第92天：Python Matplotlib 進階操作

by 潮汐

本章節主要是 Matplotlib 和 NumPy 實際操作案例講解，matplotlib 通常與 NumPy 一起使用，提供了一種有效的 MatLab 開源替代方案，除此之外，它還可以和其他圖形工具包搭配使用。前提是在現在的環境中已經安裝了 Numpy 模塊，Numpy 安裝詳情請參考第 79 天：數據分析之 Numpy 初步

這一節將從簡到繁用實例講解 matplotlib 和 Numpy 結合使用的知識點。

1、折線圖

使用 Numpy的函數 np.arange() 函數創建 x 軸上的值。將 y 軸上的對應值存儲在另一個數組對象 y 中。這些值使用 matplotlib 軟件包的 pyplot 子模塊的 plot() 函數繪製。

實例如下：

# 導入模塊
import numpy as np
import matplotlib.pyplot as plt

# 繪製 x 軸數據
x = np.arange(2,15)
y = 3 * x+6

# 給圖形設置標題
plt.title('line chart')
# 設置 x 軸和 y 軸的屬性名
plt.xlabel("x axis")
plt.ylabel("y axis")

# 繪製圖形
plt.plot(x,y)

# 顯示圖形
plt.show()

以上程序運行結果圖：

注意：作爲線性圖的替代，可以通過向 plot() 函數添加格式字符串來顯示離散值，可以使用以下格式化字符,表格如下：

字符	描述
'-'	實線樣式
'--'	短橫線樣式
'-.'	點劃線樣式
':'	虛線樣式
'.'	點標記
','	像素標記
'o'	圓標記
'v'	倒三角標記
'^'	正三角標記
'<'	左三角標記
'>'	右三角標記
'1'	下箭頭標記
'2'	上箭頭標記
'3'	左箭頭標記
'4'	右箭頭標記
's'	正方形標記
'p'	五邊形標記
'*'	星形標記
'h'	六邊形標記 1
'H'	六邊形標記 2
'+'	加號標記
'x'	X 標記
'D'	菱形標記
'd'	窄菱形標記
'\|'	豎直線標記
'_'	水平線標記

圖形顯示顏色縮寫簡寫表格如下：

字符	顏色
'b'	藍色
'g'	綠色
'r'	紅色
'c'	青/綠色
'm'	品紅色
'y'	黃色
'k'	黑色
'w'	白色
'o'	橙色

2、散點圖

使用以上兩個表格表示的簡化符號畫一個綠色散點圖，散點使用 'o'表示，，具體實例如下：

# 導入模塊
import numpy as np
import matplotlib.pyplot as plt

x = np.arange(2, 15)
y = 2 * x + 6
plt.title("scatter chart")
plt.xlabel("x axis")
plt.ylabel("y axis")

# 設置圖形樣式和顏色
plt.plot(x, y, "oc")
plt.show()

以上程序運行結果爲：

例如繪製一個倒三角圖形：

# 導入模塊
import numpy as np
import matplotlib.pyplot as plt

x = np.arange(2, 15)
y = 2 * x + 6
plt.title("triangle_scatter chart")
plt.xlabel("x axis")
plt.ylabel("y axis")

# 設置圖形樣式和顏色
plt.plot(x, y, "^c")
plt.show()

顯示結果如下：

3、正餘弦波形圖

正弦波形圖

正弦波形圖的繪製需要用到 Numpy 的數學函數 sin() 和 cos(),詳細的數學函數使用請參考 NumPy 系列文章：第 84 天：NumPy 數學函數

import numpy as np
import matplotlib.pyplot as plt

# 計算正弦曲線上點的 x 和 y 座標
print(np.pi)

# 繪製 x 軸，從 0 開始，
x = np.arange(0, 3 * np.pi,  0.1)
y = np.sin(x)

# 設置標題
plt.title("sine wave form")

# 繪製圖形點
plt.plot(x, y, 'y')
plt.show()

顯示結果：

餘弦波形圖

import numpy as np
import matplotlib.pyplot as plt

# 計算正弦曲線上點的 x 和 y 座標
print(np.pi)

# 繪製 x 軸，從 0 開始，
x = np.arange(0, 4 * np.pi,  0.1)
y = np.cos(x)

# 設置標題
plt.title("cosine wave form")

# 繪製圖形點
plt.plot(x, y, 'm')
plt.show()

正餘弦波形圖

在一張圖中顯示出正弦函數和餘弦函數，這裏需要使用 subplot 來建立網格圖，一幅圖中使用兩個網格，兩個網格中分別展示正弦函數和餘弦函數；subplot 函數使用說明如下：

matplotlib 中, 一個 Figure 對象可以包含多個子圖(Axes), 可以使用 subplot() 快速繪製, 調用形式如下 :

subplot(numRows, numCols, plotNum)

