[机器学习][基础编程][matplotlib]matplotlib基本操作

亦凉 2023-05-30 09:24 53阅读 0赞

### 文章目录 ###

*   *  matplotlib：图形 figure
     *  matplotlib：颜色、标记和线型
     *  matplotlib：刻度、标题、标签和图例
     *  Matplotlib：Subplot 子图
     *  Subplots
     *  matplotlib：图像保存文件
     *  常见图形
     *   *  Matplotlib柱状图
         *  Matplotlib直方图
         *  matplotlib绘制散点图

import matplotlib.pyplot as plt
    import matplotlib.ticker 
    import matplotlib as mpl
    import numpy as np

plt.plot([1,2,3],[5,7,4])
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5_size_16_color_FFFFFF_t_70]

## matplotlib：图形 figure ##

figure：图形，matplotlib中的所有图像都是位于figure对象中，一个图像只能有一个figure对象。matplotlib 的 figure 就是一个 单独的 figure 小窗口, 小窗口里面还可以有更多的小图片.

x = np.arange(-3,3,0.1)
    y1 = np.sin(x)
    y2 = np.cos(x)

plt.figure()
    plt.plot(x,y1)
    plt.figure(num=3,figsize=(8,5))
    plt.plot(x,y2)
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-24ezdiSS-1573277997528)(output\_4\_0.png)\]][img-24ezdiSS-1573277997528_output_4_0.png]

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pauyJOaD-1573277997529)(output\_4\_1.png)\]][img-pauyJOaD-1573277997529_output_4_1.png]

## matplotlib：颜色、标记和线型 ##

Plot（）：绘制线条或标记的轴。参数是一个可变长度参数，允许多个X、Y对可选的格式字符串。  
例：  
plot(x1, y1,x2, y2)

plt.plot(x,y1,x,y2)
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UJ2ot0rz-1573277997529)(output\_6\_0.png)\]][img-UJ2ot0rz-1573277997529_output_6_0.png]

#plot(y) #如果只接收到一个值就默认为y值 ，而x默认为从0 到 n ，使用默认的线条样式和颜色
    plt.plot([1,2,4,8,16])
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EzxpTuaj-1573277997529)(output\_7\_0.png)\]][img-EzxpTuaj-1573277997529_output_7_0.png]

plot(x,y,color=‘red’, linestyle=‘dashed’, marker=‘o’…)

绘图中用到的直线属性包括：

（1）LineStyle：线形

（2）LineWidth：线宽

（3）Color：颜色

（4）Marker：标记点的形状

（5）label:用于图例的标签

plt.plot([1,2,3], [5,7,4], color='red', marker='o', linestyle='dashed',linewidth=2, markersize=12)
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-l3XMjFoe-1573277997530)(output\_10\_0.png)\]][img-l3XMjFoe-1573277997530_output_10_0.png]

plt.plot([1,2,3],[5,7,4],'ro--')
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-atpBt6mo-1573277997530)(output\_11\_0.png)\]][img-atpBt6mo-1573277997530_output_11_0.png]

## matplotlib：刻度、标题、标签和图例 ##

legend ()：生成默认图例, matplotlib 中的 legend 图例就是为了帮我们展示出每个数据对应的图像名称. 更好的让读者认识到你的数据结构.

xlabel、ylabel:设置X轴Y轴标签

title：设置标题

xlim、ylim：控制图标的范围

xticks、yticks: 控制图标的刻度

gca获取当前坐标轴信息。使用spines设置边框,使用set\_color设置边框颜色：默认白色

解决中文显示问题

mpl.rcParams\[‘font.sans-serif’\] = \[‘SimHei’\]

mpl.rcParams\[‘axes.unicode\_minus’\] = False

# 指定默认字体
    matplotlib.matplotlib_fname()
    plt.rcParams['font.sans-serif']=['Microsoft YaHei'] 
    plt.rcParams['font.family']='sans-serif' 
    # 用来正常显示负号
    plt.rcParams['axes.unicode_minus']=False
    x1 = [1,2,3]
    y1 = [5,7,4]
    x2 = [1,2,3]
    y2 = [10,14,12]
    plt.plot(x1,y1,'ro--',label='FirstLine')
    plt.plot(x2,y2,'b-',label='SecondLine')
    plt.xlabel('Month')
    plt.ylabel('Year')
    plt.title('InputAccount')
    #设置轴范围
    plt.xlim(1,3)
    plt.ylim(0,15)
    #设置刻度
    plt.xticks(np.linspace(0,6,5))
    plt.yticks(np.arange(1,15,3),['2019','2018','2017','2016','2015'])
    #获取坐标轴信息
    plt.ax = plt.gca()
    #设置边框
    ax=fig.add_subplot(111)
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    plt.legend()
    plt.show()

