

import matplotlib.plot as pltx = np.range(1, 10)y = x**2plt.plot(x, y)# 画图函数plt.show()# 用于显示所画的图形# plt.savfig("demo.svg", dpi=300)

 使用plt.show()函数可以显示所画图形，使用plt.savfig("demo.svg", dpi=300)可以将所画的图形保存下来，这里的svg格式是论文中的常用格式，后面的dpi表示图像的清晰度，这里一般设置为300或者500就够了，设置的太高的话，电脑很有可能死机，或者图像打不开。（电脑性能不好，最好不要设置到1000以上）

2、进阶操作

（1）解决中文乱码情况

 如果在画图的过程中，遇到无法正常显示中文的情况，在画图前加上这两句代码：

plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文字体plt.rcParams['axes.unicode_minus'] = False # 显示负号

（2）调整图像大小

 想要调整图像大小的话，可以在画图代码的最前边，加上这样一句代码：

plt.figure(figsize=(10, 5))

 这里取决于自己，如果是电力电子相关专业的话，可以将图像适当拉长，看起来会比较好看。

（3）加标题、坐标文字、坐标轴标签

plt.title("标题"， fontsize=25)plt.xticks(fontsize=15, fontweight='bold') # 默认字体大小为10plt.yticks(fontsize=15, fontweight='bold')plt.xlabel('x轴标签', fontsize=25, fontweight='bold')plt.ylabel('y轴标签', fontsize=25, fontweight='bold')

加上这些东西之后，效果图如下所示（可以与上面的图像比较一下）：

 如果一张图中出现不止一条曲线，也可以加上legend，

plt.plot(x, y, label="二次函数")plt.legend(loc=0, numpoints=1)leg = plt.gca().get_legend()ltext = leg.get_texts()plt.setp(ltext, fontsize=12, fontweight='bold') # 设置图例字体的大小和粗细plt.grid(linestyle="--") # 设置背景网格线为虚线

 加上这一段之后，得到的效果图如下所示：

 如果嫌弃字太大，自行设置即可。

（5）去掉上边框

如果不想要上边框和有边框，加上如下代码：

ax = plt.gca()ax.spines['top'].set_visible(False) # 去掉上边框ax.spines['right'].set_visible(False) # 去掉右边框

效果如下所示：

是不是有SCI论文里边那种感觉了。

二、柱状图

1、柱状图画图基本操作

首先来看一个比较简单的代码示例：

import matplotlib.pyplot as pltimport numpy as npx = ['一', '二', '三']y = [23, 12, 45]# -----------------------------------------# 画图# -----------------------------------------plt.rcParams['font.sans-serif'] = ['SimHei'] # 如果要显示中文字体,则在此处设为：SimHeiplt.rcParams['axes.unicode_minus'] = False # 显示负号plt.bar(x, y)plt.show()

代码中的plt.bar()就是画柱状图所用的API

最终得到的结果如下图所示：在这里插入图片描述

2、柱状图进阶操作

在图形中画出一个柱子很简单，但是如果我们需要几个数据进行比较的话，就需要在一个x轴范围内画出两个柱子，这个情况下，我们就要引入width的概念了。

total_width, n = 0.8, 3width = total_width / n

我标的这个地方，就是width所在，如果想要在一个轴的地方画两个图，那么在代码中需要这样实现：

import matplotlib.pyplot as pltimport numpy as npx_b = ['一', '二', '三']x = np.linspace(0, 5, 3)y = [23, 12, 45]y2 = [44,19, 32]total_width, n = 0.8, 2width = total_width / n# -----------------------------------------# 画图# -----------------------------------------plt.rcParams['font.sans-serif'] = ['SimHei'] # 如果要显示中文字体,则在此处设为：SimHeiplt.rcParams['axes.unicode_minus'] = False # 显示负号plt.bar(x-width, y)plt.bar(x+width, y2)plt.xticks(np.array(x), x_b, fontweight='bold', fontsize=20)plt.show()