參數說明：

圖表的整個繪圖區域被分成 numRows 行和 numCols 列
然後按照從左到右，從上到下的順序對每個子區域進行編號，左上的子區域的編號爲1，左下子區域編號爲3，右上子區域編號爲2，右下子區域編號爲 4，當然具體的還要看指定網格的行數和列數而定。
plotNum 參數指定創建的 Axes 對象所在的區域

網格編號圖如下：

假如 numRows ＝ 2, numCols ＝ 3, 那整個繪製圖表樣式爲 2X3 的圖片區域, 用座標表示爲

(1, 1), (1, 2), (1, 3)
(2, 1), (2, 2), (2, 3)

再當 plotNum ＝ 3 時, 表示的座標爲(1, 3), 即第一行第三列的子圖
如果 numRows, numCols 和 plotNum 這三個數都小於 10 的話, 可以把它們縮寫爲一個整數, 例如 subplot(323) 和 subplot(3,2,3) 是相同的。

subplot 在 plotNum 指定的區域中創建一個軸對象，如果新創建的軸和之前創建的軸重疊的話，之前的軸將被刪除。

例1：上述網格編號圖代碼如下

import matplotlib.pyplot as plt

plt.subplot(2,2,1)
plt.xticks([]), plt.yticks([])
plt.text(0.5,0.5, 'subplot(2,2,1)',ha='center',va='center',size=20,alpha=.5)

plt.subplot(2,2,2)
plt.xticks([]),plt.yticks([])
plt.text(0.5,0.5, 'subplot(2,2,2)',ha='center',va='center',size=20,alpha=.5)

plt.subplot(2,2,3)
plt.xticks([]), plt.yticks([])
plt.text(0.5,0.5, 'subplot(2,2,3)',ha='center',va='center',size=20,alpha=.5)

plt.subplot(2,2,4)
plt.xticks([]), plt.yticks([])
plt.text(0.5,0.5, 'subplot(2,2,4)',ha='center',va='center',size=20,alpha=.5)

plt.show()

例4:

import matplotlib.pyplot as plt

plt.subplot(211) # 第一行的左圖
plt.subplot(212) # 第一行的右圖

plt.show()

還可以表示爲：

import matplotlib.pyplot as plt

plt.subplot(2,1,1)
#設置 x 和 y 軸上的值
plt.xticks([]), plt.yticks([]) # 表示無顯示值
plt.text(0.5,0.5, 'subplot(2,1,1)',ha='center',va='center',size=24,alpha=.5)

plt.subplot(2,1,2)
plt.xticks([]), plt.yticks([])
plt.text(0.5,0.5, 'subplot(2,1,2)',ha='center',va='center',size=24,alpha=.5)

plt.show()

結果顯示：

網格圖1：

網格圖2:

所以正餘弦函數波形圖可以表示爲：


# 計算正弦和餘弦曲線上的點的 x 和 y 座標
x = np.arange(0,  3  * np.pi,  0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)

# 建立 subplot 網格，高爲 2，寬爲 1
# 激活第一個 subplot
plt.subplot(2,  1,  1)
# 繪製第一個圖像
plt.plot(x, y_sin)
plt.title('Sine')

# 將第二個 subplot 激活，並繪製第二個圖像
plt.subplot(2,  1,  2)
plt.plot(x, y_cos)
plt.title('Cosine')

# 展示圖像
plt.show()

最後圖形展示：

4、直方圖

直方圖也稱條形圖，pyplot 子模塊提供 bar() 函數來生成條形圖，下面的實例是一個使用 bar() 函數生成的一個簡單的柱狀圖.
實例如下：

import matplotlib.pyplot as plt

# 設置 x 的 x 軸和 y 軸數值
x = [5,8,10]
y = [12,16,6]

# 設置 x2 的 x 軸和 y 軸數值
x2 = [6,9,11]
y2 = [6,15,7]

# 使用 bar() 函數設置條形圖的顏色和對齊方式
plt.bar(x, y,color='y', align='center')
plt.bar(x2, y2, color='c', align='center')

# 設置標題
plt.title('Bar chart')
# 設置 x 軸和 y 軸的屬性名
plt.ylabel('Y axis')
plt.xlabel('X axis')

# 展示圖形
plt.show()

程序運行結果爲：

Matplotlib 結合 NumPy 使用：

這時候需要用到 NumPy 中的直方統計函圖：histogram

histogram(a,bins=10,range=None,weights=None,density=False);

