Matplotlib 常用整理

AskeyNil

导入Matplotlib

约定俗成的以 plt 为 Matplotlib 简称的导入方式

1
 
import matplotlib.pyplot as plt

魔法配置，让表格显示在 jupyter 里面

1
 
%matplotlib notebook

中文字体支持配置

第一种方法

  1. 打印所有系统字体
1
2
 
for i in sorted([f.name for f in mpl.font_manager.fontManager.ttflist]):
    print(i)
  1. 找到一个可以显示中文的字体
1
2
3
 
# 比如我使用的 Songti SC
# 将其设置为当前字体
plt.rcParams['font.family']=['Songti SC']

第二种方法

  1. 找到自定义字体文件夹
1
 
font_dirs = ['/Users/askeynil/Desktop/学习/numpy/fonts']
  1. 将自定义字体文件夹导入到 Matplotlib 的字体库中
1
2
3
4
5
 
import matplotlib.font_manager as font_manager
font_dirs = ['/Users/askeynil/Desktop/学习/numpy/fonts']
font_files = font_manager.findSystemFonts(fontpaths=font_dirs)
font_list = font_manager.createFontList(font_files)
font_manager.fontManager.ttflist.extend(font_list)
  1. 然后使用方式一找到导入的字体，然后设置为 family 即可。

绘制折线图

  1. 创建一个图形实例
1
 
fig = plt.figure()
  1. 获取 y 值，x 值默认从 0 开始，依次累加 1
1
 
plt.plot([2, 3, 1, 4])
  1. 设置 x，y 轴标签
1
2
 
plt.xlabel('x') #x轴标签
plt.ylabel('y') #y轴标签
  1. 绘制图形
1
 
plt.show()

指定绘制图形的大小

1
 
fig = plt.figure(figsize=(5, 4), dpi=80)

参数解释：

  1. figsize：图形尺寸，英寸为单位

  2. dpi：每英寸的点数

绘制三角函数

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
 
# 1. 导入 numpy
import numpy as np
# 2. 获取 x 轴的值
x = np.linspace(-np.pi, np.pi, 100) # -pi 到 pi 中 100 个点
# 3. 获取 cos 函数的 y 值
c = np.cos(x)
# 4. 获取 sin 函数的 y 值
s = np.sin(x)
# 5. 获取绘图实例
fig = plt.figure()
# 6. 绘制 cos 的图形
plt.plot(x, c)
# 7. 绘制 sin 的图形
plt.plot(x, s)
# 8. 显示图形
fig.show()

指定线宽和颜色

1
2
3
4
 
fig = plt.figure()
plt.plot(x, c, color='red', linewidth=2, linestyle='--')
plt.plot(x, s, color='blue', linewidth=3, linestyle='-')
fig.show()

参数解释：

  1. color：线的颜色，可以是 RGB16 进制的数值，也可以是一些默认的预定义颜色字符串
  2. linewidth：线宽
  3. linestyle：线的形状
    • ‘-‘ 或 ‘solid’：实线
    • ‘–’ 或 ‘dashed’：短划线
    • ‘-.’ 或 ‘dashdot’：点虚线
    • ‘:’ 或 ‘dotted’：虚线

指定 x 和 y 轴的范围和标签的内容

1
2
3
4
5
6
7
8
9
10
 
fig = plt.figure()
plt.plot(x, c, color='red')
plt.plot(x, s, color='blue')
plt.xlim(-4, 4)                # 指定 x 轴的范围
plt.ylim(-1.1, 1.1)        # 指定 y 轴的范围
# 设置 x 轴的标签内容
plt.xticks(np.linspace(-4, 4, 9, endpoint=True))
# 设置 y 轴的标签内容
plt.yticks(np.linspace(-1, 1, 5, endpoint=True))
fig.show()

内联 LaTeX 表达式 

1
2
3
4
5
6
7
8
9
10
11
 
fig = plt.figure()
plt.plot(x, c, color='red')
plt.plot(x, s, color='blue')
plt.xlim(-4, 4)                # 指定 x 轴的范围
plt.ylim(-1.1, 1.1)        # 指定 y 轴的范围
# 设置 x 轴的标签内容
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\frac{\pi}{2}$', r'$0$',r'$\frac{\pi}{2}$', r'$\pi$'])
# 字符串前面加 r 表示使用原始字符串，不转义。
# 设置 y 轴的标签内容
plt.yticks(np.linspace(-1, 1, 5, endpoint=True))
fig.show()

