摘要:本文作為學(xué)習(xí)過程中對(duì)一些常用知識(shí)點(diǎn)的整理,方便查找。所有繪圖操作僅對(duì)當(dāng)前圖和當(dāng)前坐標(biāo)有效。表示把圖標(biāo)分割成的網(wǎng)格。每個(gè)對(duì)象都是一個(gè)擁有自己坐標(biāo)系統(tǒng)的繪圖區(qū)域。避免比例壓縮為橢圓數(shù)據(jù)可視化入門教程繪圖核心剖析如何調(diào)整子圖的大小
本文作為學(xué)習(xí)過程中對(duì)matplotlib一些常用知識(shí)點(diǎn)的整理,方便查找。
強(qiáng)烈推薦ipython
無論你工作在什么項(xiàng)目上,IPython都是值得推薦的。利用ipython --pylab,可以進(jìn)入PyLab模式,已經(jīng)導(dǎo)入了matplotlib庫(kù)與相關(guān)軟件包(例如Numpy和Scipy),額可以直接使用相關(guān)庫(kù)的功能。
這樣IPython配置為使用你所指定的matplotlib GUI后端(TK/wxPython/PyQt/Mac OS X native/GTK)。對(duì)于大部分用戶而言,默認(rèn)的后端就已經(jīng)夠用了。Pylab模式還會(huì)向IPython引入一大堆模塊和函數(shù)以提供一種更接近MATLAB的界面。
參考matplotlib-繪制精美的圖表
matplotlib.pyplot.plt參數(shù)介紹
import matplotlib.pyplot as plt labels="frogs","hogs","dogs","logs" sizes=15,20,45,10 colors="yellowgreen","gold","lightskyblue","lightcoral" explode=0,0.1,0,0 plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct="%1.1f%%",shadow=True,startangle=50) plt.axis("equal") plt.show()matplotlib圖標(biāo)正常顯示中文
為了在圖表中能夠顯示中文和負(fù)號(hào)等,需要下面一段設(shè)置:
import matplotlib mpl mpl.rcParams["font.sans-serif"]=["SimHei"] #用來正常顯示中文標(biāo)簽 mpl.rcParams["axes.unicode_minus"]=False #用來正常顯示負(fù)號(hào)
這種方法能夠奏效的條件是電腦上有simhei字體。
matplotlib inline和pylab inline可以使用ipython --pylab打開ipython命名窗口。
%matplotlib inline #notebook模式下 %pylab inline #ipython模式下
這兩個(gè)命令都可以在繪圖時(shí),將圖片內(nèi)嵌在交互窗口,而不是彈出一個(gè)圖片窗口,但是,有一個(gè)缺陷:除非將代碼一次執(zhí)行,否則,無法疊加繪圖,因?yàn)樵谶@兩種模式下,是要有plt出現(xiàn),圖片會(huì)立馬show出來,因此:
推薦在ipython notebook時(shí)使用,這樣就能很方便的一次編輯完代碼,繪圖。
為項(xiàng)目設(shè)置matplotlib參數(shù)在代碼執(zhí)行過程中,有兩種方式更改參數(shù):
使用參數(shù)字典(rcParams)
調(diào)用matplotlib.rc()命令 通過傳入關(guān)鍵字元祖,修改參數(shù)
如果不想每次使用matplotlib時(shí)都在代碼部分進(jìn)行配置,可以修改matplotlib的文件參數(shù)??梢杂萌缦旅顏碚业疆?dāng)前用戶的配置文件目錄。
import matplotlib matplotlib.get_data_path()
得到配置文件夾,其中有font文件夾。
配置文件包括以下配置項(xiàng):
線條相關(guān)屬性標(biāo)記設(shè)置 用來該表線條的屬性axex: 設(shè)置坐標(biāo)軸邊界和表面的顏色、坐標(biāo)刻度值大小和網(wǎng)格的顯示
backend: 設(shè)置目標(biāo)暑促TkAgg和GTKAgg
figure: 控制dpi、邊界顏色、圖形大小、和子區(qū)( subplot)設(shè)置
font: 字體集(font family)、字體大小和樣式設(shè)置
grid: 設(shè)置網(wǎng)格顏色和線性
legend: 設(shè)置圖例和其中的文本的顯示
line: 設(shè)置線條(顏色、線型、寬度等)和標(biāo)記
patch: 是填充2D空間的圖形對(duì)象,如多邊形和圓??刂凭€寬、顏色和抗鋸齒設(shè)置等。
savefig: 可以對(duì)保存的圖形進(jìn)行多帶帶設(shè)置。例如,設(shè)置渲染的文件的背景為白色。
verbose: 設(shè)置matplotlib在執(zhí)行期間信息輸出,如silent、helpful、debug和debug-annoying。
xticks和yticks: 為x,y軸的主刻度和次刻度設(shè)置顏色、大小、方向,以及標(biāo)簽大小。
線條風(fēng)格linestyle或ls | 描述 | 線條風(fēng)格linestyle或ls | 描述 | |
---|---|---|---|---|
"-" | 實(shí)線 | ":" | 虛線 | |
"--" | 破折線 | "None"," ","" | 什么都不畫 | |
"-." | 點(diǎn)劃線 |