findfont: Font family ['sans-serif'] not found. Falling back to DejaVu Sans.
    findfont: Font family ['sans-serif'] not found. Falling back to DejaVu Sans.

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TjMsI5Oq-1573277997531)(output\_13\_1.png)\]][img-TjMsI5Oq-1573277997531_output_13_1.png]

## Matplotlib：Subplot 子图 ##

Subplot：子图，figure对象下创建一个或多个subplot对象(即axes)用于绘制图像。  
subplot(numRows, numCols, plotNum)

plt.subplot(221)
    plt.plot(x1,y1,'r-')
    plt.subplot(223)
    plt.plot(x2,y2,'b--')
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BHSZScoQ-1573277997531)(output\_15\_0.png)\]][img-BHSZScoQ-1573277997531_output_15_0.png]

# 获取figure对象
    fig = plt.figure(figsize=(8,6))
    # 在figure上创建对象
    ax1 = fig.add_subplot(221)
    ax2 = fig.add_subplot(222)
    ax3 = fig.add_subplot(223)
    ax1.plot(np.random.randn(50).cumsum(),'g-')
    ax2.plot(np.random.randn(50).cumsum(),'b--')
    ax3.plot(np.random.randn(50).cumsum(),'k--')
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5dr8fYzx-1573277997531)(output\_16\_0.png)\]][img-5dr8fYzx-1573277997531_output_16_0.png]

## Subplots ##

Sublots():返回一个图像和多个子图

参数： nrows=x, ncols=x, sharex=True, sharey=False,  
gridspec\_kw=\{‘height\_ratios’:\[2,2,1,1\]\}  
例：

fig, ax = plt.subplots(2,2),其中参数分别代表子图的行数和列数，一共有 2x2 个图像。函数返回一个figure图像和一个子图ax的array列表。

Plot,axes = plt.subplots(nrows=4,ncols=1,sharex=True,sharey=False)
    Plot.suptitle('test')
    axes[0].plot(range(10),'ro-')
    axes[1].plot(range(10),'bo-')
    axes[2].plot(range(10),'go-')
    axes[3].plot(range(10),'mo-')
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-n1KGD41D-1573277997532)(output\_18\_0.png)\]][img-n1KGD41D-1573277997532_output_18_0.png]

fig,axes = plt.subplots(2,2)
    for i in range(2):
        for j in range(2):
            axes[i,j].hist(np.random.randn(100),10,color='g',alpha=0.75)
    fig.subplots_adjust(wspace=0,hspace=0)
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RkdpYxW9-1573277997532)(output\_19\_0.png)\]][img-RkdpYxW9-1573277997532_output_19_0.png]

## matplotlib：图像保存文件 ##

plt.savefit(文件名称)

## 常见图形 ##

### Matplotlib柱状图 ###

matplotlib.pyplot. bar (\*args, \*\*kwargs)

bar(x, height, width, bottom, \* args, align=‘center’, \*\*kwargs)

参数： x:数据标量 height：高 width:款 bottom：底端对应Y轴align:对齐如果为 “居中”, 则将x参数解释为条形中心的坐标。如果 “边缘”, 将条形按其左边缘对齐要对齐右边缘的条形图, 可传递负的宽度和对align=‘edge’

plt.figure()
    plt.bar([1,3,5,7,9,11],np.array([2,4,6,8,10,12]),label='one',color='y')
    plt.bar([1,2,3,4,5],np.array([6,7,8,9,10]),label='two',color='g')
    plt.legend()
    plt.xlabel('bar number')
    plt.ylabel('bar height')
    plt.title('test')
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bJ81qysq-1573277997532)(output\_23\_0.png)\]][img-bJ81qysq-1573277997532_output_23_0.png]

