Matplotlib有以下重要对象:
figure (画布)，ax (坐标系)，axis (坐标轴)
后面的例子会用到这些对象。
文章目录
数学公式编辑可参考官方文档：
mathtext
如果因为参数缺少说明或代码注释不到位导致理解困难的话非常抱歉~推荐一个视频教程，有很多笔记源于上面的教程（2016年的），有不清楚的地方也可以去上面的教程看一看~
子图subplot
面向对象式编程
import numpy as np
from matplotlib import pyplot as plt
'''
ax1=fig.add_subplot(221)
参数：
第一个参数是fig对象每行拥有的子图总数
第二个参数是fig对象每列拥有的子图总数
第三个参数是子图的位置
返回值：返回Axes实例
'''
x=np.arange(1,100)
fig=plt.figure()
axl=fig.add_subplot(221)
axl.plot(x,x)
ax2=fig.add_subplot(222)
ax2.plot(x,-x)
ax3=fig.add_subplot(223)
ax3.plot(x,x**2)
ax4=fig.add_subplot(224)
ax4.plot(x,np.log(x))
plt.show()
交互式编程
import numpy as np
from matplotlib import pyplot as plt
X=np.arange(1,100)
plt.subplot(221)
plt.plot(X,X)
plt.subplot(222)
plt.plot(X,-X)
plt.subplot(223)
plt.plot(X,X*X)
plt.subplot(224)
plt.plot(X,np.log(X))
交互式编程意思是可以输入命令即使得到反馈，可以看到效果，和命令行类似，如下图，输入plt.grid(True)便可以给当前子图设置网格
01
1
生成多个figure
import numpy as np
from matplotlib import pyplot as plt
fig1=plt.figure()
ax1=fig1.add_subplot(111)
ax1.plot([1,2,3],[3,2,1])
fig2=plt.figure()
ax2=fig2.add_subplot(111)
ax2.plot([1,2,3],[1,2,3])
plt.show()
2
网格
import numpy as np
from matplotlib import pyplot as plt
X=np.arange(0,10,1)
fig=plt.figure()
ax=fig.add_subplot(111)
plt.plot(X,X*2)
ax.grid(color='r',linestyle='-.',linewidth='2') #设置网格属性
plt.show()
3
图例
Matplotlib.legend()设置图例，有两个常用的参数，loc是图例在图像中的位置，ncol为显示图例的列数，比如MatPlotlib.legend(loc=4,ncol=3)
| loc | Value |
|---|---|
| 0 | 智能位置 |
| 1 | 右上角 |
| 2 | 左上角 |
| 3 | 左下角 |
| 4 | 右下角 |
import numpy as np
from matplotlib import pyplot as plt
X=np.arange(1,100)
plt.plot(X,X*2,label='Normal')
plt.plot(X,X*3,label='Fast')
plt.plot(X,X*4,label='Faster')
plt.legend(loc=1,ncol=3)
plt.show()
4
#面向对象的方式：
import numpy as np
from matplotlib import pyplot as plt
X=np.arange(1,100)
fig=plt.figure()
ax=fig.add_subplot(111)
l=plt.plot(X,X,label='label')
ax.legend()
#ax.legend(['ax legend'])
plt.show()
坐标轴范围
用plt.axis()调整坐标轴范围，参数是一个列表，比如plt.axis([-10,10,0,100])表示-10
x
也可以用plt.xlim()和plt.ylim()分别调整x轴和y轴范围，指定参数时，比如plt.xlim(xmin=6)，则只调整x轴左边。
import numpy as np
from matplotlib import pyplot as plt
X=np.arange(-10,11,1)
fig=plt.figure()
ax=fig.add_subplot(111)
l=plt.plot(X,X*X)
plt.axis([-6,6,10,60])
#plt.xlim(-6,6)
#plt.xlim(xmin=-6)
plt.show()
5
坐标轴刻度
import numpy as np
from matplotlib import pyplot as plt
x=np.arange(-10,11,1)
plt.plot(x,x)
ax=plt.gca() #获取当前图像的坐标轴
ax.locator_params(nbins=10) #（版本不同，效果有细微差别）把坐标轴8等份，因为坐标轴两边-10,10还有空白，加起来就10份了
#也可以指定某个轴，比如：ax.locator_params('x',nbins=10)
plt.show()
6
显示日期
import numpy as np
from matplotlib import pyplot as plt
import datetime
import matplotlib as mpl
fig=plt.figure()
