Python數據科學Matplotlib圖庫的用法

這篇文章主要講解了“Python數據科學Matplotlib圖庫的用法”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Python數據科學Matplotlib圖庫的用法”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。

圖形解析與工作流

圖形解析 

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

感謝各位的閱讀，以上就是“Python數據科學Matplotlib圖庫的用法”的內容了，經過本文的學習后，相信大家對Python數據科學Matplotlib圖庫的用法這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！