matplotlib学习笔记

import matplotlib.pyplot as plt
import numpy as np
# 使用np.linspace定义x:范围是(-1,1);个数是50. 仿真一维数据组(x ,y)表示曲线1.
x = np.linspace(-1, 1, 50)
x
array([-1.        , -0.95918367, -0.91836735, -0.87755102, -0.83673469,
       -0.79591837, -0.75510204, -0.71428571, -0.67346939, -0.63265306,
       -0.59183673, -0.55102041, -0.51020408, -0.46938776, -0.42857143,
       -0.3877551 , -0.34693878, -0.30612245, -0.26530612, -0.2244898 ,
       -0.18367347, -0.14285714, -0.10204082, -0.06122449, -0.02040816,
        0.02040816,  0.06122449,  0.10204082,  0.14285714,  0.18367347,
        0.2244898 ,  0.26530612,  0.30612245,  0.34693878,  0.3877551 ,
        0.42857143,  0.46938776,  0.51020408,  0.55102041,  0.59183673,
        0.63265306,  0.67346939,  0.71428571,  0.75510204,  0.79591837,
        0.83673469,  0.87755102,  0.91836735,  0.95918367,  1.        ])
y = 2*x + 1
# 使用plt.figure定义一个图像窗口. 使用plt.plot画(x ,y)曲线. 使用plt.show显示图像.
plt.figure()
plt.plot(x, y)
plt.show()
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2
# 使用plt.figure定义一个图像窗口. 使用plt.plot画(x ,y1)曲线.
plt.figure()
plt.plot(x, y1)
plt.show()
# 使用plt.figure定义一个图像窗口:编号为3;大小为(8, 5). 
# 使用plt.plot画(x ,y2)曲线. 使用plt.plot画(x ,y1)曲线,
# 曲线的颜色属性(color)为红色;曲线的宽度(linewidth)为1.0;曲线的类型(linestyle)为虚线. 
# 使用plt.show显示图像.
plt.figure(num=3, figsize=(8,5))
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.show()
# 使用plt.xlim设置x坐标轴范围
# 使用plt.xlabel设置x坐标轴名称
# 使用plt.xticks设置x轴刻度
# 使用plt.yticks设置y轴刻度以及名称
plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim((-1, 2))
plt.ylim((-2, 3))
plt.xlabel('I am x')
plt.ylabel('I am y')
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
plt.show()
# legend将要显示的信息来自于label
# loc='upper right' 表示图例将添加在图中的右上角.
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

plt.figure()
#set x limits
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# set new sticks
new_sticks = np.linspace(-1, 2, 5)
plt.xticks(new_sticks)
# set tick labels
plt.yticks([-2, -1.8, -1, 1.22, 3],
           [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])

# set line syles
l1, = plt.plot(x, y1, label='linear line')
l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')

plt.legend(loc='upper right')
plt.show()
#  l1, l2,要以逗号结尾, 因为plt.plot() 返回的是一个列表.
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

plt.figure()
#set x limits
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# set new sticks
new_sticks = np.linspace(-1, 2, 5)
plt.xticks(new_sticks)
# set tick labels
plt.yticks([-2, -1.8, -1, 1.22, 3],
           [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])

# set line syles
# 加逗号 line 中得到的是 line2D 对象,不加逗号得到的是只有一个 line2D 对象的列表
l1, = plt.plot(x, y1, label='linear line')
l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')

# set legend
plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='best')
plt.show()
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y = 2*x + 1

plt.figure(num=1, figsize=(8, 5))

# 挪动坐标轴的位置
# plt.gca(),它返回当前 plot() 关联的轴
ax = plt.gca()

#设置右边和上面的坐标轴为空
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 设置x轴的位置在0点
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))

# 设置x轴的位置在0点
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

# 标注出点(x0, y0)的位置信息
x0 = 1
y0 = 2*x0 + 1
plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)

# 标注点
plt.scatter([x0, ], [y0, ], s=50, color='b')

# 添加注释 annotate
# xycoords基于数据的值来选位置
# xytext和textcoords指对于标注位置的描述和xy偏差值
# arrowprops对箭头类型的设置.
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
# 添加text,fontdict设置文本字体
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size': 16, 'color': 'r'})
plt.plot(x, y)
plt.show()
import matplotlib.pyplot as plt
import numpy as np

# 生成1024个呈标准正态分布的二维数据组 (平均数是0,方差为1) 作为一个数据集
n = 1024    # data size
X = np.random.normal(0, 1, n) # 每一个点的X值
Y = np.random.normal(0, 1, n) # 每一个点的Y值
T = np.arctan2(Y,X) # for color value

# xtick()函数来隐藏x坐标轴
# X和Y作为location
# size=75,颜色为T,color map用默认值
# 透明度alpha 为 50%


plt.scatter(X, Y, s=75, c=T, alpha=.5)

plt.xlim(-1.5, 1.5)
plt.xticks(())  # ignore xticks
plt.ylim(-1.5, 1.5)
plt.yticks(())  # ignore yticks

plt.show()


import matplotlib.pyplot as plt
import numpy as np

plt.figure(num=1, figsize=(8, 5))

n = 12
X = np.arange(n)
Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)

