内容简介:Matplotlib是一个Python 2D绘图库和一些基本的3D图表,可以生成各种格式图片。Matplotlib可用于Python脚本,Python shell,Jupyter笔记本,Web应用程序服务器等等。Matplotlib是约翰·亨特(John Hunter,1968-2012)的心血结晶,他和许多贡献者一起投入了不可估量的时间和精力来制作一套全球数千名科学家使用的软件。在Python 中调用Matplotlib,通常使用 import matplotlib.pyplot 调用Matplotlib
Matplotlib是一个 Python 2D绘图库和一些基本的3D图表,可以生成各种格式图片。Matplotlib可用于Python脚本,Python shell,Jupyter笔记本,Web应用程序服务器等等。
Matplotlib是约翰·亨特(John Hunter,1968-2012)的心血结晶,他和许多贡献者一起投入了不可估量的时间和精力来制作一套全球数千名科学家使用的软件。
查看Matplotlib 版本
>>> import matplotlib >>> matplotlib.__version__ '3.0.3'
在Python 中调用Matplotlib,通常使用 import matplotlib.pyplot 调用Matplotlib 集成的快速绘图 pyplot模块。
Figure(整个图像)
在任何绘图之前,需要一个Figure对象,可以理解成需要一张画板才能开始绘图。
import matplotlib.pyplot as plt fig = plt.figure()
在Matplotlib中,整个图像为一个Figure 对象。Figure对象中可以包含一个或者多个Axes对象,每个Axes 对象都是一个拥有自己坐标系统的绘图区域。
Axes(轴线)
在拥有Figure对象之后,在作画前还需要轴,没有轴的话就没有绘图基准,所以需要添加Axes。也可以理解成为真正可以作画的纸。
ax = fig.add_subplot(111) ax.set(xlim=[0, 5], ylim=[0, 6], title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis') plt.show()
上述代码,在一幅图上添加了一个Axes,然后设置了这个Axes的X轴以及Y轴的取值范围,以及一些文本信息。效果如下:
Matplotlib下, 一个 Figure 对象可以包含多个子图(Axes),可以使用 subplot() 快速绘制,其调用形式如下 :
subplot(numRows, numCols, plotNum)
- 图表的整个绘图区域被分成 numRows 行和 numCols 列;
- 然后按照从左到右,从上到下的顺序对每个子区域进行编号,左上的子区域的编号为1;
- plotNum 参数指定创建的 Axes 对象所在的区域;
对于上面的fig.add_subplot(111)就是添加Axes的,参数的解释的在画板的第1行第1列的第一个位置生成一个Axes对象来准备作画。
也可以通过fig.add_subplot(2, 2, 1)的方式生成Axes,前面两个参数确定了面板的划分。
如果 numRows, numCols 和 plotNum 这三个数都小于 10 的话, 可以把它们缩写为一个整数, 例如 subplot(221) 和 subplot(2,2,1) 是相同的。
subplot 在 plotNum 指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话,之前的轴将被删除。
Multiple Axes 多个子图
下面的一次性生成所有 Axes:
简单总结一下
- 在最顶层的是画布,称之为figure;
- 在画布上可以在不同的区域上绘制,这些区域称之为subplot;
每一个子图区域,又可以做如下划分:
- axis 也就是x,y坐标轴;
- tick 也就是每一个坐标轴的刻度;
- label 也就是坐标轴上的标签;
- title 也就是每一个子图的标题;
- data 是输入的数据绘制出的图像;
Matplotlib 绘图演示代码
将这个图像划分成8个子区域,每个子区域绘制一个不同的图像。
import numpy as np import matplotlib.pyplot as plt x=[1,2,3,4] y=[3,5,10,25] # 创建子图 plt.subplot(241) plt.plot(x,y) plt.title("plot") plt.subplot(242) plt.scatter(x, y) plt.title("scatter") plt.subplot(243) plt.pie(y) plt.title("pie") plt.subplot(244) plt.bar(x, y) plt.title("bar") plt.subplot(245) plt.boxplot(y, sym="o") plt.title("box") # sin/cos 图像 plt.subplot(246) x = np.linspace(0, np.pi) y_sin = np.sin(x) y_cos = np.cos(x) plt.plot(x, y_sin) plt.plot(x, y_cos) # g-- 设置线条样式和颜色 plt.subplot(247) plt.plot(x, y_sin, 'g--') plt.title("sin") # 加载本地图片 import matplotlib.image as mpimg img=mpimg.imread('666.jpg') plt.subplot(248) plt.imshow(img) plt.title("cool...") plt.show()
以上所述就是小编给大家介绍的《Python中常用的可视化工具 Matplotlib 简单入门》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 数据可视化之路 - d3入门
- 数据可视化系列--svg入门基础(一)
- 这是一本好玩的可视化统计概率入门书
- Python教程Matplotlib数据可视化入门篇
- Python数据可视化神器--pyecharts 快速入门
- [译] 利用 Python 中的 Bokeh 实现数据可视化,第一部分:入门
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Usability for the Web
Tom Brinck、Darren Gergle、Scott D. Wood / Morgan Kaufmann / 2001-10-15 / USD 65.95
Every stage in the design of a new web site is an opportunity to meet or miss deadlines and budgetary goals. Every stage is an opportunity to boost or undercut the site's usability. Thi......一起来看看 《Usability for the Web》 这本书的介绍吧!