Python矩阵作图库matplotlib的初级使用(2)
基础介绍
matplotlib图形对象层级结构:
图形对象(figure) → 子图对象(axes) → 坐标轴对象(axis) → 定位器对象-刻度线(locator)/格式化器对象-刻度线标签(formatter)绘图对象创建
from matplotlib import pyplot as plt # 创建绘图对象
fig = plt.figure() # 创建网格子图
ax1 = fig.add_subplot(rows, cols, idx)
# 创建手动子图
ax1 = fig.add_axes([left, bottom, width, height]) # 获取坐标轴对象
ax1.xaxis
ax1.yaxis # 设置定位器对象
ax1.xaxis.set_major_locator(plt.NullLocator)
ax1.xaxis.set_minor_locator(plt.NullLocator)
# 设置格式化器对象
ax1.xaxis.set_major_formatter(plt.NullFormatter)
ax1.xaxis.set_minor_formatter(plt.NullFormatter)
部分细节控制
颜色支持
①. 标准颜色名称, 如: "red"
②. 范围在0~1的灰度值, 如: "0.75"
③. RGB十六进制, 如: "#FFDD44"
④. RGB元组, 范围在0~1, 如: (1.0, 0.2, 0.3)配色方案支持
①. 获取配色方案: plt.cm
②. 常见配色方案: "jet", "viridis", "RdBu"
③. 离散化配色方案: plt.cm.get_cmap("Blues", 6)颜色条控制支持
plt.colorbar(mappable, ticks=range(6), label="digit value", extend="both")
注意, colorbar本身也是一个子图对象, 创建时依赖于mappable对象linestyle线条风格支持
①. "solid"; ②. "dashed"; ③. "dashdot"; ④. "dotted"散点控制支持
①. markersize; ②. markerfacecolor; ③. markeredgecolor; ④. markeredgewidth
注意, 绘制散点时, plt.plot较plt.scatter性能更好, plt.scatter较plt.plot更加灵活标签支持
①. title; ②. xlabel; ③. ylabel; ④. label; ⑤. legend图例控制支持
ax1.legend([labels,] loc="upper left", frameon=False, ncol=2, fontsize=10, title="Area")文本注释支持
ax1.text(x, y, text, size, color, ha, va, transform=ax1.transData|ax1.transAxes|fig.transFigure)坐标轴控制支持
ax1.set(xlabel, xlim, xticks, xscale)
部分绘图实例
误差绘制
code
import numpy
from matplotlib import pyplot as plt X = numpy.linspace(-1, 1, 30)
Y = X ** 3 + X ** 2 + X
YErr = numpy.random.uniform(0.3, 0.7, Y.shape) fig = plt.figure(figsize=(4, 4))
ax1 = fig.add_subplot(2, 1, 1)
ax2 = fig.add_subplot(2, 1, 2) ax1.errorbar(X, Y, YErr, fmt="o", color="black", ecolor="lightgray", elinewidth=3, capsize=0)
ax2.plot(X, Y, "-", color="gray")
ax2.fill_between(X, Y-YErr, Y+YErr, color="gray", alpha=0.2) fig.savefig("plot.png", dpi=300)
等高线绘制
code
import numpy
from matplotlib import pyplot as plt X = numpy.linspace(-1, 1, 30)
Y = numpy.linspace(-2, 2, 50)
X, Y = numpy.meshgrid(X, Y)
Z = numpy.sin(X) + numpy.cos(Y ** 2) fig = plt.figure(figsize=(10, 3))
ax1 = fig.add_axes([0.1, 0.1, 0.3, 0.9])
ax2 = fig.add_axes([0.5, 0.1, 0.3, 0.9]) ax1.contourf(X, Y, Z, 20, cmap="RdGy")
ax2.imshow(Z, extent=[-1, 1, -2, 2], origin="lower", cmap="RdGy", aspect="auto") fig.savefig("plot.png", dpi=300)
3维曲面绘制
code
import numpy
from matplotlib import pyplot as plt
from mpl_toolkits import mplot3d X = numpy.linspace(-1, 1, 30)
Y = numpy.linspace(-2, 2, 50)
X, Y = numpy.meshgrid(X, Y)
Z = numpy.sin(X) + numpy.cos(Y ** 2) fig = plt.figure(figsize=(10, 3))
ax1 = fig.add_subplot(1, 2, 1, projection="3d")
ax2 = fig.add_subplot(1, 2, 2, projection="3d") ax1.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap="viridis", edgecolor="none")
ax2.plot_trisurf(X.flatten(), Y.flatten(), Z.flatten(), cmap="viridis", edgecolor="none") fig.tight_layout()
fig.savefig("plot.png", dpi=300)
直方图与密度图
code
import numpy
import seaborn as sns
from matplotlib import pyplot as plt X = numpy.random.normal(0, 1, (10000,)) fig = plt.figure(figsize=(10, 3))
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2) sns.histplot(X, kde=False, ax=ax1)
sns.kdeplot(data=X, ax=ax2) fig.savefig("plot.png", dpi=300)
多维矩阵图
code
import numpy
import pandas
import seaborn as sns X1 = numpy.random.normal(0, 1, (300,))
X2 = numpy.sin(X1)
X3 = X1 ** 2
data = numpy.vstack((X1, X2, X3)).T
df = pandas.DataFrame(data, columns=["X1", "X2", "X3"]) sns_plot = sns.pairplot(df) sns_plot.savefig("plot.png", dpi=300)
参考文档
①. Python Data Science Handbook by Jake VanderPlas (O’Reilly). Copyright 2017 Jake VanderPlas, 978-1-491-91205-8
最新文章
- TODO:小程序的用户身份
- 解析C#开发过程常见的编程模式
- NuGet学习笔记3——搭建属于自己的NuGet服务器
- 【MVC5】画面多按钮提交
- 递归遍历树结构顺序显示并且添加到list集合
- Hadoop的partitioner、全排序
- .Net 组件技术概述
- 基本排序算法:Python实现
- angular跨域访问的问题
- innobackup增量备份与恢复
- Linux盘符绑定槽位
- UML 中extend和include的区别
- IIS运行一段时间不响应的解决方法
- zabbix回顾
- 第二期,问道PC端游戏免安装,下载即可体验
- CentOS下Denyhosts的安装和使用
- JS将图片转换成Base64码
- redis在游戏服务器中的使用初探(二) 客户端开源库选择
- 【转】CEF3加载网页---多字节字符集和UNICODE字符集
- H5新标签