(給Python開發者加星標，提升Python技能)

來源：逐夢er

https://zhumenger.blog.csdn.net/article/details/106530281

【導語】：出色的數據可視化，會讓你的數據分析等工作錦上添花，讓人印(升)象(職)深(加)刻(薪)。matplotlib是python優秀的數據可視化庫，python數據分析必備利器，本文專門為你整理了matplotlib詳細使用方法，來學習吧！

--- 以下是正文 ---

數據可視化非常重要，因為錯誤或不充分的數據表示方法可能會毀掉原本很出色的數據分析工作。

matplotlib?庫是專門用于開發2D圖表(包括3D圖表)的，突出優點：

• 使用起來極為簡單。

• 以漸進、交互式方式實現數據可視化。

• 表達式和文本使用LaTeX排版。

• 對圖像元素控制力強。

• 可輸出PNG、PDF、SVG和EPS等多種格式。

安裝

conda?install?matplotlib

或者

pip?install?matplotlib

matplotlib 架構

matplotlib 的主要任務之一，就是提供一套表示和操作圖形對象(主要對象)以及它的內部對象的函數和工具。其不僅可以處理圖形，還提供事件處理工具，具有為圖形添加動畫效果的能力。有了這些附加功能，matplotlib 就能生成以鍵盤按鍵或鼠標移動觸發的事件的交互式圖表。

從邏輯上來講，matplotlib 的整體架構為3層，各層之間單向通信：

• Scripting (腳本)層。

• Artist (表現)層。

• Backend (后端)層。

一、matplotlib的基本用法

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 30) # 在區間內生成30個等差數y = np.sin(x)print('x = ', x)print('y = ', y)

輸出：

x = [-3.14159265 -2.92493109 -2.70826953 -2.49160797 -2.2749464 -2.05828484 -1.84162328 -1.62496172 -1.40830016 -1.19163859 -0.97497703 -0.75831547 -0.54165391 -0.32499234 -0.10833078 0.10833078 0.32499234 0.54165391 0.75831547 0.97497703 1.19163859 1.40830016 1.62496172 1.84162328 2.05828484 2.2749464 2.49160797 2.70826953 2.92493109 3.14159265]y = [-1.22464680e-16 -2.14970440e-01 -4.19889102e-01 -6.05174215e-01 -7.62162055e-01 -8.83512044e-01 -9.63549993e-01 -9.98533414e-01 -9.86826523e-01 -9.28976720e-01 -8.27688998e-01 -6.87699459e-01 -5.15553857e-01 -3.19301530e-01 -1.08119018e-01 1.08119018e-01 3.19301530e-01 5.15553857e-01 6.87699459e-01 8.27688998e-01 9.28976720e-01 9.86826523e-01 9.98533414e-01 9.63549993e-01 8.83512044e-01 7.62162055e-01 6.05174215e-01 4.19889102e-01??2.14970440e-01??1.22464680e-16]

• 畫一條曲線

plt.figure() # 創建一個新的窗口plt.plot(x, y) # 畫一個x與y相關的曲線plt.show()# 顯示圖像

• 畫多條曲線以及添加坐標軸和標簽

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 100) # 在區間內生成21個等差數y = np.sin(x)linear_y = 0.2 * x + 0.1plt.figure(figsize = (8, 6)) # 自定義窗口的大小plt.plot(x, y)plt.plot(x, linear_y, color = "red", linestyle = '--') # 自定義顏色和表示方式plt.title('y = sin(x) and y = 0.2x + 0.1') # 定義該曲線的標題plt.xlabel('x') # 定義橫軸標簽plt.ylabel('y') # 定義縱軸標簽plt.show()

• 指定坐標范圍 and 設置坐標軸刻度

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 100) # 在區間內生成21個等差數y = np.sin(x)linear_y = 0.2 * x + 0.1plt.figure(figsize = (8, 6)) # 自定義窗口的大小plt.plot(x, y)plt.plot(x, linear_y, color = "red", linestyle = '--') # 自定義顏色和表示方式plt.title('y = sin(x) and y = 0.2x + 0.1') # 定義該曲線的標題plt.xlabel('x') # 定義橫軸標簽plt.ylabel('y') # 定義縱軸標簽plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)# 重新設置x軸的刻度# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range = np.linspace(-np.pi, np.pi, 5)x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']plt.xticks(x_value_range, x_value_strs)plt.show()?#?顯示圖像