參數說明：

a 是待統計數據的數組；
bins指定統計的區間個數；
range是一個長度爲2的元組，表示統計範圍的最小值和最大值，默認值 None，表示範圍由數據的範圍決定
weights爲數組的每個元素指定了權值,histogram()會對區間中數組所對應的權值進行求和
density爲 True 時，返回每個區間的概率密度；爲 False，返回每個區間中元素的個數

函數說明：

numpy.histogram() 函數是數據的頻率分佈的圖形表示。水平尺寸相等的矩形對應於類間隔，稱爲 bin，變量 height 對應於頻率。
numpy.histogram() 函數將輸入數組和 bin 作爲兩個參數。 bin 數組中的連續元素用作每個 bin 的邊界。

例如：

import numpy as np

# 賦值數組 a
a = np.array([22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27])

# 調用函數
np.histogram(a, bins=[0, 20, 40, 60, 80, 100])
hist, bins = np.histogram(a, bins=[0, 20, 40, 60, 80, 100])

# 輸出值
print(hist)
print(bins)

輸出結果爲：

[3 4 5 2 1]
[  0  20  40  60  80 100]

plt()函數使用：

Matplotlib 可以將直方圖的數字表示轉換爲圖形。 pyplot 子模塊的 plt() 函數將包含數據和 bin 數組的數組作爲參數，並轉換爲直方圖，例如：

import numpy as np
import matplotlib.pyplot as plt

# 賦值數組 a
a = np.array([22, 87, 43, 56, 73, 55, 11, 20, 51, 5, 79, 27,100])

# plt() 函數將數據變爲直方圖
plt.hist(a, bins=[0,20,40,60,80,100])
plt.title("histogram")
# 顯示圖形
plt.show()

顯示結果：

5、曲線圖

例1：一個簡單的曲線圖

畫出一個簡單的曲線圖，如下所示：

import matplotlib.pyplot as plt
import numpy as np

n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.sin(2*X)

plt.plot (X, Y+1, color='blue', alpha=1.00)
plt.plot (X, Y-1, color='blue', alpha=1.00)

plt.title('curve_chart1')
plt.show()

結果展示爲：

例2：升級版的曲線圖

import numpy as np
import matplotlib.pyplot as plt

n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.sin(2*X)

plt.plot (X, Y+1, color='blue', alpha=1.00)
plt.fill_between(X, 1, Y+1, color='blue', alpha=.25)

plt.plot (X, Y-1, color='blue', alpha=1.00)

# 設置線條顏色和填充顏色區域
plt.fill_between(X, -1, Y-1, (Y-1) > -1, color='blue', alpha=.25)
plt.fill_between(X, -1, Y-1, (Y-1) < -1, color='red',  alpha=.25)

plt.title('curve_chart2')
plt.show()

結果展示爲：

總結

本章節是 Matplotlib 結合 NumPy 使用的畫圖方法，主要介紹了折線圖、正餘弦波形圖、方形圖、曲線圖的基本畫法，同時也詳細講述了子圖 subplot的基本使用方法，希望以上知識點能對學習這一模塊的夥伴們提供更好支撐，若有任何問題歡迎在交流羣中進行交流 😃

參考

https://www.runoob.com/numpy/numpy-matplotlib.html
https://www.runoob.com/w3cnote/matplotlib-tutorial.html
https://matplotlib.org/tutorials/introductory/usage.html#sphx-glr-tutorials-introductory-usage-py

文中示例代碼：python-100-days

關注公衆號：python技術，回覆"python"一起學習交流

第92天：Python Matplotlib 進階操作

1、折線圖

2、散點圖

3、正餘弦波形圖

正弦波形圖

餘弦波形圖

正餘弦波形圖

4、直方圖

5、曲線圖

總結

參考

權威數據庫市場排名出爐，騰訊爆出王炸！

崩潰的一天，西安一碼通崩潰背後的技術問題。

Tooool-程序員一站式導航網站來了

aiXcoder3.0呼之欲出，代碼補全 AI，帶你進入「個性化智能編程時代」

阿里雲盤正式上架，速度15MB/s！（附下載鏈接+邀請碼）

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結