標(biāo)記maker | 描述 | 標(biāo)記 | 描述 | |
---|---|---|---|---|
"o" | 圓圈 | "." | 點(diǎn) | |
"D" | 菱形 | "s" | 正方形 | |
"h" | 六邊形1 | "*" | 星號(hào) | |
"H" | 六邊形2 | "d" | 小菱形 | |
"_" | 水平線 | "v" | 一角朝下的三角形 | |
"8" | 八邊形 | "<" | 一角朝左的三角形 | |
"p" | 五邊形 | ">" | 一角朝右的三角形 | |
"," | 像素 | "^" | 一角朝上的三角形 | |
"+" | 加號(hào) | " | " | 豎線 |
"None",""," " | 無 | "x" | X |
可以通過調(diào)用matplotlib.pyplot.colors()得到matplotlib支持的所有顏色。
別名 | 顏色 | 別名 | 顏色 | |
---|---|---|---|---|
b | 藍(lán)色 | g | 綠色 | |
r | 紅色 | y | 黃色 | |
c | 青色 | k | 黑色 | |
m | 洋紅色 | w | 白色 |
如果這兩種顏色不夠用,還可以通過兩種其他方式來定義顏色值:
使用HTML十六進(jìn)制字符串 color="eeefff" 使用合法的HTML顏色名字("red","chartreuse"等)。
也可以傳入一個(gè)歸一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)
很多方法可以介紹顏色參數(shù),如title()。
plt.tilte("Title in a custom color",color="#123456")
通過向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()這樣的方法提供一個(gè)axisbg參數(shù),可以指定坐標(biāo)這的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098)
基礎(chǔ)如果你向plot()指令提供了一維的數(shù)組或列表,那么matplotlib將默認(rèn)它是一系列的y值,并自動(dòng)為你生成x的值。默認(rèn)的x向量從0開始并且具有和y同樣的長(zhǎng)度,因此x的數(shù)據(jù)是[0,1,2,3].
圖片來自:繪圖: matplotlib核心剖析
確定坐標(biāo)范圍plt.axis([xmin, xmax, ymin, ymax])
上面例子里的axis()命令給定了坐標(biāo)范圍。
xlim(xmin, xmax)和ylim(ymin, ymax)來調(diào)整x,y坐標(biāo)范圍
%matplotlib inline import numpy as np import matplotlib.pyplot as plt from pylab import * x = np.arange(-5.0, 5.0, 0.02) y1 = np.sin(x) plt.figure(1) plt.subplot(211) plt.plot(x, y1) plt.subplot(212) #設(shè)置x軸范圍 xlim(-2.5, 2.5) #設(shè)置y軸范圍 ylim(-1, 1) plt.plot(x, y1)疊加圖
用一條指令畫多條不同格式的線。
import numpy as np import matplotlib.pyplot as plt # evenly sampled time at 200ms intervals t = np.arange(0., 5., 0.2) # red dashes, blue squares and green triangles plt.plot(t, t, "r--", t, t**2, "bs", t, t**3, "g^") plt.show()plt.figure()
你可以多次使用figure命令來產(chǎn)生多個(gè)圖,其中,圖片號(hào)按順序增加。這里,要注意一個(gè)概念當(dāng)前圖和當(dāng)前坐標(biāo)。所有繪圖操作僅對(duì)當(dāng)前圖和當(dāng)前坐標(biāo)有效。通常,你并不需要考慮這些事,下面的這個(gè)例子為大家演示這一細(xì)節(jié)。
import matplotlib.pyplot as plt plt.figure(1) # 第一張圖 plt.subplot(211) # 第一張圖中的第一張子圖 plt.plot([1,2,3]) plt.subplot(212) # 第一張圖中的第二張子圖 plt.plot([4,5,6]) plt.figure(2) # 第二張圖 plt.plot([4,5,6]) # 默認(rèn)創(chuàng)建子圖subplot(111) plt.figure(1) # 切換到figure 1 ; 子圖subplot(212)仍舊是當(dāng)前圖 plt.subplot(211) # 令子圖subplot(211)成為figure1的當(dāng)前圖 plt.title("Easy as 1,2,3") # 添加subplot 211 的標(biāo)題
figure感覺就是給圖像ID,之后可以索引定位到它。
plt.text()添加文字說明text()可以在圖中的任意位置添加文字,并支持LaTex語(yǔ)法
xlable(), ylable()用于添加x軸和y軸標(biāo)簽
title()用于添加圖的題目