• 定義原點在中心的坐標軸

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 100)y = np.sin(x)linear_y = 0.2 * x + 0.1plt.figure(figsize = (8, 6)) plt.plot(x, y)plt.plot(x, linear_y, color = "red", linestyle = '--') plt.title('y = sin(x) and y = 0.2x + 0.1')plt.xlabel('x') plt.ylabel('y') plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range = np.linspace(-np.pi, np.pi, 5)x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']plt.xticks(x_value_range, x_value_strs)ax = plt.gca() # 獲取坐標軸ax.spines['right'].set_color('none') # 隱藏上方和右方的坐標軸ax.spines['top'].set_color('none')# 設置左方和下方坐標軸的位置ax.spines['bottom'].set_position(('data', 0)) # 將下方的坐標軸設置到y = 0的位置ax.spines['left'].set_position(('data', 0)) # 將左方的坐標軸設置到 x = 0 的位置plt.show() # 顯示圖像

• legend圖例

使用xticks()和yticks()函數替換軸標簽，分別為每個函數傳入兩列數值。第一個列表存儲刻度的位置，第二個列表存儲刻度的標簽。

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 100)y = np.sin(x)linear_y = 0.2 * x + 0.1plt.figure(figsize = (8, 6)) # 為曲線加上標簽plt.plot(x, y, label = "y = sin(x)")plt.plot(x, linear_y, color = "red", linestyle = '--', label = 'y = 0.2x + 0.1') plt.title('y = sin(x) and y = 0.2x + 0.1')plt.xlabel('x') plt.ylabel('y') plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range = np.linspace(-np.pi, np.pi, 5)x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']plt.xticks(x_value_range, x_value_strs)ax = plt.gca() ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.spines['bottom'].set_position(('data', 0)) ax.spines['left'].set_position(('data', 0)) # 將曲線的信息標識出來plt.legend(loc = 'lower right', fontsize = 12)plt.show()?

legend方法中的loc?參數可選設置

位置字符串位置編號位置表述

‘best’	0	最佳位置
‘upper right’	1	右上角
‘upper left’	2	左上角
‘lower left’	3	左下角
‘lower right’	4	右下角
‘right’	5	右側
‘center left’	6	左側垂直居中
‘center right’	7	右側垂直居中
‘lower center’	8	下方水平居中
‘upper center’	9	上方水平居中
‘center’	10	正中間

二、柱狀圖

使用的方法：plt.bar

import numpy as npimport matplotlib.pyplot as pltplt.figure(figsize = (16, 12))x = np.array([1, 2, 3, 4, 5, 6, 7, 8])y = np.array([3, 5, 7, 6, 2, 6, 10, 15])plt.plot(x, y, 'r', lw = 5) # 指定線的顏色和寬度x = np.array([1, 2, 3, 4, 5, 6, 7, 8])y = np.array([13, 25, 17, 36, 21, 16, 10, 15])plt.bar(x, y, 0.2, alpha = 1, color='b') # 生成柱狀圖，指明圖的寬度，透明度和顏色plt.show()

有的時候柱狀圖會出現在x軸的倆側，方便進行比較，代碼實現如下：

import numpy as npimport matplotlib.pyplot as pltplt.figure(figsize = (16, 12))n = 12x = np.arange(n) # 按順序生成從12以內的數字y1 = (1 - x / float(n)) * np.random.uniform(0.5, 1.0, n)y2 = (1 - x / float(n)) * np.random.uniform(0.5, 1.0, n)# 設置柱狀圖的顏色以及邊界顏色#+y表示在x軸的上方 -y表示在x軸的下方plt.bar(x, +y1, facecolor = '#9999ff', edgecolor = 'white')plt.bar(x, -y2, facecolor = '#ff9999', edgecolor = 'white')plt.xlim(-0.5, n) # 設置x軸的范圍，plt.xticks(()) # 可以通過設置刻度為空，消除刻度plt.ylim(-1.25, 1.25) # 設置y軸的范圍plt.yticks(())# plt.text()在圖像中寫入文本，設置位置，設置文本，ha設置水平方向對其方式，va設置垂直方向對齊方式for x1, y in zip(x, y2): plt.text(x1, -y - 0.05, '%.2f' % y, ha = 'center', va = 'top')for x1, y in zip(x, y1): plt.text(x1, y + 0.05, '%.2f' % y, ha = 'center', va = 'bottom')plt.show()