在柱状图中，一般把一个柱子当成total_width，那么需要画几个柱子，只需要调节n参数就行。

那么红色的柱子x轴的定位点应该是x-width，绿色柱子x轴的定位点应该是x+width。

上述代码中得到的效果图如下所示：

3、SCI操作

把上面的一些骚操作都结合起来，就可以画一个比较漂亮的图了，比如在我的硕士论文中，画了一个这样的图，我把代码全都贴出来：

'''函数目的：画图横轴为 epoch纵轴是 time_every'''import jsonimport numpy as npimport matplotlib.pyplot as pltif __name__ == '__main__':with open("./resnet50/time_epoch.json", "r") as f:time_resnet50 = json.load(f)with open("./resnet101_ibn/time_epoch.json", "r") as f:time_resnet101_ibn = json.load(f)with open("./resnet101_ibn_cos/time_epoch.json", "r") as f:time_resnet101_ibn_cos = json.load(f)epoch = range(0, 60)plt.rcParams["font.sans-serif"] = ['SimHei']plt.rcParams["axes.unicode_minus"] = Falsedata_time_resnet50 = []data_time_resnet101_ibn = []data_time_resnet101_ibn_cos = []data_epoch = []for i in range(0, 61):try:if i % 5 == 0:data_time_resnet50.append(time_resnet50[i])data_time_resnet101_ibn.append(time_resnet101_ibn[i])data_time_resnet101_ibn_cos.append(time_resnet101_ibn_cos[i])data_epoch.append(i)except:continueprint(len(data_epoch))print(len(data_time_resnet50))print(len(data_time_resnet101_ibn))print(len(data_time_resnet101_ibn_cos))print(data_epoch)x_1 = np.linspace(0, 10, len(data_epoch))x = np.linspace(0, 55, len(data_epoch))x_t = [str(int(x)) for x in x]print(x_t)total_width, n = 0.8, 3width = total_width / nplt.rcParams['font.sans-serif'] = ['SimHei'] # 如果要显示中文字体,则在此处设为：SimHeiplt.rcParams['axes.unicode_minus'] = False # 显示负号plt.figure(figsize=(16, 9))ax = plt.gca()ax.spines['top'].set_visible(False) # 去掉上边框ax.spines['right'].set_visible(False) # 去掉右边框plt.grid(linestyle="--") # 设置背景网格线为虚线plt.bar(x_1-width/2, data_time_resnet50, width=width, label="ResNet50", color="red")plt.bar(x_1+width/2, data_time_resnet101_ibn, width=width, label="ResNet101", color="green")plt.bar(x_1+3*width/2, data_time_resnet101_ibn_cos, width=width, label="L-ResNet101", color="blue")plt.xticks(np.array(x_1)+width/2, x_t, fontweight='bold', fontsize=20)plt.yticks(fontsize=20, fontweight='bold')# ------------------------------------# 设置图例# ------------------------------------plt.legend(loc=0, numpoints=1)leg = plt.gca().get_legend()ltext = leg.get_texts()plt.setp(ltext, fontsize=20, fontweight='bold') # 设置图例字体的大小和粗细# ------------------------------------# 设置x，y轴# ------------------------------------plt.xlabel("Epoch",fontsize=25, fontweight='bold')plt.ylabel('Time/minues', fontsize=25, fontweight='bold')plt.rcParams["font.sans-serif"] = ['SimHei']plt.rcParams["axes.unicode_minus"] = Falseplt.savefig("./New__figure/各迭代次数所用时间.svg", dpi=300)plt.show()

代码中所用到的测试文件在百度网盘：

链接：/s/1UG-j_ZZR53egAzbfes86ww 提取码：lhpl

上述代码得到的效果如下所示：

 把所有东西都加上去，看起来就很完美了。

三、颜色与标记形状

1、颜色表

2、形状表

平常能见到的颜色，这些基本上够用了。