import numpy as np import matplotlib.pyplot as plt mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) # 數(shù)據(jù)的直方圖 n, bins, patches = plt.hist(x, 50, normed=1, facecolor="g", alpha=0.75) plt.xlabel("Smarts") plt.ylabel("Probability") #添加標(biāo)題 plt.title("Histogram of IQ") #添加文字 plt.text(60, .025, r"$mu=100, sigma=15$") plt.axis([40, 160, 0, 0.03]) plt.grid(True) plt.show()
text中前兩個(gè)參數(shù)感覺應(yīng)該是文本出現(xiàn)的坐標(biāo)位置。
在數(shù)據(jù)可視化的過程中,圖片中的文字經(jīng)常被用來注釋圖中的一些特征。使用annotate()方法可以很方便地添加此類注釋。在使用annotate時(shí),要考慮兩個(gè)點(diǎn)的坐標(biāo):被注釋的地方xy(x, y)和插入文本的地方xytext(x, y)。1
import numpy as np import matplotlib.pyplot as plt ax = plt.subplot(111) t = np.arange(0.0, 5.0, 0.01) s = np.cos(2*np.pi*t) line, = plt.plot(t, s, lw=2) plt.annotate("local max", xy=(2, 1), xytext=(3, 1.5), arrowprops=dict(facecolor="black", shrink=0.05), ) plt.ylim(-2,2) plt.show()plt.xticks()/plt.yticks()設(shè)置軸記號(hào)
現(xiàn)在是明白干嘛用的了,就是人為設(shè)置坐標(biāo)軸的刻度顯示的值。
# 導(dǎo)入 matplotlib 的所有內(nèi)容(nympy 可以用 np 這個(gè)名字來使用) from pylab import * # 創(chuàng)建一個(gè) 8 * 6 點(diǎn)(point)的圖,并設(shè)置分辨率為 80 figure(figsize=(8,6), dpi=80) # 創(chuàng)建一個(gè)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(lán)色的、連續(xù)的、寬度為 1 (像素)的線條 plot(X, C, color="blue", linewidth=1.0, linestyle="-") # 繪制正弦曲線,使用綠色的、連續(xù)的、寬度為 1 (像素)的線條 plot(X, S, color="r", lw=4.0, linestyle="-") plt.axis([-4,4,-1.2,1.2]) # 設(shè)置軸記號(hào) 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"$+1$"]) # 在屏幕上顯示 show()
當(dāng)我們?cè)O(shè)置記號(hào)的時(shí)候,我們可以同時(shí)設(shè)置記號(hào)的標(biāo)簽。注意這里使用了 LaTeX。2
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))
這個(gè)地方確實(shí)沒看懂,囧,以后再說吧,感覺就是移動(dòng)了坐標(biāo)軸的位置。
plt.legend()添加圖例plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine") plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine") legend(loc="upper left")matplotlib.pyplot
使用plt.style.use("ggplot")命令,可以作出ggplot風(fēng)格的圖片。
# Import necessary packages import pandas as pd %matplotlib inline import matplotlib.pyplot as plt plt.style.use("ggplot") from sklearn import datasets from sklearn import linear_model import numpy as np # Load data boston = datasets.load_boston() yb = boston.target.reshape(-1, 1) Xb = boston["data"][:,5].reshape(-1, 1) # Plot data plt.scatter(Xb,yb) plt.ylabel("value of house /1000 ($)") plt.xlabel("number of rooms") # Create linear regression object regr = linear_model.LinearRegression() # Train the model using the training sets regr.fit( Xb, yb) # Plot outputs plt.scatter(Xb, yb, color="black") plt.plot(Xb, regr.predict(Xb), color="blue", linewidth=3) plt.show()給特殊點(diǎn)做注釋
好吧,又是注釋,多個(gè)例子參考一下!
