matplotlib

实例代码

# 导入 matplotlib 的所有内容（nympy 可以用 np 这个名字来使用）
from pylab import *

# 创建一个 8 * 6 点（point）的图，并设置分辨率为 80
figure(figsize=(8,6), dpi=80)

# 创建一个新的 1 * 1 的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）
subplot(1,1,1)

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

# 绘制余弦曲线，使用蓝色的、连续的、宽度为 1 （像素）的线条
plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# 绘制正弦曲线，使用绿色的、连续的、宽度为 1 （像素）的线条
plot(X, S, color="green", linewidth=1.0, linestyle="-")

# 设置横轴的上下限
xlim(-4.0,4.0)

# 设置横轴记号
xticks(np.linspace(-4,4,9,endpoint=True))

# 设置纵轴的上下限
ylim(-1.0,1.0)

# 设置纵轴记号
yticks(np.linspace(-1,1,5,endpoint=True))

# 以分辨率 72 来保存图片
# savefig("exercice_2.png",dpi=72)

# 在屏幕上显示
show()

设置底层图片的大小

1. figsize()函数设置散点图是几×几大小的
2. dpi设置分辨率(像素)

   像素的定义：

3. 在由一个数字序列表示的图像中的一个最小单位
4. 当像素点的大小一定时，像素点约多，照片越大

   改变线条的颜色和粗细

5. plot()函数
6. color参数设置颜色
7. linewidth参数设置线条粗细
8. linestyle参数设置线条风格

plot函数详解：

1. plt.plot(x,y,linestyle=’-‘,linewidth=’x’,label=’xxx’,color=’xxx’)
2. x:x轴上的值
3. y:y轴上的值
4. linestyle:线条风格
5. linewidth:线条粗细
6. label:标签文本

plot函数常见问题：

x and y must have same first dimensition,but have shapes (4,) and (6,)

1. 意为：x和y必须参数的个数相同（个数不相同，有的只有一个坐标你怎么画点呢？）
   
2. ing

linestyle参数

'-', '--', '-.', ':', 'None', ' ', '', 'solid', 'dashed', 'dashdot', 'dotted'

设置图片边界

设置记号

1. r表示不需要转义,raw(生的)，LATEX用法，python中使用latex,需要在文本的后面加上$,\pi会转义为pi

   xticks(lis,[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$-\pi$',r'$-\pi$'])

2. 后面数组中的每一个元素都与前面元素一一对应

设置轴：

1. matplotlib的图中，默认有四个轴，两个横轴和两个竖轴，通过ax.plt.gca()方法获取，gca是get current axes的缩写（axes是轴的意思）
2. 总共有四个轴：top,bottom,left,right

   由于axes会获取到四个轴，而我们只需要两个轴，所以我们需要把另外两个轴隐藏，把顶部和右边轴的颜色设置为none，将不会显示

   ax.spines['right'].set_color('none')
   ax.spines['top'].set_color('none')

3. 将会看见top和right边被隐藏

   移动下面和左边的轴到指定的位置

   具体函数:ax.spines[‘四个轴的位置’].set_position(‘值的类型’，具体值)

   一定一定要注意，spines后面是[]而非(),set_position後面是()
   我對此的理解為：[]表示选择，ax在gca()时已经初始化了，[]是在top,bottom,left和right中的选择；()表示需补充参数，参数未经过初始化
   区分选择和补充的含义

   以下是set_position中各种值的类型

4. data:移动轴的位置到交叉轴的指定坐标
5. outward:不太懂
6. axes:0.0~1.0之间的值，整个轴上的比例
7. center:(‘axes’,0.5)
8. zero:(‘data’,0.0)

   ax.spines['bottom'].set_position(('data',0))
   ax.spines['left'].set_position(('data',0))

   
   
9. 由上图可看出，这个轴其实不是坐标轴，而是图形的边界
10. 我认为：top和right的轴是图形的边界，不能够改变坐标轴
11. 而left和bottom可以改变坐标轴的位置，参数如上图所示

