如何在python中使用matplotlib繪圖模塊

這期內容當中小編將會給大家帶來有關如何在python中使用matplotlib繪圖模塊，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

1、繪制一條直線

代碼如下，下面的代碼大家應該都可以看懂吧

# 導入常用的包
import numpy as np
import matplotlib.pyplot as plt
 
# 生成-1到1的數據，一共生成100個，也可以生成1到-1的數據，這些數據是平均分布的
# 定義x軸的數據
x = np.linspace(-1,1,100)
 
# 定義y軸的數據
y = x * 2 + 100
plt.plot(x,y)
 
# 顯示圖像
plt.show()

效果如下

2、創建一個畫布，同時設置該畫布的大小

代碼如下

import numpy as np
 
import matplotlib.pyplot as plt
 
x = np.linspace(-1,1,100)
 
y1 = x * 2 + 100 
y2 = x ** 2
 
# 創建一個畫布
 
# figsize：設置畫布的大小
plt.figure(figsize=(2,2))
plt.plot(x,y1)
 
# 創建第二個畫布
plt.figure()
plt.plot(x,y2)
 
plt.show()

效果如下，會同時顯示兩張畫布

3、在一張畫布中畫兩條線，同時可以設置線的顏色，寬度，和風格

代碼如下

import numpy as np 
import matplotlib.pyplot as plt
 
x = np.linspace(-1,1,100) 
y1 = x * 2 + 0.5 
y2 = x ** 2 
 
# color:表示設置線的顏色
# linewidth:表示設置線的寬度
# linestyle:表示設置線的風格
plt.figure(figsize=(2,2))
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--') 
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-') 
plt.show() 
# 上面的效果就是2條曲線被放到一個畫布中

效果如下

4、限制x軸，y軸的顯示范圍，為x軸和y軸添加描述，替換x軸和y軸的顯示信息

代碼如下

import numpy as np
import matplotlib.pyplot as plt
 
# 設置坐標軸
x = np.linspace(-3,3,100) 
y1 = x * 2 + 0.5 
y2 = x ** 2
 
plt.figure(figsize=(6,6))
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--') 
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')
 
# 限制x軸的顯示范圍
plt.xlim((-1,2))
 
# 限制y軸的顯示范圍
plt.ylim((-1,5))
 
# 給x軸加描述
plt.xlabel("xxxxxx")
# 給y軸加描述
plt.ylabel("yyyyyy") 
 
# 替換一下橫坐標的顯示
temp = np.linspace(-2,2,11)
plt.xticks(temp)
 
# 替換縱坐標的標簽，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、對邊框進行設置，調整x軸和y軸的位置

代碼如下

import numpy as np
import matplotlib.pyplot as plt
 
# 設置坐標軸
x = np.linspace(-3,3,100)
 
y1 = x * 2 + 0.5
 
y2 = x ** 2 
 
plt.figure(figsize=(6,6))
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')
 
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')
 
# 限制x軸的顯示范圍
plt.xlim((-1,2))
 
# 限制y軸的顯示范圍
plt.ylim((-1,5))
 
# 給x軸加描述
plt.xlabel("xxxxxx")
# 給y軸加描述
plt.ylabel("yyyyyy") 
 
# 替換一下橫坐標的顯示
temp = np.linspace(-2,2,11)
plt.xticks(temp)
 
# 替換縱坐標的標簽，用level0代替之前的-1
# plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])
 
# 獲取邊框
ax = plt.gca()
# 設置右邊框的顏色為紅色
ax.spines["right"].set_color("r")
 
# 去掉上邊框
ax.spines["top"].set_color(None)
 
# 把x軸的刻度設置為bottom
ax.xaxis.set_ticks_position("bottom")
# 把y軸的客戶設置為left
ax.yaxis.set_ticks_position("left")
 
# 設置x和y交匯的點，x軸是0，y是也是0，也就是x軸和y軸的都是0點交匯
ax.spines["bottom"].set_position(("data",0))
ax.spines["left"].set_position(("data",0))
 
plt.show()

效果如下

6、為畫布添加圖例

代碼如下

#Auther Bob
#--*--conding:utf-8 --*--
import numpy as np
 
import matplotlib.pyplot as plt
 
# 設置圖例
x = np.linspace(-3, 3, 100)
y1 = x * 2 + 0.5 
y2 = x ** 2 
plt.figure(figsize=(6, 6))
 
# 首先要為兩條線分別取名，這里的逗號必須要有
l1, = plt.plot(x, y1, color='r', linewidth=1.0, linestyle='--')
 
l2, = plt.plot(x, y2, color='b', linewidth=5.0, linestyle='-')
 
# handles控制圖例中要說明的線
# labels為兩條線分別取一個label
# loc控制圖例的顯示位置，一般用best，由代碼為我們選擇最優的位置即可
 
plt.legend(handles=[l1, l2], labels=["test1", "test2"], loc='best')
 
# 限制x軸的顯示范圍
plt.xlim((-1, 2))
 
# 限制y軸的顯示范圍
plt.ylim((-1, 5))
 
# 給x軸加描述
plt.xlabel("xxxxxx")
# 給y軸加描述
plt.ylabel("yyyyyy")
 
# 替換一下橫坐標的顯示
temp = np.linspace(-2, 2, 11)
plt.xticks(temp)
 
# 替換縱坐標的標簽，用level0代替之前的-1
plt.yticks([-1, 0, 1, 2, 3, 4, 5], ["level0", "level1", "level2", "level3", "level4", "level5", "level6"])
 