我們希望在 2π/32π/3 的位置給兩條函數(shù)曲線加上一個(gè)注釋。首先,我們?cè)趯?duì)應(yīng)的函數(shù)圖像位置上畫一個(gè)點(diǎn);然后,向橫軸引一條垂線,以虛線標(biāo)記;最后,寫上標(biāo)簽。
t = 2*np.pi/3 # 作一條垂直于x軸的線段,由數(shù)學(xué)知識(shí)可知,橫坐標(biāo)一致的兩個(gè)點(diǎn)就在垂直于坐標(biāo)軸的直線上了。這兩個(gè)點(diǎn)是起始點(diǎn)。 plot([t,t],[0,np.cos(t)], color ="blue", linewidth=2.5, linestyle="--") scatter([t,],[np.cos(t),], 50, color ="blue") annotate(r"$sin(frac{2pi}{3})=frac{sqrt{3}}{2}$", xy=(t, np.sin(t)), xycoords="data", xytext=(+10, +30), textcoords="offset points", fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) plot([t,t],[0,np.sin(t)], color ="red", linewidth=2.5, linestyle="--") scatter([t,],[np.sin(t),], 50, color ="red") annotate(r"$cos(frac{2pi}{3})=-frac{1}{2}$", xy=(t, np.cos(t)), xycoords="data", xytext=(-90, -50), textcoords="offset points", fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))plt.subplot()
plt.subplot(2,3,1)表示把圖標(biāo)分割成2*3的網(wǎng)格。也可以簡(jiǎn)寫plt.subplot(231)。其中,第一個(gè)參數(shù)是行數(shù),第二個(gè)參數(shù)是列數(shù),第三個(gè)參數(shù)表示圖形的標(biāo)號(hào)。
plt.axes()我們先來看什么是Figure和Axes對(duì)象。在matplotlib中,整個(gè)圖像為一個(gè)Figure對(duì)象。在Figure對(duì)象中可以包含一個(gè),或者多個(gè)Axes對(duì)象。每個(gè)Axes對(duì)象都是一個(gè)擁有自己坐標(biāo)系統(tǒng)的繪圖區(qū)域。其邏輯關(guān)系如下34:
plt.axes-官方文檔
axes() by itself creates a default full subplot(111) window axis.
axes(rect, axisbg="w") where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.
axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.
rect=[左, 下, 寬, 高] 規(guī)定的矩形區(qū)域,rect矩形簡(jiǎn)寫,這里的數(shù)值都是以figure大小為比例,因此,若是要兩個(gè)axes并排顯示,那么axes[2]的左=axes[1].左+axes[1].寬,這樣axes[2]才不會(huì)和axes[1]重疊。
show code:
http://matplotlib.org/examples/pylab_examples/axes_demo.html import matplotlib.pyplot as plt import numpy as np # create some data to use for the plot dt = 0.001 t = np.arange(0.0, 10.0, dt) r = np.exp(-t[:1000]/0.05) # impulse response x = np.random.randn(len(t)) s = np.convolve(x, r)[:len(x)]*dt # colored noise # the main axes is subplot(111) by default plt.plot(t, s) plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)]) plt.xlabel("time (s)") plt.ylabel("current (nA)") plt.title("Gaussian colored noise") # this is an inset axes over the main axes a = plt.axes([.65, .6, .2, .2], axisbg="y") n, bins, patches = plt.hist(s, 400, normed=1) plt.title("Probability") plt.xticks([]) plt.yticks([]) # this is another inset axes over the main axes a = plt.axes([0.2, 0.6, .2, .2], axisbg="y") plt.plot(t[:len(r)], r) plt.title("Impulse response") plt.xlim(0, 0.2) plt.xticks([]) plt.yticks([]) plt.show()pyplot.pie參數(shù)
matplotlib.pyplot.pie
colors顏色找出matpltlib.pyplot.plot中的colors可以取哪些值?
