matplotlib

2026-03-26 20:11:24   0  举报





AI智能生成

matplotlib

模版推荐

作者其他创作

大纲/内容

是什么：matplotlib绘图工具，可以将数据快速的展现成不同的图形

如何快速绘图

创建画布

fig = plt.figure()

创建会话区域

ax = fig.add_axes([0.1,0.1,0.8,0.8])

创建绘画图形

绘制x和y的关系曲线 ax.plot(x,y) 展示图形 plt.show()

参数详解

figure参数 是 matplotlib 中用于创建和管理图形窗口的核心对象。通过设置 figure 参数，可以控制图表的大小、分辨率、背景色、布局等外观属性。

● num: 窗口的标题 ● figsize：画布的大小，宽6英寸、高4英寸 ● dpi：分辨率，dpi=100 每英寸中有100个像素点 ● facecolor='gray'：画布的背景色是灰色 ● edgecolor:边框的颜色 ● frameon：是否显示边框 ● clear: 是否清除原画布内容 ● linewidth:边框宽度

使用: fig = plt.figure('sinx',figsize=(6,4),dpi=100,facecolor='gray',            edgecolor='red',            frameon=True,            clear=True,            linewidth=10) ax = fig.add_axes([0.1,0.1,0.8,0.8])

axes参数 Axes 是 matplotlib 中真正的绘图区域，包含坐标轴、刻度、标签、标题等所有图表元素。一个 Figure 可以包含多个 Axes（子图），每个 Axes 都是一个独立的绘图区域。

参数速查表 类别                       方法/属性                                  说明 标题                        set_title()                              设置图表标题 坐标轴标签      set_xlabel() / set_ylabel()            设置X/Y轴标签 坐标轴范围      set_xlim() / set_ylim()                  设置显示范围 刻度                 set_xticks() / set_yticks()             设置刻度位置 刻度标签      set_xticklabels() / set_yticklabels()  设置刻度文本 网格                 grid()                                             控制网格显示 图例                  legend()                                       显示图例 背景                  set_facecolor()                            设置背景色 边框                  spines                                          控制边框显示 文本                  text()                                            添加文本 注释                 annotate()                                    添加带箭头注释 双Y轴               twinx() / twiny()                           创建共享X/Y轴的轴

与 Figure 的区别 特性                                           Figure                                                    Axes 角色                                        画布/窗口                                               绘图区域 包含关系                     1个Figure可包含多个Axes                                每个Axes属于一个Figure 主要职责                      整体布局、保存、显示                                     数据可视化、坐标轴、刻度 创建方式                     plt.figure()                                                          fig.add_subplot() 或 plt.subplots()

plot参数 用于绘制线图

子主题

参数速查表 参数                    缩写                说明                             示例 color                    c                     线条颜色                    c='red', c='#FF5733' linestyle               ls                    线型                           ls='--', ls='-.' linewidth              lw                   线宽                            lw=2 marker                 -                     标记点形状                 marker='o' markersize          ms                  标记点大小                 ms=8 markeredgecolor  mec              标记点边框色              mec='black' markeredgewidth  mew             标记点边框宽              mew=1 markerfacecolor    mfc               标记点填充色              mfc='red' alpha                   -                     透明度                         alpha=0.5 label                     -                    图例标签                      label='数据'

使用：jupyter文档工具

是一个交互式计算环境，允许你创建和共享包含代码、文本、数学公式、图表、可视化的文档。它是数据科学、机器学习、教学和研究领域的首选工具之一

绘制图形

垂直柱状图

# 数据 categories = ['A', 'B', 'C', 'D', 'E'] values = [23, 45, 56, 78, 32] # 绘制柱状图 plt.bar(categories, values) plt.title('简单柱状图') plt.xlabel('类别') plt.ylabel('数值') plt.show()

水平柱状图

plt.barh(categories, values)  # 水平方向 plt.title('水平柱状图') plt.xlabel('数值') plt.ylabel('类别') plt.show()

散点图

# 散点图 # 随机生成50个0-10的随机数 x = np.random.rand(50)*10 y = np.random.rand(50)*10 # 随机生成大小（点的大小） sizes = np.random.randint(50,300,50) # 随机生成颜色 colors = np.random.rand(50) plt.scatter(x,y,s=sizes,c=colors,cmap='viridis') plt.colorbar(label='密度值') plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] # mac plt.show()

直方图

将连续数据分成多个区间（箱子），显示每个区间内的数据频数或频率。 data = np.random.randn(1000) ax.hist(data,bins=10) plt.show()

饼图

import matplotlib.pyplot as plt import numpy as np import pandas as pd fig = plt.figure(figsize=(6,4)) ax = fig.add_axes([0.1,0.1,0.8,0.8]) # 饼图 plt.pie(     # 每一块区域的数值     x = [100,37,66,99],     # 区域的标签     labels=['青年','老年','儿童','中年'],     # 区域的颜色     colors=['#aabbcc','#ff2299','#61ff61','#5454ff'],     # 数值的保留2位小数     autopct='%.2f%%',     # 是否突出     # explode=[0.1,0.1,0.1,0.1],     # 是否有阴影     shadow=False ) plt.show()