添加图例：

1. 在plot函数中以[键-值] 的形式增加一个参数

   plot(X,S,color="blue",linewidth=2.5,linestyle="-",lable="图例名称")
   legend(loc="位置")

2. legend位置参数：upper,bottom,left,right

   常用legend函数参数：

3. loc:图例位置
4. fontsize:字体大小
5. edgecolor: frame edgecolor
6. facecolor: frame facecolor

特殊点添加注释：函数scatter(意为分散的点)

1. 前提：x，y轴包括数值以及大小和颜色
2. https://www.jb51.net/article/127806.htm

   scatter([t,],[np.cos(t),],50,color='blue')

3. scatter(x,y,[size],[color],[marker])

   scatter参数详解：

4. x,y:形如shape[n,]不全的数组，即添加注释点的位置
5. size:直接给出点的大小，标量或者形如shape[n,]的数组
6. color:色彩或颜色序列
7. marker:markstyle,可选，默认’o’
   

annotate参数详解

annotate(s,xy,xytext=None,xycoords='data',textcoords=None)

1. s:被注释内容
2. xy:被注释的坐标点，二维元组形如[x,y]
3. xytext:注释文本的坐标点，也是二维元组，默认与xy相同
4. xycoords:被注释点的坐标系属性
5. textcoords设置注释文本的坐标系属性

   annotate(r'$sin(\frac{2\pi}{3})'=\frac{\sqrt{3}}{2}$',xy=(t,np.sin(t)),xycoords='data',xytext=(+10,+30),textcoords='offset points')
   

   看过李师哥的备课后的补充

   构建画框的骨架的两种方法：

   fig = plt.figure()
   ax = fig.add_axes([0.1,0.1,0.8,0.8])

   和

   fig = plt.figure()
   ax = gca()//初始化四个轴
   left = bottom = 0.1
   right = top = 0.8
   ls = [left,bottom,right,top]
   for i in ls:
   ax.spines[top].set_position(i)

子图的划分

1. 如果两个图片的x轴的范围不同的情况下，放在同一张画布下是不易显示的

   格式一

   figure = plt.figure()
   plt.subplot(nrows,ncols,plot_number)

2. 其中nrows表示要划分的行数
3. ncols表示要划分的列数
4. plot_number表示当前的子图区

   from pylab import *
   x = []
   y = []
   figure = figure((m，n)，dpi)//创建一个m*n点的图像
   axes1 = figure.add_subplot(2,1,1)//划分为两行，将第一行作为当前需要描绘的子图区
   plot(x,y)
   x = []
   y = []
   axes2 = figure.add_subplot(2,1,2)//选取第二块子图区
   plot(x,y)
   show()

plt.rcParams属性总结

1. plt使用rc配置文件；来自定义图形的各种观点默认属性，称之为rc配置或rc参数，通过rc参数可以修改默认的属性，包括窗体大小，每英寸的点数，线条宽度，颜色，样式，坐标轴坐标，网络属性，文本，字体
2. plt.rcParams[‘font.sans-serif’] = ‘SimHei’设置字体
3. plt.rcParams[‘axes.unicode_minus’] = False字符显示：减号使用unicode编码而不是连字符号

设置中文字体：

1. plt.rcParams[‘font.san-serif’]=[‘SimHei’]：SimHei是设置字体为黑体
2. plt.rcParams[‘axes.unicode_minus’] = False设置字符显示
3. 这个地方的unicode_minus我的理解为减去unicode即为不使用Unicode编码
4. 如果设置为false，则负负得正，使用Unicode编码

   获取用户配置路径

   import matplotlib
   matplotlib.get_gonfigdir()

获取用户当前使用配置文件的路径

import matplotlib
matplotlib.matplotlib_fname()

查看rc参数的方法与rc参数的使用

1. 查看：

   import matplotlib as mpl
   print(mpl.rcParams)

2. 修改：(用中括号去取下标)

   import matplotlib
   matplotlib.rcParams['具体参数名称'] = xxx

3. 通过matplotlib.rc一次设置多个参数

   import matplotlib
   matplotlib.rc('lines',linewidth=2,color='red')

