Python中怎么使用Matplotlib庫繪制圖形

這篇文章主要介紹“Python中怎么使用Matplotlib庫繪制圖形”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“Python中怎么使用Matplotlib庫繪制圖形”文章能幫助大家解決問題。

一、簡單的正弦函數與余弦函數

是取得正弦函數和余弦函數的值：

X 是一個 numpy 數組，包含了從 −π 到 +π 等間隔的 256 個值。C 和 S 則分別是這 256 個值對應的余弦和正弦函數值組成的 numpy 數組。

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

 完整代碼如下

import numpy as np
import matplotlib.pyplot as plt
 
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
#繪制并顯示圖形
plt.plot(X, C)
plt.plot(X, S)
 
plt.show()

二、進階版正弦函數與余弦函數

上面我們學習了簡單的正弦函數與余弦函數，接下來我們將精益求精，改變顏色與粗細，設置記號，調整邊框等。

1.改變顏色與粗細

我們以藍色和紅色分別表示余弦和正弦函數，而后將線條變粗一點。接下來，我們在水平方向拉伸一下整個圖。

代碼如下（示例）：

figure(figsize=(10, 6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, line)
plot(X, S, color="red",  linewidth=2.5, line)

2.設置圖片邊界

代碼如下（示例）：

xmin, xmax = X.min(), X.max()
dx = (xmax - xmin) * 0.2
xlim(xmin - dx, xmax + dx)

 3.設置記號

我們討論正弦和余弦函數的時候，通常希望知道函數在 ±π 和 ±π2 的值。

xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])

4.設置記號的標簽

我們可以把 3.142 當做是 π，但畢竟不夠精確。當我們設置記號的時候，我們可以同時設置記號的標簽。注意這里使用了 LaTeX。

xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
 
yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])

5.設置X,Y軸

ax = 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))

 6.完整代碼

# 導入 matplotlib 的所有內容（nympy 可以用 np 這個名字來使用）
from pylab import *
 
# 創建一個 8 * 6 點（point）的圖，并設置分辨率為 80
figure(figsize=(8, 6), dpi=80)
 
# 創建一個新的 1 * 1 的子圖，接下來的圖樣繪制在其中的第 1 塊（也是唯一的一塊）
subplot(1, 1, 1)
 
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
 
# 繪制余弦曲線，使用藍色的、連續的、寬度為 1 （像素）的線條
plot(X, C, color="blue", linewidth=1.0, line)
 
# 繪制正弦曲線，使用綠色的、連續的、寬度為 1 （像素）的線條
plot(X, S, color="green", linewidth=1.0, line)
 
# 設置橫軸的上下限
xlim(-4.0, 4.0)
 
# 設置橫軸記號
xticks(np.linspace(-4, 4, 9, endpoint=True))
 
# 設置縱軸的上下限
ylim(-1.0, 1.0)
 
# 設置縱軸記號
yticks(np.linspace(-1, 1, 5, endpoint=True))
 
# 以分辨率 72 來保存圖片
# savefig("exercice_2.png",dpi=72)
 
# 設置顏色與粗細
figure(figsize=(10, 6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, line)
plot(X, S, color="red",  linewidth=2.5, line)
# 設置邊框
xmin, xmax = X.min(), X.max()
 
dx = (xmax - xmin) * 0.2
 
xlim(xmin - dx, xmax + dx)
# 設置記號
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])
 
# 設置記號的標簽
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
 
yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])
 
# 設置xy軸
ax = 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))
# 在屏幕上顯示
show()

 最終效果

三、繪制簡單的折線圖

折線圖是一種將數據點按照順序連起來的圖形，可以體現變量y隨變量x的變化情況。Matplotlib 提供了plot()函數繪制折線圖,其語法格式如下：

plt.plot(*args, **kwargs)

常用參數及說明如下：

• x、y：分別表示x軸和y軸對應的數據，接收列表類型參數

• color：表示折線的顏色

• marker：表示折線上點的類型，有“.”、“o”、“v”等等類型

• linestyle：表示折線的類型，默認為“-”，表示實線，設置為“--”表示長虛線，設置為“-.”表示點線，設置為“:”表示點虛線

• linewidth：表示折線的粗細

• alpha：表示點的透明度，接收0~1之間的小數

下面我們將以 某地區周一到周日平均溫度變化折線圖為例，具體的學習了解折線圖的繪制。

import matplotlib.pyplot as plt
 
plt.figure(figsize=(10, 8))
# 周一到周日平均溫度數據
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10])
plt.show()

效果如下：

我們可以給圖表添加一些標簽和圖例，讓圖表更加清晰好看，具體方法如下：

• plt.title()：指定當前圖表的標題，包括名稱、位置、顏色、字體大小等

• plt.xlabel()：指定當前圖表x軸的名稱、位置、顏色、字體大小等

• plt.ylabel()：指定當前圖表y軸的名稱、位置、顏色、字體大小等

• plt.xlim()：指定當前圖表x軸的范圍

• plt.ylim()：指定當前圖表y軸的范圍

• plt.xticks()：指定當前圖表x軸刻度

• plt.yticks()：指定當前圖表y軸刻度

import matplotlib.pyplot as plt
 
# 設置支持中文
plt.rcParams['font.family'] = ['SimHei']
plt.figure(figsize=(10, 8))
 
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10], line, marker=".")
plt.xlabel("時間")
plt.ylabel("溫度")
plt.yticks([i for i in range(20)][::5])
 
plt.show()

效果如下：

關于“Python中怎么使用Matplotlib庫繪制圖形”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。