Matplotlib常见用法有哪些

这篇文章主要介绍Matplotlib常见用法有哪些，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

一、Matplotlib常见用法

1. 绘制简单图像

我们以机器学习中最常见的激活函数sigmoid举例，我们来绘制它。

import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-10,10,1000)y = 1 / (1 + np.exp(-x))plt.plot(x,y)plt.show()

其中sigmoid的公式为： $y = f(x) =\frac{1}{1+e^{-x}}$ plot()方法展示变量间的趋势，show()方法展示图像。
我们得到如图所示图像：

2. 添加常用元素

我们添加一些参考元素，各函数的解释我在代码中进行了详细的标注。

x = np.linspace(-10,10,1000)#写入公式y = 1 / (1 + np.exp(-x))#x轴范围限制plt.xlim(-5,5)#y轴范围限制plt.ylim(-0.2,1.2)#x轴添加标签plt.xlabel("X axis")#y轴添加标签plt.ylabel("Y axis")#标题plt.title("sigmoid function")#设置网格，途中红色虚线plt.grid(line, color ="red")#设置水平参考线plt.axhline(y=0.5, color="green", line, linewidth=2)#设置垂直参考线plt.axvline(x=0.0, color="green", line, linewidth=2)#绘制曲线plt.plot(x,y)#保存图像plt.savefig("./sigmoid.png",format='png', dpi=300)

以上代码包含了限制X、Y轴范围，添加标题和标签，设置网格，添加参考线，保存图像等内容。
绘制图像如下：

3. 绘制多曲线

#生成均匀分布的1000个数值x = np.linspace(-10,10,1000)#写入sigmoid公式y = 1 / (1 + np.exp(-x))z = x**2plt.xlim(-2,2)plt.ylim(0,1)#绘制sigmoidplt.plot(x,y,color='#E0BF1D',linestyle='-', label ="sigmoid")#绘制y=x*xplt.plot(x,z,color='purple',linestyle='-.', label = "y=x*x")#绘制legend，即下图角落的图例plt.legend(loc="upper left")#展示plt.show()

绘制多图像直接调用多个plot()即可。注意：如果不调用legend()方法，不会绘制左上角的legend（图例）。其中color参数支持hex表示。

4. 认识figure(画布)

首先我们认识figure(画布)，比如legend我们在上文中提到过，是线条标签的展示。grid所圈住的虚线是网格参考线。Title/x axislabel等文本标签。 这张图有助于我们对figure有一个值观的理解。

5. 绘制多图像

一个figure是可以对应多个plot的，现在我们试着在一个figure上绘制多图像。

x = np.linspace(-2*np.pi, 2*np.pi, 400)y = np.sin(x**2)z = 1 / (1 + np.exp(-x))a = np.random.randint(0,100,400)b = np.maximum(x,0.1*x)#创建两行两列的子图像fig, ax_list = plt.subplots(nrows=2, ncols=2)# 'r-'其中r表示color=red，-表示linestyle='-'ax_list[0][0].plot(x,y,'r-')ax_list[0][0].title.set_text('sin')ax_list[0][1].scatter(x,a,s=1)ax_list[0][1].title.set_text('scatter')ax_list[1][0].plot(x,b,'b-.')ax_list[1][0].title.set_text('leaky relu')ax_list[1][1].plot(x,z,'g')ax_list[1][1].title.set_text('sigmoid')#调整子图像的布局fig.subplots_adjust(wspace=0.9,hspace=0.5)fig.suptitle("Figure graphs",fontsize=16)

其中，最关键的是subplots方法，生成2行2列的子图像，然后我们调用ax_list中的各绘图方法。 其中'r-'，'b-.'参数为绘图的缩写写法，本文后续参数缩写段落会单独讲解。

