Python中的图形绘图 |设置 1

本系列将向您介绍使用 Matplotlib 在Python中进行绘图，它可以说是Python最流行的绘图和数据可视化库。
安装
安装 matplotlib 最简单的方法是使用 pip。在终端中输入以下命令：

pip install matplotlib

或者，您可以从此处下载并手动安装。

开始（绘制一条线）

Python

# importing the required module
import matplotlib.pyplot as plt
 
# x axis values
x = [1,2,3]
# corresponding y axis values
y = [2,4,1]
 
# plotting the points
plt.plot(x, y)
 
# naming the x axis
plt.xlabel('x - axis')
# naming the y axis
plt.ylabel('y - axis')
 
# giving a title to my graph
plt.title('My first graph!')
 
# function to show the plot
plt.show()

输出：

该代码似乎不言自明。遵循以下步骤：

• 将 x 轴和相应的 y 轴值定义为列表。
• 使用.plot()函数在画布上绘制它们。
• 使用.xlabel()和.ylabel()函数为 x 轴和 y 轴命名。
• 使用.title() 函数给你的情节一个标题。
• 最后，要查看您的绘图，我们使用.show()函数。

在同一图上绘制两条或多条线

Python

import matplotlib.pyplot as plt
 
# line 1 points
x1 = [1,2,3]
y1 = [2,4,1]
# plotting the line 1 points
plt.plot(x1, y1, label = "line 1")
 
# line 2 points
x2 = [1,2,3]
y2 = [4,1,3]
# plotting the line 2 points
plt.plot(x2, y2, label = "line 2")
 
# naming the x axis
plt.xlabel('x - axis')
# naming the y axis
plt.ylabel('y - axis')
# giving a title to my graph
plt.title('Two lines on same graph!')
 
# show a legend on the plot
plt.legend()
 
# function to show the plot
plt.show()

输出：

• 在这里，我们在同一张图上绘制两条线。我们通过给它们一个名称（标签）来区分它们，该名称作为 .plot()函数的参数传递。
• 提供有关线条类型及其颜色的信息的小矩形框称为图例。我们可以使用.legend()函数为我们的绘图添加一个图例。

绘图的定制

在这里，我们讨论了一些适用于几乎任何情节的基本定制。

Python

import matplotlib.pyplot as plt
 
# x axis values
x = [1,2,3,4,5,6]
# corresponding y axis values
y = [2,4,1,5,2,6]
 
# plotting the points
plt.plot(x, y, color='green', linestyle='dashed', linewidth = 3,
         marker='o', markerfacecolor='blue', markersize=12)
 
# setting x and y axis range
plt.ylim(1,8)
plt.xlim(1,8)
 
# naming the x axis
plt.xlabel('x - axis')
# naming the y axis
plt.ylabel('y - axis')
 
# giving a title to my graph
plt.title('Some cool customizations!')
 
# function to show the plot
plt.show()

输出：

如您所见，我们已经完成了一些自定义，例如

• 设置线宽、线型、线色。
• 设置marker，marker的面颜色，marker的大小。
• 覆盖 x 和 y 轴范围。如果未完成覆盖，pyplot 模块使用自动缩放功能来设置轴范围和比例。

条形图

Python

import matplotlib.pyplot as plt
 
# x-coordinates of left sides of bars
left = [1, 2, 3, 4, 5]
 
# heights of bars
height = [10, 24, 36, 40, 5]
 
# labels for bars
tick_label = ['one', 'two', 'three', 'four', 'five']
 
# plotting a bar chart
plt.bar(left, height, tick_label = tick_label,
        width = 0.8, color = ['red', 'green'])
 
# naming the x-axis
plt.xlabel('x - axis')
# naming the y-axis
plt.ylabel('y - axis')
# plot title
plt.title('My bar chart!')
 