### Matplotlib直方图 ###

matplotlib.pyplot.hist(  
x,bins=10,range=None,normed=False,weights=None,cumulative=False,bottom=None,  
histtype=‘bar’, align=‘mid’,orientation=u’vertical’, rwidth=None, log=False,color=None, label=None,stacked=False,hold=None,\*\*kwargs)

– x: 一个列表或者多个列表（表示不同数据集，长度可以不一致）

– range: 元组

– weights: x里每个元素对bin高度的贡献（默认为1）

– bottom: 数字或者长度为bins的列表

– histtype: \[‘bar’ | ‘barstacked’ | ‘step’ | ‘stepfilled’\]

– align: \[‘left’ | ‘mid’ | ‘right’\]

– orientation: \[‘horizontal’ | ‘vertical’\]

– rwidth: bar相对bin的宽度

– color: 一种颜色或者颜色列表（针对不同数据集）

mu, sigma = 100,15
    x = mu + sigma*np.random.randn(10000)
    plt.hist(x,100,density=1,facecolor='g',alpha=0.75)
    plt.title('Hist')
    plt.text(60,0.025,r'$\mu=100,\ \sigma=15$')
    plt.axis([40,160,0,0.03])
    plt.grid(True)
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-H53JUK5X-1573277997532)(output\_25\_0.png)\]][img-H53JUK5X-1573277997532_output_25_0.png]

### matplotlib绘制散点图 ###

matplotlib.pyplot. scatter (x, y, s=none, c=none, marker=none, cmap= None,  
norm=none, vmin=none, vmax=none, alpha=none, Linewidths=none,  
verts=none, edgecolors=none, hold=none, data= None, \*\*kwargs)

参数：

x,y:相同长度的数组序列
    
    s  :散点的大小标量或形同数组，可选参数，默认20
    
    c  :散点的色彩或颜色序列，可选
    
    maker:标记风格，可选，默认是‘o’
    
    norm:数据的亮度
    
    alpha:散点的透明度

x = [1,2,3,4,5,6,7,8]
    y = [5,2,4,2,1,4,5,2]
    T = np.random.rand(8)*125
    plt.scatter(x,y,label='scatter',c=T,s=25,marker='o',alpha=0.5)
    
    plt.xlabel('x')
    plt.ylabel('y')
    plt.title('scatter')
    plt.legend()
    plt.show()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FvA8INkT-1573277997533)(output\_27\_0.png)\]][img-FvA8INkT-1573277997533_output_27_0.png]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191109134037707.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-24ezdiSS-1573277997528_output_4_0.png]: https://img-blog.csdnimg.cn/20191109134054674.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-pauyJOaD-1573277997529_output_4_1.png]: https://img-blog.csdnimg.cn/20191109134105604.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-UJ2ot0rz-1573277997529_output_6_0.png]: https://img-blog.csdnimg.cn/20191109134119753.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-EzxpTuaj-1573277997529_output_7_0.png]: https://img-blog.csdnimg.cn/20191109134129582.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-l3XMjFoe-1573277997530_output_10_0.png]: https://img-blog.csdnimg.cn/20191109134221143.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-atpBt6mo-1573277997530_output_11_0.png]: https://img-blog.csdnimg.cn/20191109134231676.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-TjMsI5Oq-1573277997531_output_13_1.png]: https://img-blog.csdnimg.cn/2019110913425061.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-BHSZScoQ-1573277997531_output_15_0.png]: https://img-blog.csdnimg.cn/20191109134301342.png
[img-5dr8fYzx-1573277997531_output_16_0.png]: https://img-blog.csdnimg.cn/20191109134311861.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-n1KGD41D-1573277997532_output_18_0.png]: https://img-blog.csdnimg.cn/20191109134325377.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-RkdpYxW9-1573277997532_output_19_0.png]: https://img-blog.csdnimg.cn/20191109134336489.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-bJ81qysq-1573277997532_output_23_0.png]: https://img-blog.csdnimg.cn/20191109134348560.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-H53JUK5X-1573277997532_output_25_0.png]: https://img-blog.csdnimg.cn/20191109134359767.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70
[img-FvA8INkT-1573277997533_output_27_0.png]: https://img-blog.csdnimg.cn/2019110913441012.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI3Njk1NjU5,size_16,color_FFFFFF,t_70