修改坐标轴的位置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
 
fig = plt.figure()
plt.plot(x, c, color='red')
plt.plot(x, s, color='blue')
plt.xlim(-4, 4)                # 指定 x 轴的范围
plt.ylim(-1.1, 1.1)        # 指定 y 轴的范围
# 设置 x 轴的标签内容
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\frac{\pi}{2}$', r'$0$',r'$\frac{\pi}{2}$', r'$\pi$'])
# 字符串前面加 r 表示使用原始字符串，不转义。
# 设置 y 轴的标签内容
plt.yticks(np.linspace(-1, 1, 5, endpoint=True))
# 获取当前的坐标轴 gca == get current axes
axes = plt.gca()
# 设置右坐标轴颜色为 none 即隐藏右坐标轴
axes.spines['right'].set_color('none')
# 设置上坐标轴颜色为 none 即隐藏上坐标轴
axes.spines['top'].set_color('none')
# 将左坐标轴移动到原点
axes.spines['left'].set_position(('data', 0))
# 将下坐标轴移动到原点
axes.spines['bottom'].set_position(('data', 0))
fig.show()

添加函数描述

1
2
3
4
5
 
fig = plt.figure()
plt.plot(x, c, color='red', label='cos')
plt.plot(x, s, color='blue', label='sin')
plt.legend(loc='upper left')  # Add the legend
fig.show()

参数解释：

  1. label：函数的描述
  2. plt.legend：
    1. loc：位置
      1. ‘best’：最好的
      2. ‘upper right’：右上
      3. ‘upper left’：左上
      4. ‘lower left’：左下
      5. ‘lower right’：右下
      6. ‘right’：右
      7. ‘center left’：中左
      8. ‘center right’：中右
      9. ‘lower center’：下中
      10. ‘upper center’：上中
      11. ‘center’：中心

添加关键点标注

1
2
3
4
5
6
7
8
9
 
fig = plt.figure()
plt.plot([2, 3, 1, 4])  
plt.xlabel('x')
plt.ylabel('y')
plt.annotate('转折点',
             xy=(1, 3),  xytext=(+10, +30),
             textcoords='offset points', fontsize=12,
             arrowprops=dict(arrowstyle="->"))
fig.show()

plt.annotate

参数解释：

  1. s：显示的文本
  2. xy：标注点
  3. xytext：放置文本的位置，默认为 xy
  4. textcoords：文本点的描述
  5. fontsize：字体大小
  6. arrowprops：箭头参数，dict

绘制多图

  1. 准备表格数据
1
2
3
 
X = np.linspace(-np.pi, np.pi, 15)
C = np.cos(X)
S = np.sin(X)
  1. 绘制两个表格
1
2
3
4
5
6
 
fig = plt.figure()
plt.subplot(2, 1, 1)
plt.plot(X, C)
plt.subplot(2, 1, 2)
plt.plot(X, S)
plt.show()
  1. 设置网格
1
2
3
4
5
6
7
8
 
fig = plt.figure(figsize=(5, 4), dpi=80)
plt.subplot(1, 2, 1)
plt.plot(X, C)
plt.grid(False)
plt.subplot(1, 2, 2)
plt.plot(X, S)
plt.grid(True)
plt.show()

参数解释：

  1. subplot(nrows, ncols, index, **kwargs)

    1. nrows：行数
    2. ncols：列数
    3. index：索引
    4. kwargs：可选参数

  2. subplot(pos, **kwargs)

    1. pos：100 <= pos <= 999
      1. 第一个数字代表行
      2. 第二个数字代表列
      3. 第三个数字代表索引

  3. subplot(ax)

    1. ax：axes，之前 subplot 返回的值，在同一图内，再次绘制。

  4. grid()

    • 表格的配置信息

格子布局

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
 
# 导入布局头文件
import matplotlib.gridspec as gridspec
fig = plt.figure()
# 创建布局管理器
gs = gridspec.GridSpec(3, 3)
# 绘制在 第 0 行所有列
ax1 = plt.subplot(gs[0, :])
plt.plot(X, C)
# 绘制在第 1 行前两列 
ax2 = plt.subplot(gs[1, :-1])
plt.plot(X, S)
# 绘制在最后一行，第 0 列
ax3 = plt.subplot(gs[-1, 0])
plt.plot(X, -C)
# 绘制在最后一行，第 1 列
ax4 = plt.subplot(gs[-1, -2])
plt.plot(X, -S)
# 绘制在第 1，2 行，最后一列
ax5 = plt.subplot(gs[1:, -1])
plt.plot(X, (C+S)/2)
plt.show()

博客内容遵循 署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 协议

本文永久链接是：https://www.askeynil.com/2019/matplotlib-common-method.html

评论

Powered By Valine
v1.4.14