# 為圖像加一個圖例，用來對圖像做說明
plt.show()

效果如下

7、為圖像添加描述

代碼如下

import numpy as np
 
import matplotlib.pyplot as plt
 
# 為圖像做標注
x = np.linspace(-3,3,100)
 
y1 = x * 2
 
# y2 = x ** 2
 
 
plt.figure(figsize=(6,6))
 
 
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='-') 
 
# 給x軸加描述
plt.xlabel("xxxxxx")
# 給y軸加描述
plt.ylabel("yyyyyy")
 
# ======================================================
# 在x軸為x0，y軸為x0 * 2上畫一個點，這個點的顏色是紅色，大小為50，這個大小就是這個點顯示的大小
x0 = 0.5
y0 = x0 * 2
# scatter是畫點的方法
plt.scatter(x0,y0,color='g',s=50)
 
# 畫線
# 這條線是第一個點的坐標為[x0,y0],第二個點的坐標為[x0,-6]，后面就是設置線的風格，線的顏色，線的寬度
 
plt.plot([x0,x0],[y0,-6],color='k',linestyle='--',linewidth=1.0) 
 
# 畫箭頭和描述 
# xy代表我們的點
# xytext代碼我們描述的位置，基于當前的點，在x軸+30，在y軸-30
# r'$2*x={n}$是我們要顯示的文字信息，格式必須要這樣
# textcoords表示作為起點
# fontsize表示設置字體大小
# arrowprops設置箭頭
# arrowstyle設置箭頭的樣式
# connectionstyle設置風格.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(arrowstyle='->',connectionstyle='arc3,rad=.2'))
 
# 顯示文字描述，從x軸為-1，y軸為2開始顯示，$$中就是要顯示的字符，這里如果要顯示空格，則需要轉義
# fontdict設置字體
plt.text(-1,2,r'$1\ 2\ 3\ 4$',fontdict={"size":16,"color":"r"})
 
# =========================================================
 
# 為圖像加一個圖例，用來對圖像做說明 
plt.show()

效果如下

8、繪制散點圖

代碼如下

import numpy as np 
import matplotlib.pyplot as plt
 
# 繪制散點圖
# plt.scatter(np.arange(1,10,1),np.arange(10,19,1))
 
# plt.scatter(np.linspace(-3,3,10),np.linspace(-3,3,10)) 
x = np.random.normal(1,10,500)
y = np.random.normal(1,10,500)
 
print(x)
# s設置點的大小
# c是顏色
# alpha是透明度
plt.scatter(x,y,s=50,c='b',alpha=0.5)
plt.show()

效果如下

9、繪制直方圖

代碼如下

import numpy as np 
import matplotlib.pyplot as plt 
 
# 繪制直方圖
x = np.arange(10)
y = x ** 2 + 10 
 
# facecolor設置柱體的顏色
# edgecolor設置邊框的顏色
 
plt.bar(x,y,facecolor='g',edgecolor='r')
 
# 繪制翻轉過來的直方圖
# plt.bar(x,-y)
 
#顯示文字
for x,y in zip(x,y):
 plt.text(x,y,"{f}".format(f=y),ha="center",va='bottom')
plt.show()

效果如下

10、一張畫布顯示多張圖像

代碼如下

#Auther Bob
#--*--conding:utf-8 --*--
import numpy as np
import matplotlib.pyplot as plt
 
# plt.figure()
# 有一個兩行兩列的單元格，這個位于第一個單元格
# plt.subplot(2,2,1)
 
# 畫一條【0,0】-----》【1,1】的直線
# plt.plot([0,1],[0,1])
 
 
# 有一個兩行兩列的單元格，這個位于第一個單元格
# plt.subplot(2,2,2)
 
# 畫一條【0,0】-----》【1,1】的直線
# plt.plot([0,1],[0,1])
 
 
# 有一個兩行兩列的單元格，這個位于第一個單元格
# plt.subplot(2,2,3)
 
# 畫一條【0,0】-----》【1,1】的直線
# plt.plot([1,0],[0,1])
# plt.show()
 
# 上面的例子，每張圖他顯示的大小是一樣的，我們想顯示不同的大小該怎么辦？
 
plt.figure()
# 有一個兩行三列的單元格，這個位于第一個單元格
plt.subplot(2,1,1)
 
# 畫一條【0,0】-----》【1,1】的直線
plt.plot([0,1],[0,1]) 
 
# 有一個兩行三列的單元格，這個位于第四個單元格，因為第一個單元格占了3個位子，所以這里就是第四個
plt.subplot(2,3,4)
 
# 畫一條【0,0】-----》【1,1】的直線
plt.plot([0,1],[0,1]) 
 
# 有一個兩行三列的單元格，這個位于第五個單元格
plt.subplot(2,3,5)
 
# 畫一條【0,0】-----》【1,1】的直線
plt.plot([1,0],[0,1])
plt.show()

效果如下

11、matplotlib模塊中的顏色和線條風格

作為線性圖的替代，可以通過向 plot() 函數添加格式字符串來顯示離散值。 可以使用以下格式化字符。

以下是顏色的縮寫：

上述就是小編為大家分享的如何在python中使用matplotlib繪圖模塊了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。