4. rc参数说明：

   lines.linewidth:线宽
   lines.linestyle:线的风格
   lines.color:线的颜色
   lines.marker:None 默认标记
   lines.markersize:标记大小
   lines.antialiased:True 使用抗锯齿渲染：没有缺口

   rc参数字体属性：

5. font.family

6. font.style:normal(roman),italic,oblique

7. font.variant:normal,small-caps

8. font.weight:normal,bold,bolder,lighter,100,200,300…900

9. font.stretch

10. font.size:默认字体大小，以磅为单位

11. 网格：

    grid.color:网格颜色
    grid.linestyle:点
    grid.linewidth:pt

    具体参数详见博客地址

    https://www.cnblogs.com/shuaishuaidefeizhu/p/14035247.html

思路

1. 引入matpoltlib库
2. 创建一个图作为背景figure
3. x轴坐标，y轴坐标
4. plot绘制曲线
5. 设置横轴上下限xlim
6. 设置横轴记号和纵轴记号
7. 保存图片savefig
8. 在屏幕上显示show

正弦函数图像

from pylab import *
figure(figsize=(8,6),dpi=80)
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
y = np.sin(x)
plot(x,y,color='blue',linewidth='10',linestyle='-')
xlim(-4.0,4.0)
ylim(-1.0,1.0)
xticks(np.linspace(-4,4,9,endpoint=True))
yticks(np.linspace(-1.0,1.0,3,endpoint=True))
ax = gca()
ax.spines['right'].set_color('None')
ax.spines['top'].set_color('None')
ax.spines['bottom'].set_position(('axes',0.5))
ax.spines['left'].set_position(('axes',0.5))
show()

二次曲线图像

from pylab import *
from numpy import *
x = np.linspace(-1,1,66,endpoint=True)

y = x**2
plot(x,y,linestyle='-',lw='10',color='blue')

show()

正余弦函数图像

from pylab import *
fig = figure(figsize=(8,6),dpi=80)#dpi参数是分辨率
fig.add_axes([0.1,0.1,0.8,0.8])

subplot(1,1,1)#创建一个1*1子图，接下来图样的绘制在第一块

x = np.linspace(-np.pi,np.pi,256,endpoint=True)
c,s = np.cos(x),np.sin(x)
plot(x,c,color="blue",linewidth=1.0,linestyle="solid",label="cosine")

plot(x,s,color="green",linewidth=1.0,linestyle="dotted",label="sine")

legend(loc='upper left',fontsize="18")
xlim(-4.0,4.0)

lis = ([-np.pi,-np.pi/2.0,0,np.pi/2.0,np.pi])

#xticks(np.linspace(-4,4,9,endpoint=True))

ylim(-1.0,1.0)
#yticks(np.linspace(-4,4,9,endpoint=True))
#xticks(lis)
xticks(lis,[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$-\pi$',r'$-\pi$'])#r表示不需要转义,raw(生的)，LATEX用法，python中使用latex,需要在文本的后面加上$,\pi会转义为pi
yticks(lis)

ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_position(('axes',0.5))
ax.spines['left'].set_position(('axes',0.5))

t = 2*np.pi/3
plot([t,t],[0,np.cos(t)],color='blue',linewidth=2.5,linestyle='--')
scatter([t,],[np.cos(t),],50,color='blue')

t = 2*np.pi/3
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')

annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
         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'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
         xy=(t, np.cos(t)), xycoords='data',
         xytext=(-90, -50), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

show()