6. 绘制常用图

我们常用图来表示数据之间的关系，常见的图包括直方图、柱状图、饼图、散点图等等。

#使绘图支持中文plt.rcParams['font.sans-serif']=['Microsoft YaHei']#创建两行两列的子图像fig, [[ax1,ax2],[ax3,ax4],[ax5,ax6]] = plt.subplots(nrows=3, ncols=2,figsize=(8,8))#绘制柱状图barvalue = (2, 3, 4, 1, 2)index = np.arange(5)ax1.bar(index, value,alpha=0.4, color='b')ax1.set_xlabel('Group')ax1.set_ylabel('Scores')ax1.set_title('柱状图')#绘制直方图histogramh = 100 + 15 * np.random.randn(437)ax2.hist(h, bins=50)ax2.title.set_text('直方图')#绘制饼图pielabels = 'Frogs', 'Cai', 'Yongji', 'Logs'sizes = [15, 30, 45, 10]explode = (0, 0.1, 0, 0)ax3.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',        shadow=True, startangle=90)ax3.axis('equal')  # Equal aspect ratio ensures that pie is drawn as a circle.ax3.title.set_text('饼图')#绘制棉棒图stemx = np.linspace(0.5, 2*np.pi, 20)y = np.random.randn(20)ax4.stem(x,y, linefmt="-.", markerfmt="o", basefmt='-')ax4.set_title("棉棒图")#绘制气泡图scattera = np.random.randn(100)b = np.random.randn(100)ax5.scatter(a, b, s=np.power(2*a+4*b,2), c=np.random.rand(100), cmap=plt.cm.RdYlBu, marker="o")#绘制极线图polarfig.delaxes(ax6)ax6 = fig.add_subplot(236, projection='polar')#ax6 = fig.add_subplot(2,3,6, projection='polar')#2行，3列，第6个图r = np.arange(0, 2, 0.01)theta = 2 * np.pi * rax6.plot(theta, r)ax6.set_rmax(2)ax6.set_rticks([0.5, 1, 1.5, 2])  # Less radial ticksax6.set_rlabel_position(-22.5)  # Move radial labels away from plotted lineax6.grid(True)#调整子图像的布局fig.subplots_adjust(wspace=1,hspace=1.2)fig.suptitle("图形绘制",fontsize=16)

绘制图像如下：

7. 参数简写

因为matplotlib支持参数的缩写，所以我认为有必要单独拿出来讲一讲各参数缩写的表示。

x = np.linspace(-10,10,20)y = 1 / (1 + np.exp(-x))plt.plot(x,y,c='k',ls='-',lw=5, label ="sigmoid", marker="o", ms=15, mfc='r')plt.legend()

绘制图像如下：

7.1 c代表color(颜色)

7.2 ls代表linestyle(线条样式)

7.3 marker(记号样式)

记号样式展示如下：

7.4 其他缩写

1. lw代表linewidth(线条宽度)，如：lw=2.5

2. ms代表markersize（记号尺寸），如：ms=5

3. mfc代表markerfacecolor（记号颜色），如：mfc='red'

二、Matplotlib进阶用法

1. 添加文本注释

我们可以在画布(figure)上添加文本、箭头等标注，来让图像表述更清晰准确。
我们通过调用annotate方法来绘制注释。

fig, ax = plt.subplots(figsize=(8, 8))t = np.arange(0.0, 5.0, 0.01)s = np.cos(2*np.pi*t)# 绘制一条曲线line, = ax.plot(t, s)#添加注释ax.annotate('figure pixels',            xy=(10, 10), xycoords='figure pixels')ax.annotate('figure points',            xy=(80, 80), xycoords='figure points')ax.annotate('figure fraction',            xy=(.025, .975), xycoords='figure fraction',            horizontalalignment='left', verticalalignment='top',            fontsize=20)#第一个箭头ax.annotate('point offset from data',            xy=(2, 1), xycoords='data',            xytext=(-15, 25), textcoords='offset points',            arrowprops=dict(facecolor='black', shrink=0.05),            horizontalalignment='right', verticalalignment='bottom')#第二个箭头ax.annotate('axes fraction',            xy=(3, 1), xycoords='data',            xytext=(0.8, 0.95), textcoords='axes fraction',            arrowprops=dict(facecolor='black', shrink=0.05),            horizontalalignment='right', verticalalignment='top')ax.set(xlim=(-1, 5), ylim=(-3, 5))