#设置日期序列
start=datetime.datetime(2018,9,30)
stop=datetime.datetime(2019,9,30)
delta=datetime.timedelta(days=1)
dates=mpl.dates.drange(start,stop,delta)
y=np.random.rand(len(dates))
ax=plt.gca()
ax.plot_date(dates,y,linestyle='-',marker='')
#设置日期显示格式(x轴显示格式)
date_format=mpl.dates.DateFormatter('%Y-%m-%d')
ax.xaxis.set_major_formatter(date_format)
#使x轴显示的日期自适应窗口大小
fig.autofmt_xdate()
plt.show()
7
添加坐标轴
双y轴
import numpy as np
from matplotlib import pyplot as plt
x=np.arange(2,20,1)
y1=x*x
y2=np.log(x)
fig=plt.figure()
ax1=fig.add_subplot(111)
ax1.plot(x,y1)
ax1.set_ylabel('Y1')
ax2=ax1.twinx() #ax2和ax1共x轴
ax2.plot(x,y2,'r')
ax2.set_ylabel('Y2')
ax1.set_xlabel('Compare Y1 and Y2')
plt.show()
8
添加注释
import numpy as np
from matplotlib import pyplot as plt
x=np.arange(-10,11,1)
y=x*x
plt.plot(x,y)
'''
参数：
xy为箭头头部的坐标
xytext为箭头尾部（文字）的坐标
arrowprops指定箭头的属性
其中facecolot是箭头颜色，frac是箭头占整个箭头符号的比例
headwidth为箭头头部的宽度，width为键身的宽度
'''
plt.annotate('this is the bottom',xy=(0,4),xytext=(0,30),
arrowprops=dict(facecolor='g',frac=0.2,headwidth=30,width=18))
plt.show()
9
添加文字
import numpy as np
from matplotlib import pyplot as plt
x=np.arange(-10,11,1)
y=x*x
plt.plot(x,y)
'''
plt.text()参数：
前面两个数字是要显示文字的起始坐标
'y=x*x'是要显示的文字
family可以设置字体，
常用字体包括：‘serif’, ‘sans-serif’, ‘cursive’, ‘fantasy’, or ‘monospace’
style设置风格，比如斜体
weight设置字体粗细（这个参数可以是数字0~1000，也可以是文字：ultralight,light,normal,regular,book,medium,roman,semibold,demibold,demi,bold,heavy,extra bold,black）
bbox设置一个矩形框包住要显示的文字，其中alpha是透明度
'''
plt.text(-1,40,'y=x*x',family='fantasy',size=20,color='r',style='italic',weight='demi',
bbox=dict(facecolor='r',alpha=0.2))
plt.show()
10
显示数学公式
公式参考:mathtext
import numpy as np
from matplotlib import pyplot as plt
fig=plt.figure()
ax=fig.add_subplot(111)
ax.set_xlim([1,7])
ax.set_ylim([1,5])
#数学公式书写要用$$包括
ax.text(2,3,r'$\sin(0)=\cos(\frac{\pi}{2})$',size=30)
plt.show()
11
区域填充
填充与x轴围成的区域
import numpy as np
from matplotlib import pyplot as plt
x=np.linspace(0,5*np.pi,1000)
y1=np.sin(x)
y2=np.sin(2*x)
# plt.plot(x,y1)
# plt.plot(x,y2)
# alpha是透明度，'b'是蓝色，'r'是红色
plt.fill(x,y1,'b',alpha=0.3)
plt.fill(x,y2,'r',alpha=0.3)
plt.show()
12
填充两条线之间的区域
import numpy as np
from matplotlib import pyplot as plt
x=np.linspace(0,5*np.pi,1000)
y1=np.sin(x)
y2=np.sin(2*x)
# plt.plot(x,y1)
# plt.plot(x,y2)
fig=plt.figure()
ax=plt.gca()
ax.plot(x,y1,color='r')
ax.plot(x,y2,color='black')
#因为x取值是离散的，所以当x间距较大时，可能会出现空白区域，参数 interpolate设为True的意义就是让这些空白区域也可以显色
ax.fill_between(x,y1,y2,where=y1>y2,facecolor='yellow',interpolate=True)
ax.fill_between(x,y1,y2,where=y2>y1,facecolor='r',interpolate=True)
plt.show()
13
生成形状
import numpy as np
