一篇快速上手 Matplotlib 的好文章~
在開始正式介紹 Matplotlib 用法之前，先來簡單瞭解下 Matplotlib。
Matplotlib 是 Python 的一個繪圖庫。它包含了大量的工具，你可以使用這些工具創建各種圖形，包括簡單的散點圖，正弦曲線，甚至是三維圖形。
目錄
1. 畫一個簡單的圖形
2. 在一張圖紙裏繪製多個圖形
3. 更多設置
3.1 設置 figure
3.2 設置標題
3.3 設置座標軸
3.4 設置 label 和 legend
3.5 添加註釋
4. 使用子圖
5. 常見的圖形
5.1 散點圖
5.2 柱狀圖
6. 中文亂碼解決
# 導入相關模塊 import matplotlib.pyplot as plt import numpy as np
畫一個簡單的圖形
這裏我們通過畫出一個正弦曲線圖來講解下基本用法。
首先通過 np.linspace 方式生成 x，它包含了 50 個元素的數組，這 50 個元素均勻的分佈在 [0, 2pi] 的區間上。然後通過 np.sin(x) 生成 y。
x = np.linspace(0, 2 * np.pi, 50) y = np.sin(x)
有了 x 和 y 數據之後，我們通過 plt.plot(x, y) 來畫出圖形，並通過 plt.show() 來顯示。
plt.plot(x, y) plt.show()
在一張圖紙裏繪製多個圖形
有時候，可能需要在一個圖紙裏繪製多個圖形，這裏我們同時繪製了 (x, y), (x, y * 2)兩個圖形。
plt.plot(x, y) plt.plot(x, y * 2) plt.show()
繪製出圖形之後，我們可以自己調整更多的樣式，比如顏色、點、線。
plt.plot(x, y, 'y*-') plt.plot(x, y * 2, 'm--') plt.show()
可以看到，設置樣式時，就是增加了一個字符串參數，比如 'y*-' ，其中 y 表示黃色，* 表示 星標的點，- 表示實線。
這裏列舉一些常見的顏色表示方式：
顏色 | 表示方式 |
|---|---|
藍色 | b |
綠色 | g |
紅色 | r |
青色 | c |
品紅 | m |
黃色 | y |
黑色 | k |
白色 | w |
常見的點的表示方式：
點的類型 | 表示方式 |
|---|---|
點 | . |
像素 | , |
圓 | o |
方形 | s |
三角形 | ^ |
常見的線的表示方式：
線的類型 | 表示方式 |
|---|---|
直線 | - |
虛線 | -- |
點線 | : |
點劃線 | -. |
更多設置
Matplotlib 支持各種靈活的設置，這裏我們列舉一些常見的內容。
設置 figure
你可以認爲Matplotlib繪製的圖形都在一個默認的 figure 中，當然了，你可以自己創建 figure，好處就是可以控制更多的參數，常見的就是控制圖形的大小，這裏創建一個 figure，設置大小爲 (6, 3)。
plt.figure(figsize=(6, 3)) plt.plot(x, y) plt.plot(x, y * 2) plt.show()
設置標題
來看下如何設置標題。
plt.plot(x, y)
plt.plot(x, y * 2)
plt.title("sin(x) & 2sin(x)")
plt.show()
直接通過 plt.title 即可設置圖形標題。
設置座標軸
來看下如何設置座標軸的範圍以及名稱。
plt.plot(x, y)
plt.plot(x, y * 2)
plt.xlim((0, np.pi + 1))
plt.ylim((-3, 3))
plt.xlabel('X')
plt.ylabel('Y')
plt.show()
通過 xlim 和 ylim 來設限定軸的範圍，通過 xlabel 和 ylabel 來設置軸的名稱。
此外，我們也可以通過 xticks 和 yticks 來設置軸的刻度。
plt.plot(x, y) plt.plot(x, y * 2) plt.xticks((0, np.pi * 0.5, np.pi, np.pi * 1.5, np.pi * 2)) plt.show()
設置 label 和 legend
設置 label 和 legend 的目的就是爲了區分出每個數據對應的圖形名稱。
plt.plot(x, y, label="sin(x)") plt.plot(x, y * 2, label="2sin(x)") # plt.legend() plt.legend(loc='best') plt.show()
添加註釋
有時候我們需要對特定的點進行標註，我們可以使用 plt.annotate 函數來實現。
這裏我們要標註的點是 (x0, y0) = (π, 0)。
我們也可以使用 plt.text 函數來添加註釋。
plt.plot(x, y)
x0 = np.pi
y0 = 0
# 畫出標註點
plt.scatter(x0, y0, s=50)
plt.annotate('sin(np.pi)=%s' % y0, xy=(np.pi, 0), xycoords='data', xytext=(+30, -30),
textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
plt.text(0.5, -0.25, "sin(np.pi) = 0", fontdict={'size': 16, 'color': 'r'})