将一个figure对象划分为6个子图，分别绘制不同的曲线，不同的颜色和标记的线条

from pylab import *
x = [1,2,3,4,5,6]
y = [3,5,7,1,9,12]
figure = figure(figsize=(8,6),dpi = 80)
axes1 = figure.add_subplot(2,3,1)
axes2 = figure.add_subplot(2,3,2)
axes3 = figure.add_subplot(2,3,3)
axes4 = figure.add_subplot(2,3,4)
axes5 = figure.add_subplot(2,3,5)
axes6 = figure.add_subplot(2,3,6)
axes1.plot(x,y,'ro')
axes2.plot(x,y,'r-*')
axes3.plot(x,y,'bs')
axes4.plot(x,y,'^g-.')
axes5.plot(x,y,'m8')
axes6.plot(x,y,'yd:')
show()

1. plot中的线条的线性，标记的符号和线条的颜色参数的前后位置没有要求

条形图

特点：

1. 在条形图中可以非常直观地通过位置比较比较数值大小，因为在条形图中条的高度就是数值，所以一眼就可以看出数值的高度

函数

bar(x,height,width,bottom)

参数：

1. (x,height)定义在什么位置上，多高的bar（这个地方的高度其实是条形图的宽度，因为是躺着的，所以叫高度）

2. width定义bar的宽度（这个地方的宽度是条形图的高度，因为是躺着的，座椅叫做宽度）

3. bottom定义bar的实际高度（我的理解是bar的实际底在哪里）

   默认参数：

4. height：柱子的高度，y轴上的坐标

5. width：柱子的宽度，默认值是0.8

6. bottom：柱子的基准高度，浮点数或者类数组结构，默认值为0

7. bar orientation:给定的是一个向量，该向量指定单元局部坐标系的纵轴方向

   条形图实例

   from pylab import *
   x = [1,2,3,4,5,6]
   y = [2,3,54,6,7,4]
   figure = figure(figsize=(8,6),dpi = 80)
   bar(x,y)
   show()

   横向条形图实例

   from pylab import *
   x = [1,2,3,4,5,6]
   y = [3,5,1,7,9,12]
   #x指定其实位置从0开始，bottom指定水平条其实位置为左侧，height指定绘图的水平条的宽度，width指定绘制的水平条的长度，orientation指定要绘制的是水平条，color指定颜色
   bar(x=0,bottom=y,height=0.3,width=x,orientation='horizontal',color='red')
   show()

   注意重叠问题：

8. 在绘制多组条形图进行对比时需要注意一点，bar_width的范围是(0,1)没错，但是多组图表需要保证几组图表的范围之和不超过1（范围之和！和！！和！！！）