from matplotlib import pyplot as plt
import matplotlib.patches as mpatches
'''
fig, ax = plt.subplots()等价于fig, ax = plt.subplots(ncols=1, nrows=1)
等价于
fig=plt.figure()
ax=ax = fig.add_subplot(111)
'''
fig,ax=plt.subplots()
'''
使用array()函数可以将列表转化为数组
'''
xy1=[0.2,0.2]
#xy1=np.array([0.2,0.2])
xy2=np.array([0.2,0.8])
xy3=np.array([0.8,0.2])
xy4=np.array([0.8,0.8])
circle=mpatches.Circle(xy1,0.05)
ax.add_patch(circle)
rect=mpatches.Rectangle(xy2,0.2,0.1,color='r')
ax.add_patch(rect)
ellipse=mpatches.Ellipse(xy4,0.4,0.2,color='y')
ax.add_patch(ellipse)
# 第二个参数设为5表示边数为5，0.1表示图形中心到顶点的距离（类比圆的半径）
polygon=mpatches.RegularPolygon(xy3,5,0.1,color='g')
ax.add_patch(polygon)
#设置横纵坐标比例相等，否则会显示椭圆
plt.axis('equal')
#添加网格
plt.grid()
plt.show()
14
样式美化
import numpy as np
from matplotlib import pyplot as plt
from matplotlib import patches as mpatches
'''
# print(plt.style.available) #样式
返回：
['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright',
'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted',
'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks',
'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']
'''
#设置样式：
plt.style.use('dark_background')
fig,axes=plt.subplots(ncols=2 , nrows=2)
ax1, ax2, ax3, ax4 = axes.ravel()
x, y = np.random.normal(size=(2,100))
ax1.plot(x,y,'o')
x=np.arange(0,10)
y=np.arange(0,10)
# # plt.rcParams['axes.color_cycle'] 为默认的颜色循环
# ncolors=len(plt.rcParams['axes.color_cycle'])
#获取颜色循环
colors = [color['color'] for color in list(plt.rcParams['axes.prop_cycle'])]
shift=np.linspace(0,10,7)
for s in shift:
ax2.plot(x,y+s,'-')
x=np.arange(5)
y1,y2,y3=np.random.randint(1,25,size=(3,5))
width=0.25
ax3.bar(x,y1,width)
ax3.bar(x+width,y2,width,color=colors[1])
ax3.bar(x+2*width,y2,width,color=colors[2])
for color in colors:
xy=np.random.normal(size=2)
ax4.add_patch(plt.Circle(xy,radius=0.3,color=color))
ax4.axis('equal')
ax4.grid()
plt.show()
15
极坐标
import numpy as np
from matplotlib import pyplot as plt
r=np.arange(1,6,1)
theta=[np.pi*i/2 for i in range(5)]
#设置极坐标系
ax=plt.subplot(111,projection='polar')
ax.plot(theta,r,color='r',linewidth=3)
ax.grid(True)
plt.show()
16
'''
2019-10-15更新
'''
坐标轴标注
我们有时需要标注x轴是什么，y轴是什么，还需要给x,y轴设置标签，比如下面的例子：
import numpy as np
from matplotlib import pyplot as plt
def func(x):
return -(x-3)*(x-7)+9
x=np.linspace(0,10)
y=func(x)
fig,ax=plt.subplots()
plt.plot(x,y,'r',linewidth=2)
a=2
b=8
ax.set_xticks([a,b]) # 设置x标签
ax.set_yticks([]) # 设置y标签（这里为空)
ax.set_xticklabels(['$x_1$','$x_2$']) #设置x标签的显示形式
plt.figtext(0.9,0.05,'$x$') #前面两个参数的范围在0,1之间，是相对窗口的位置，而不是坐标轴的位置，可以看后面生成的图
plt.figtext(0.1,0.9,'$y$')
plt.show()
17