绘制图像如下：

2. 绘制3D图像

绘制3D图像需要导入Axes3D库。

from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltfrom matplotlib import cmfrom matplotlib.ticker import LinearLocator, FormatStrFormatterimport numpy as npfig = plt.figure(figsize=(15,15))ax = fig.gca(projection='3d')# Make data.X = np.arange(-5, 5, 0.25)Y = np.arange(-5, 5, 0.25)X, Y = np.meshgrid(X, Y)R = np.sqrt(X**2 + Y**2)Z = np.sin(R)# Plot the surface.surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,                       linewidth=0, antialiased=False)# Customize the z axis.ax.set_zlim(-1.01, 1.01)ax.zaxis.set_major_locator(LinearLocator(10))ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))# Add a color bar which maps values to colors.fig.colorbar(surf, shrink=0.5, aspect=5)

其中cmap意为colormap，用来绘制颜色分布、渐变色等。cmap通常配合colorbar使用，来绘制图像的颜色栏。

3. 导入图像（加州房价）

引入mpimg库，来导入图像。
我们以美国加州房价数据为例，导入加州房价数据绘制散点图，同时导入加州地图图片，查看地图经纬度对应房价的数据。同时使用颜色栏，绘制热度图像。
代码如下：

import osimport urllibimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.image as mpimg#加州房价数据(大家不用在意域名)housing = pd.read_csv("http://blog.caiyongji.com/assets/housing.csv")#加州地图url = "http://blog.caiyongji.com/assets/california.png"urllib.request.urlretrieve("http://blog.caiyongji.com/assets/california.png", os.path.join("./", "california.png"))california_img=mpimg.imread(os.path.join("./", "california.png"))#根据经纬度绘制房价散点图ax = housing.plot(kind="scatter", x="longitude", y="latitude", figsize=(10,7),                       s=housing['population']/100, label="Population",                       c="median_house_value", cmap=plt.get_cmap("jet"),                       colorbar=False, alpha=0.4,                      )plt.imshow(california_img, extent=[-124.55, -113.80, 32.45, 42.05], alpha=0.5,           cmap=plt.get_cmap("jet"))plt.ylabel("Latitude", fontsize=14)plt.xlabel("Longitude", fontsize=14)prices = housing["median_house_value"]tick_values = np.linspace(prices.min(), prices.max(), 11)#颜色栏，热度地图cbar = plt.colorbar(ticks=tick_values/prices.max())cbar.ax.set_yticklabels(["$%dk"%(round(v/1000)) for v in tick_values], fontsize=14)cbar.set_label('Median House Value', fontsize=16)vplt.legend(fontsize=16)

绘制图像如下：
红色昂贵，蓝色便宜，圆圈大小表示人口多少

4. 绘制等高线

等高线对于在二维空间内绘制三维图像很有用。

def f(x, y):    return np.sin(x) ** 10 + np.cos(10 + y * x) * np.cos(x)x = np.linspace(0, 5, 50)y = np.linspace(0, 5, 40)X, Y = np.meshgrid(x, y)Z = f(X, Y)plt.contourf(X, Y, Z, 20, cmap='RdGy')plt.colorbar()

绘制图像如下：
黑色地方是峰，红色地方是谷。

绘制动画

绘制动画需要引入animation库，通过调用FuncAnimation方法来实现绘制动画。

import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib import animationfig = plt.figure()ax = plt.axes(xlim=(0, 2), ylim=(-2, 2))line, = ax.plot([], [], lw=2)# 初始化方法def init():    line.set_data([], [])    return line,# 数据更新方法，周期性调用def animate(i):    x = np.linspace(0, 2, 1000)    y = np.sin(2 * np.pi * (x - 0.01 * i))    line.set_data(x, y)    return line,#绘制动画，frames帧数，interval周期行调用animate方法anim = animation.FuncAnimation(fig, animate, init_func=init,                               frames=200, interval=20, blit=True)anim.save('ccccc.gif', fps=30)plt.show()

上述代码中anim.save()方法支持保存mp4格式文件。
绘制动图如下：

以上是"Matplotlib常见用法有哪些"这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注行业资讯频道！