# function to show the plot
plt.show()

输出 ：

• 在这里，我们使用plt.bar()函数来绘制条形图。
• 条形左侧的 x 坐标与条形的高度一起传递。
• 您还可以通过定义tick_labels为 x 轴坐标命名

直方图

Python

import matplotlib.pyplot as plt
 
# frequencies
ages = [2,5,70,40,30,45,50,45,43,40,44,
        60,7,13,57,18,90,77,32,21,20,40]
 
# setting the ranges and no. of intervals
range = (0, 100)
bins = 10 
 
# plotting a histogram
plt.hist(ages, bins, range, color = 'green',
        histtype = 'bar', rwidth = 0.8)
 
# x-axis label
plt.xlabel('age')
# frequency label
plt.ylabel('No. of people')
# plot title
plt.title('My histogram')
 
# function to show the plot
plt.show()

输出：

• 在这里，我们使用plt.hist()函数来绘制直方图。
• 频率作为年龄列表传递。
• 可以通过定义包含最小值和最大值的元组来设置范围。
• 下一步是对值的范围进行“分箱”——即将整个值范围划分为一系列区间——然后计算每个区间中有多少值。这里我们定义了bins = 10。所以，总共有 100/10 = 10 个区间。

散点图

Python

import matplotlib.pyplot as plt
 
# x-axis values
x = [1,2,3,4,5,6,7,8,9,10]
# y-axis values
y = [2,4,5,7,6,8,9,11,12,12]
 
# plotting points as a scatter plot
plt.scatter(x, y, label= "stars", color= "green",
            marker= "*", s=30)
 
# x-axis label
plt.xlabel('x - axis')
# frequency label
plt.ylabel('y - axis')
# plot title
plt.title('My scatter plot!')
# showing legend
plt.legend()
 
# function to show the plot
plt.show()

输出：

• 在这里，我们使用plt.scatter()函数绘制散点图。
• 作为一条线，我们也在此处定义 x 和相应的 y 轴值。
• 标记参数用于设置要用作标记的字符。它的大小可以使用s参数定义。

饼形图

Python

import matplotlib.pyplot as plt
 
# defining labels
activities = ['eat', 'sleep', 'work', 'play']
 
# portion covered by each label
slices = [3, 7, 8, 6]
 
# color for each label
colors = ['r', 'y', 'g', 'b']
 
# plotting the pie chart
plt.pie(slices, labels = activities, colors=colors,
        startangle=90, shadow = True, explode = (0, 0, 0.1, 0),
        radius = 1.2, autopct = '%1.1f%%')
 
# plotting legend
plt.legend()
 
# showing the plot
plt.show()

上述程序的输出如下所示：

• 在这里，我们使用plt.pie()方法绘制饼图。
• 首先，我们使用一个名为活动的列表来定义标签。
• 然后，可以使用另一个名为slices的列表来定义每个标签的一部分。
• 每个标签的颜色是使用名为colors的列表定义的。
• shadow = True将在饼图中的每个标签下方显示一个阴影。
• startangle将饼图的起点从 x 轴逆时针旋转给定度数。
• explode用于设置我们偏移每个楔形的半径分数。
• autopct用于格式化每个标签的值。在这里，我们将其设置为仅显示小数点后 1 位的百分比值。

绘制给定方程的曲线

Python

# importing the required modules
import matplotlib.pyplot as plt
import numpy as np
 
# setting the x - coordinates
x = np.arange(0, 2*(np.pi), 0.1)
# setting the corresponding y - coordinates
y = np.sin(x)
 
# plotting the points
plt.plot(x, y)
 
# function to show the plot
plt.show()

输出

上面的程序看起来像这样：

在这里，我们使用NumPy ，它是Python中的一个通用数组处理包。

• 要设置 x 轴值，我们使用 np.arange()方法，其中前两个参数用于范围，第三个参数用于逐步递增。结果是一个 NumPy 数组。
• 要获得相应的 y 轴值，我们只需在 NumPy 数组上使用预定义的np.sin()方法。
• 最后，我们通过将 x 和 y 数组传递给plt.plot()函数来绘制点。

因此，在这一部分中，我们讨论了可以在 matplotlib 中创建的各种类型的图。还有更多的情节没有涉及，但这里讨论了最重要的情节——

• Python中的图形绘图 |设置 2
• Python中的图形绘图 |设置 3