matplotlib基本操作,matplotlib高级玩法
在的第一篇博文中
什么是Plotlib？Matplotlib是一个全面的库，用于在Python中创建静态、动画和交互式视觉图像。
目前(6月22日)最新稳定版本是3.5.2。
安装：使用pip安装。
pip安装matplotlib
要快速入门，我们需要先导入matplotlib。
将matplotlib作为mpl导入
将matplotlib.pyplot作为plt导入
Import numpy as np #以numpy为例生成数据。
Matplotlib在图形(如窗口、Jupyter小部件等)上绘制数据。)，它可以包含一个或多个轴。
轴是一个绘图区域，可以根据x-y坐标(或极坐标中的-r，3D中的x-y-z等)指定点。).创建带轴的图形最简单的方法是使用pyplot.subplots，然后我们可以使用Axes.plot在轴上绘制一些数据：
x=[1，2，3，4]
y=[1，4，3，2]
Fig，ax=plt.subplots() #创建一个图形FIG，默认包含一个轴。
Ax.plot(x，y) #绘制x-y的线图。
Plt.show() #显示绘制的图表。请注意，如果使用save保存图片，需要在放映前保存。
运行后，将显示折线图：
图形的结构一个图形有以下几个部分：标题、图例、X轴和Y轴标签(xlabel、ylabel)等。
下面逐一介绍。
塑造一个完整的形象。这个图跟踪所有的轴——一组“特殊”的绘画(标题、图例、颜色条等)。)，甚至嵌套子图。
创建新图表的最简单方法是使用pyplot:
Fig=plt.figure() #空图，无轴
Fig，ax=plt.subplots() #有1个轴
Fig，axs=plt.subplots(2，2) #有2x2(两行两列)轴。
通常，使用图形创建轴很方便，但也可以在以后手动添加轴。
轴域轴域(轴)附着在图形上，包含用于绘制数据的图形。
一般来说，有两个轴对象。两个轴分别提供刻度和刻度标签，以便为轴中的数据提供刻度。每个轴字段还有一个标题(由set_title()设置)、一个X标签(由set_xlabel()设置)和一个Y标签(由set_ylabel()设置)。
Axes类及其成员函数是使用OOP接口的主要入口点，大部分绘图方法都是在上面定义的(比如如上图，使用plot方法)ax.plot()
轴轴轴设置比例和限制，并生成比例(轴上的刻度、标记)和比例标签(刻度标签、用于标记比例的字符串)。记号位置由定位器确定，记号标签字符串由格式化程序设置。正确的定位器和格式器的组合可以非常精细地控制秤的位置和标签。
ArtistArtist在这里翻译为艺术家或画家。
基本上，图形上可见的一切都是艺术家(甚至图形、轴字段和轴对象)。这包括文本、Line2D、集合、补丁等。在渲染图形时，所有的艺术家都会被绘制在画布上。大多数艺术家都与轴心领域有关；这样的艺术家不能被多个轴共享，也不能从一个轴移动到另一个轴。
绘图函数的输入数据类型绘图函数接收numpy.array或numpy.ma.masked_array作为输入，或者可以传递给numpy.asarray Pandas data或numpy.matrix的数据可能无法正常工作。常见的约定是在绘制之前将数据转换为numpy.array。例如：
b=np.matrix([[1，2]，[3，4]])
B_asarray=np.asarray(b) #使用np.asarray()将其转换为np.array类型
大多数方法也可以解析可寻址对象，如dict、np.recarray或pandas。数据帧
Matplotlib允许使用关键字参数来生成图像，并传递对应于x和y的字符串。
np.random.seed(19680801) #种子随机数生成器。
data={a: np.arange(50)，
c: np.random.randint(0，50，50)，
d: np.random.randn(50)}
data[ b ]=data[ a ]10 * NP . random . randn(50)
data[ d ]=NP . ABS(data[ d ])* 100
Fig，axes=plt.subplots(2，1) # fig有2行1列子图，存储在axes数组(np.array类型)中。
ax=轴[0]
ax.scatter(a ， b ，c=c ，s=d ，data=data)
ax.set_xlabel(条目a )
ax.set_ylabel(条目b )
#轴域2，删除颜色C和形状S参数。
ax2=轴[1]
ax2.scatter(a ， b ，data=data)
plt.show()
画出来的图，第二张是去掉s，c参数后的图像：
编码风格面向对象(OO)和pyplot函数接口。使用Matplotlib基本上有两种方法：
显式地创建“图形”和“轴”，并在它们上面调用方法(“OO”风格)。通过pyplot自动创建和管理图形和轴，并使用pyplot函数进行绘制。用OO风格(我觉得OO风格更好，就设置在Axes对象上，很清楚):
X=np.linspace(0，2，100) #生成一些数据
#使用OO风格，首先生成两个对象图和轴字段(fig，ax)
fig，ax=plt.subplots(figsize=(5，2.7)，layout=constrained )
#调用ax对象的方法
ax.plot(x，x，label=linear) #在轴上绘制一些数据。
ax.plot(x，x**2，label=quadratic) #在坐标轴上绘制更多数据.
ax.plot(x，x**3，label=cubic) #.还有一些。
ax.set_xlabel(x label) #向坐标轴添加x标签。
ax.set_ylabel(y label) #向轴添加y标签。
ax.set_title(Simple Plot) #为轴添加标题。
ax.legend() #添加图例。
plt.show()图例。
或者使用pyplot函数样式：
x=np.linspace(0，2，100) #样本数据。
plt.figure(figsize=(5，2.7)，layout=constrained )
plt.plot(x，x，label=linear) #在(隐式)轴上绘制一些数据。
plt.plot(x，x**2，label=quadratic) #等等。
plt.plot(x，x**3，label=立方)
plt.xlabel(x标签)
plt.ylabel(y标签)
plt.title(“简单情节”)
PLT . legend()；
(此外，还有第三种在GUI应用程序中嵌入Matplotlib的方法，甚至用于图形创建。详情请参考库中相应章节：在图形用户界面中嵌入Matplotlib。
常用绘图类型从官网首页进入剧情类型，可以看到不同类型的常用绘图是如何绘制的。
可以看到，常见的折线图、散点图、直方图等。点击相应的图进入相应的案例。
主要用法基本就是这样，下次再讲一些后期的风格调整。
参考：matplotlib文档—matplotlib 3.5.2文档
https://matplotlib.org/stable/index.html
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。