   ```
   
   ## 2022/11再复习
   
   1.   导入包
   
   2.   ```python
        import matplotlib.pyplot as plt
        import numpy as np

9. 划分数据，从哪到哪平均分为几份，使用numpy库中的linespace函数

10. ```python
    x = np.linespace(-1,1,50)

    
    5.   新建图表
    
    6.   ```python
         plt.figure(num=1,figsize=(8,5),dpi=10)
         # figsize用来设置图像大小
         # num用来设置图像是第几个，编号为几

11. 设置坐标轴的范围,matplotlib库中的xlim和ylim函数，x-limit和y-limit

12. ```python
    plt.xlim((-1,2))
    plt.ylim((-2,3))

    
    9.   设置坐标轴上单位的小标
    
    10.   ```python
        # 设置单位的小标
        new_ticks = np.linspace(-1,2,5)
        plt.xticks(new_ticks)
        plt.yticks([-2,-1.8,-1,1.22,3],
                   [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

13. 设置x轴和y轴的名字,matplotlib库中的xlabel和ylabel

14. ```python
    plt.xlabel(‘i am x’)
    plt.ylabel(‘i am y’)

    
    13.   设置单位的小标,使用xticks和yticks来设置横坐标和纵坐标
    
    14.   ```python
          new_ticks = np.linspace(-1,2,5)
          plt.xticks(new_ticks)

15. gca = ‘get current axis’

16. ```python
    ax = plt.gca()

    将右边和上边的坐标轴颜色设置为空，不显示

    ax.spines[‘right’].set_color(‘none’)
    ax.spines[‘top’].set_color(‘none’)

    将x轴设置为底部bottom,将y轴设置为顶部top

    ax.xaxis.set_ticks_position(‘bottom’)
    ax.xaxis.set_ticks_position(‘left’)

    将x轴和y轴(底轴和左轴的位置设置为坐标原点)

    ax.spines[‘bottom’].set_position((‘data’,0))
    ax.spines[‘left’].set_position((‘data’,0))

    
    17.   添加legend图例
    
    18.   ```
          l1 = plt.plot(x,y2,label='注记名称') # x,y2用来选择某条线
          l2 = plt.plot(x,y1,label='注记名称') # 前两个参数可以确定某条线
          #legend函数用来画出图例
          plt.legend()
          # 其中loc=''参数默认是best,会自动选择不会挡住图像的最佳位置
          # labels=['1','2'] 图像标注会覆盖掉plt.plot函数中的label
          # handles=[]参数会选择要画的线，其中画的线由plt.plot函数赋值

17. 添加Annotation标注,特别标注某个点并给出文字

18. 

19. ```python
    x0 = 1
    y0 = 2 * x0 + 1
    plt.Scatter(x0,y0,s=50,color=’blue’) # Scatter用来画出点,s用来设置Scatter.size,color用来设置颜色
    plt.plot([x0,x0],[y0,0],’k–’,lw=2.5) # [从.x,到.x][从.y,到.y]

    
    22.   ```python
          import matplotlib.pyplot as plt
          import numpy as np
          
          x = np.linspace(-1,1,50)
          
          y1 = 2*x + 1
          y2 = x**2
          
          plt.figure()
          # 设置坐标轴的范围
          plt.xlim((-1,2))
          plt.ylim((-2,3))
          
          # 设置x轴和y轴的名字
          plt.xlabel('i am x')
          plt.ylabel('i am y')
          
          # 设置单位的小标
          new_ticks = np.linspace(-1,2,5)
          plt.xticks(new_ticks)
          plt.yticks([-2,-1.8,-1,1.22,3],
                     [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])
          
          plt.plot(x,y1)
          plt.plot(x,y2)
          
          ax = plt.gca()
          ax.spines['right'].set_color('none')
          ax.spines['top'].set_color('none')
          
          ax.xaxis.set_ticks_position('bottom')
          ax.yaxis.set_ticks_position('left')
          
          ax.spines['bottom'].set_position(('data',0))
          ax.spines['top'].set_position(('data',0))
          
          # 添加legend图例
          plt.plot(x,y1,label='2*x+1')
          plt.plot(x,y2,label='x**2')
          plt.legend()
          
          plt.show()

numpy数组

1. numpy用于处理数组，对象称为ndarray
2. 可以用array()函数创建一个numpy ndarray对象

arr = np array([1,2,3,4,5])
print(arr)
print(type(arr))

numpy和list的区别：

1. 内存大小–numpy数据结构占用的内存空间更小
2. 性能–numpy底层是用c写的，比列表更快
3. 运算方法–内置优化了代数运算等方法

np.linspace函数

from pylab import *
x = np.linspace(-np.pi,np.pi,256,endpoint = True)
c,s = np.cos(x),np.sin(x)

1. linspace函数：指定的间隔内返回均匀间隔的数字
2. endpoint：bool类型，如果为true则包含stop,否则不包含stop(结尾点)

参数：

1. start:序列的起始点
2. end:序列的终止点，如果endpoint设置为true,则包含最后一个点（全闭区间）
3. num:生成的样本数，默认是50，必须为非负

网上的大部分解释

1. pyplot:方便快速绘图,matplotlib通过pyplot模块提供了与一套和MATLAB类似的绘图API，将众多绘图对象构成的复杂结构隐藏在这套API内部
   2， pylab:matplotlib还提供了一个名为pylab的模块，其中包含许多Numpy和pyplot模块中常用的函数

作用：

1. pylab = pyplot+大部分numpy
2. 也就是说pylab只是提供了一个方便的导入常用包的接口

和matlab的区别：

1. 在matlab中，画了一条线以后，如果想接着画另一条线，则需要hold on函数
2. python中直接画即可