三、散點圖

import numpy as npimport matplotlib.pyplot as pltN = 50x = np.random.rand(N)y = np.random.rand(N)colors = np.random.rand(N)area = np.pi * (15 * np.random.rand(N))**2plt.scatter(x, y, s = area,c = colors, alpha = 0.8)plt.show()

四、等高線圖

import matplotlib.pyplot as pltimport numpy as npdef f(x, y): return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)n = 256x = np.linspace(-3, 3, n)y = np.linspace(-3, 3, n)X, Y = np.meshgrid(x, y) # 生成網格坐標 將x軸與y軸正方形區域的點全部獲取line_num = 10 # 等高線的數量plt.figure(figsize = (16, 12))#contour 生成等高線的函數#前倆個參數表示點的坐標，第三個參數表示等成等高線的函數，第四個參數表示生成多少個等高線C = plt.contour(X, Y, f(X, Y), line_num, colors = 'black', linewidths = 0.5) # 設置顏色和線段的寬度plt.clabel(C, inline = True, fontsize = 12) # 得到每條等高線確切的值# 填充顏色, cmap 表示以什么方式填充，hot表示填充熱量的顏色plt.contourf(X, Y, f(X, Y), line_num, alpha = 0.75, cmap = plt.cm.hot)plt.show()

五、處理圖片

import matplotlib.pyplot as pltimport matplotlib.image as mpimg # 導入處理圖片的庫import matplotlib.cm as cm # 導入處理顏色的庫colormapplt.figure(figsize = (16, 12))img?=?mpimg.imread('image/fuli.jpg')#?讀取圖片print(img) # numpy數據print(img.shape) # plt.imshow(img, cmap = 'hot')plt.colorbar() # 得到顏色多對應的數值plt.show()[[[ 11 23 63] [ 12 24 64] [ 1 13 55] ... [ 1 12 42] [ 1 12 42] [ 1 12 42]] [[ 19 31 71] [ 3 15 55] [ 0 10 52] ... [ 0 11 39] [ 0 11 39] [ 0 11 39]] [[ 22 34 74] [ 3 15 55] [ 7 19 61] ... [ 0 11 39] [ 0 11 39] [ 0 11 39]] ... [[ 84 125 217] [ 80 121 213] [ 78 118 214] ... [ 58 90 191] [ 54 86 187] [ 53 85 186]] [[ 84 124 220] [ 79 119 215] [ 78 117 218] ... [ 55 87 188] [ 55 87 188] [ 55 87 188]] [[ 83 121 220] [ 80 118 219] [ 83 120 224] ... [ 56 88 189] [ 58 90 191] [ 59 91 192]]](728,?516,?3)

利用numpy矩陣得到圖片

import matplotlib.pyplot as pltimport matplotlib.cm as cm # 導入處理顏色的庫colormapimport numpy as npsize = 8# 得到一個8*8數值在(0, 1)之間的矩陣a = np.linspace(0, 1, size ** 2).reshape(size, size)plt.figure(figsize = (16, 12))plt.imshow(a)plt.show()

六、3D圖

import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D # 導入Axes3D對象fig = plt.figure(figsize = (16, 12))ax = fig.add_subplot(111, projection = '3d') # 得到3d圖像x = np.arange(-4, 4, 0.25)y = np.arange(-4, 4, 0.25)X, Y = np.meshgrid(x, y) # 生成網格Z = np.sqrt(X ** 2 + Y ** 2)# 畫曲面圖 # 行和列對應的跨度 # 設置顏色ax.plot_surface(X, Y, Z, rstride = 1, cstride = 1, cmap = plt.get_cmap('rainbow'))plt.show()

以上是matplotlib基于測試數據的數據可視化，結合實際項目中數據，代碼稍加修改，即可有讓人印象深刻的效果。

- EOF -

推薦閱讀??點擊標題可跳轉

1、25 個常用 Matplotlib 圖的 Python 代碼，收藏收藏！

2、Python 繪圖庫 Matplotlib 入門教程

3、基于 matplotlib 的 2D/3D 抽象網格和能量曲線繪制程序

覺得本文對你有幫助？請分享給更多人

關注「Python開發者」加星標，提升Python技能

點贊和在看就是最大的支持??

總結

以上是生活随笔為你收集整理的matplotlib的优点_超详细matplotlib基础介绍！！！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。