plt.show()
對於 annotate 函數的參數，做一個簡單解釋：
'sin(np.pi)=%s' % y0代表標註的內容，可以通過字符串 %s 將 y0 的值傳入字符串；- 參數
xycoords='data'是說基於數據的值來選位置; xytext=(+30, -30)和textcoords='offset points'表示對於標註位置的描述 和 xy 偏差值，即標註位置是 xy 位置向右移動 30，向下移動30；arrowprops是對圖中箭頭類型和箭頭弧度的設置，需要用 dict 形式傳入。
使用子圖
有時候我們需要將多張子圖展示在一起，可以使用 subplot() 實現。即在調用 plot() 函數之前需要先調用 subplot() 函數。該函數的第一個參數代表子圖的總行數，第二個參數代表子圖的總列數，第三個參數代表活躍區域。
ax1 = plt.subplot(2, 2, 1) # （行，列，活躍區） plt.plot(x, np.sin(x), 'r') ax2 = plt.subplot(2, 2, 2, sharey=ax1) # 與 ax1 共享y軸 plt.plot(x, 2 * np.sin(x), 'g') ax3 = plt.subplot(2, 2, 3) plt.plot(x, np.cos(x), 'b') ax4 = plt.subplot(2, 2, 4, sharey=ax3) # 與 ax3 共享y軸 plt.plot(x, 2 * np.cos(x), 'y') plt.show()
上面的 subplot(2, 2, x) 表示將圖像窗口分爲 2 行 2 列。x 表示當前子圖所在的活躍區。
可以看到，上面的每個子圖的大小都是一樣的。有時候我們需要不同大小的子圖。比如將上面第一張子圖完全放置在第一行，其他的子圖都放在第二行。
ax1 = plt.subplot(2, 1, 1) # （行，列，活躍區） plt.plot(x, np.sin(x), 'r') ax2 = plt.subplot(2, 3, 4) plt.plot(x, 2 * np.sin(x), 'g') ax3 = plt.subplot(2, 3, 5, sharey=ax2) plt.plot(x, np.cos(x), 'b') ax4 = plt.subplot(2, 3, 6, sharey=ax2) plt.plot(x, 2 * np.cos(x), 'y') plt.show()
簡單解釋下，plt.subplot(2, 1, 1) 將圖像窗口分爲了 2 行 1 列, 當前活躍區爲 1。
使用 plt.subplot(2, 3, 4) 將整個圖像窗口分爲 2 行 3 列, 當前活躍區爲 4。
解釋下爲什麼活躍區爲 4，因爲上一步中使用 plt.subplot(2, 1, 1) 將整個圖像窗口分爲 2 行 1 列, 第1個小圖佔用了第1個位置, 也就是整個第1行. 這一步中使用 plt.subplot(2, 3, 4) 將整個圖像窗口分爲 2 行 3 列, 於是整個圖像窗口的第1行就變成了3列, 也就是成了3個位置, 於是第2行的第1個位置是整個圖像窗口的第4個位置。
常見的圖形
這裏帶大家畫一些常見的示例圖。
散點圖
首先來看下如何繪製散點圖。
k = 500 x = np.random.rand(k) y = np.random.rand(k) size = np.random.rand(k) * 50 # 生成每個點的大小 colour = np.arctan2(x, y) # 生成每個點的顏色大小 plt.scatter(x, y, s=size, c=colour) plt.colorbar() # 添加顏色欄 plt.show()
上面我們首先生成了要繪製的數據的點x 和 y，接下來爲每個數據點生成控制大小的數組 size，然後未每個數據點生成控制顏色的數組 colour。最後通過 colorbar() 來增加一個顏色欄。
柱狀圖
柱狀圖我們經常會用到，我們來看下如何畫出柱狀圖，並在圖上標註出數據對應的數值。
k = 10
x = np.arange(k)
y = np.random.rand(k)
plt.bar(x, y) # 畫出 x 和 y 的柱狀圖
# 增加數值
for x, y in zip(x, y):
plt.text(x, y , '%.2f' % y, ha='center', va='bottom')
plt.show()
生成數據 x 和 y 之後，調用 plt.bar 函數繪製出柱狀圖，然後通過 plt.text 標註數值，設置參數 ha='center' 橫向居中對齊，設置 va='bottom'縱向底部（頂部）對齊。
中文亂碼解決
Matplotlib 有個讓人惱火的問題是，默認情況下，Matplotlib 中文會亂碼。
x = ['北京', '上海', '深圳', '廣州'] y = [60000, 58000, 50000, 52000] plt.plot(x, y) plt.show()
可以看到，上面所有的中文都亂碼了，顯示成方框了，如何解決呢？
其實只需要配置下後臺字體即可。
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤 plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號 plt.plot(x, y) plt.show()