so-Named colors in matplotlib
CSDN-matplotlib學(xué)習(xí)之(四)設(shè)置線條顏色、形狀
for name,hex in matplotlib.colors.cnames.iteritems(): print name,hex
打印顏色值和對(duì)應(yīng)的RGB值。
plt.axis("equal")避免比例壓縮為橢圓
autopctHow do I use matplotlib autopct?
autopct enables you to display the percent value using Python string formatting. For example, if autopct="%.2f", then for each pie wedge, the format string is "%.2f" and the numerical percent value for that wedge is pct, so the wedge label is set to the string "%.2f"%pct.
DataHub-Python 數(shù)據(jù)可視化入門1 ?
Matplotlib 教程 ?
繪圖: matplotlib核心剖析 ?
python如何調(diào)整子圖的大小? ?
文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址:http://specialneedsforspecialkids.com/yun/37927.html
摘要:最近在學(xué)習(xí)著名的繪圖包時(shí)發(fā)現(xiàn),有時(shí)候圖例等設(shè)置無法正常顯示中文,于是就想把這個(gè)問題解決了。原因大致就是庫(kù)中沒有中文字體。 最近在學(xué)習(xí)python著名的繪圖包matplotlib時(shí)發(fā)現(xiàn),有時(shí)候圖例等設(shè)置無法正常顯示中文,于是就想把這個(gè)問題解決了。 PS:本文僅針對(duì)Windows,其他平臺(tái)僅供參考。 原因 大致就是matplotlib庫(kù)中沒有中文字體。1我安裝的anaconda,這是對(duì)應(yīng)的...
Python Matplotlib marker作為一種可視化的拓展庫(kù),里面的內(nèi)容還是比較的豐富的,那么,就一些具體詳細(xì)的內(nèi)容,下面就給大家去做一個(gè)詳細(xì)的解答,請(qǐng)仔細(xì)閱讀下文。 前言 Matplotlib,風(fēng)格類似Matlab的基于Python的圖表繪圖系統(tǒng)。Matplotlib是Python最著名的繪圖庫(kù),它提供了一整套和Matlab相似的命令A(yù)PI,十分適合交互式地進(jìn)行制圖。而且也可以...
小編寫這篇文章的一個(gè)最為主要的目的,就是去給大家去做一個(gè)解釋,解釋關(guān)于在python中的一些問題,甚至是出現(xiàn)的各種相關(guān)的疑難雜癥問題,比如出現(xiàn)了中文負(fù)數(shù)的問題,下面小編就給大家詳細(xì)的去做一個(gè)解答?! 〗鉀QPython中matplotlib庫(kù)畫圖中文和負(fù)號(hào)顯示為方框的問題 注意: 語(yǔ)言版本:Python 3.10.4 編譯器版本:PyCharm 2021.3.2 操作系統(tǒng):Win11 ...
摘要:作者小魚干圖像處理一直是個(gè)實(shí)用且熱門的研究領(lǐng)域,而本周的項(xiàng)目則多個(gè)圖像項(xiàng)目上榜。最后是用途更廣的圖片壓縮工具,的復(fù)雜度僅為它能快速對(duì)圖片進(jìn)行無損壓縮。作者:HelloGitHub-小魚干圖像處理一直是個(gè)實(shí)用且熱門的研究領(lǐng)域,而本周的 GitHub 項(xiàng)目則多個(gè)圖像項(xiàng)目上榜。先是勉強(qiáng)和圖像處理搭邊的渲染引擎 Filament,它能渲染出效果極佳的 3D 實(shí)物圖。再是去年很火的聲稱漫畫風(fēng)圖片的 A...
閱讀 3403·2021-11-24 09:38
閱讀 3189·2021-11-22 09:34
閱讀 2098·2021-09-22 16:03
閱讀 2349·2019-08-29 18:37
閱讀 371·2019-08-29 16:15
閱讀 1761·2019-08-26 13:56
閱讀 853·2019-08-26 12:21
閱讀 2198·2019-08-26 12:15