# 用facecolor设置主体颜色,edgecolor设置边框颜色为白色
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

# zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,
# 然后返回由这些元组组成的对象
# 用%.2f保留两位小数,横向居中对齐ha='center',
# 纵向底部(顶部)对齐va='bottom'
for x, y in zip(X, Y1):
    # ha: horizontal alignment
    # va: vertical alignment
    plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')

for x, y in zip(X, Y2):
    # ha: horizontal alignment
    # va: vertical alignment
    plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top')

plt.xlim(-.5, n)
plt.xticks(())
plt.ylim(-1.25, 1.25)
plt.yticks(())

plt.show()
import matplotlib.pyplot as plt
import numpy as np

a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
              0.365348418405, 0.439599930621, 0.525083754405,
              0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)

print(a)

plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')

# 添加一个colorbar ,添加一个shrink参数,使colorbar的长度变短为原来的92%:
plt.colorbar(shrink=.92)

plt.xticks(())
plt.yticks(())
plt.show()
[[0.31366083 0.36534842 0.42373312]
 [0.36534842 0.43959993 0.52508375]
 [0.42373312 0.52508375 0.65153635]]
import matplotlib.pyplot as plt

plt.figure(figsize=(8,5))

# 将整个图像窗口分为2行2列, 当前位置为1
plt.subplot(2,2,1)
plt.plot([0,1],[0,1])

# 将整个图像窗口分为2行2列, 当前位置为2
plt.subplot(2,2,2)
plt.plot([0,1],[0,2])

# 将整个图像窗口分为2行2列,当前位置为3
plt.subplot(223)
plt.plot([0,1],[0,3])

# 将整个图像窗口分为2行2列, 当前位置为4
plt.subplot(224)
plt.plot([0,1],[0,4])

plt.show()  # 展示
import matplotlib.pyplot as plt

plt.figure(figsize=(8,5))

# 将整个图像窗口分为2行1列, 当前位置为1
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])

# 将整个图像窗口分为2行3列, 当前位置为4
plt.subplot(2,3,4)
plt.plot([0,1],[0,2])

# 将整个图像窗口分为2行3列, 当前位置为5
plt.subplot(235)
plt.plot([0,1],[0,3])

# 将整个图像窗口分为2行3列, 当前位置为6
plt.subplot(236)
plt.plot([0,1],[0,4])

plt.show()  # 展示
import matplotlib.pyplot as plt

plt.figure(figsize=(10,6))
# 创建第1个小图, (3,3)表示将整个图像窗口分成3行3列, (0,0)表示从第0行第0列开始作图,
# colspan=3表示列的跨度为3, rowspan=1表示行的跨度为1. 
# colspan和rowspan缺省, 默认跨度为1.
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax1.plot([1, 2], [1, 2])    # 画小图
ax1.set_title('ax1_title')  # 设置小图的标题

# (3,3)表示将整个图像窗口分成3行3列,
# (1,0)表示从第1行第0列开始作图,colspan=2表示列的跨度为2.
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)

# (1,2)表示从第1行第2列开始作图,rowspan=2表示行的跨度为2
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)

# 使用默认 colspan, rowspan
# 创建散点图,对x轴和y轴命令
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax4.scatter([1, 2], [2, 2])
ax4.set_xlabel('ax4 x label')
ax4.set_ylabel('ax4 y label')

# 使用默认 colspan, rowspan
ax5 = plt.subplot2grid((3, 3), (2, 1))

plt.show()
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

plt.figure(figsize=(10, 6))
# 将整个图像窗口分成3行3列
gs = gridspec.GridSpec(3, 3)

# gs[0, :]表示这个图占第0行和所有列
ax6 = plt.subplot(gs[0, :])

# gs[1, :2]表示这个图占第1行和第2列前的所有列
ax7 = plt.subplot(gs[1, :2])

# gs[1:, 2]表示这个图占第1行和第2列前的所有列
ax8 = plt.subplot(gs[1:, 2])

# 占倒数第1行和第0列
ax9 = plt.subplot(gs[-1, 0])

# 占倒数第1行和倒数第2列.
ax10 = plt.subplot(gs[-1, -2])

plt.show()
# 导入pyplot模块
import matplotlib.pyplot as plt

# 初始化figure
fig = plt.figure(figsize=(10,8))

# 创建数据
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]

# 确定大图左下角的位置以及宽高
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8


# 4个值都是占整个figure坐标系的百分比。在这里,假设figure的大小是10x10,
# 那么大图就被包含在由(1, 1)开始,宽8,高8的坐标系内。
# 将大图坐标系添加到figure中,颜色为r(red)
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')

# 绘制左上角的小图,改变坐标系位置和大小
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(y, x, 'b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')

plt.axes([0.6, 0.15, 0.25, 0.25])
plt.plot(y[::-1], x, 'g') # 注意对y进行了逆序处理
#plt.xlabel(())
#plt.ylabel(())
plt.title('title inside 2')

plt.show()
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 0.1)
y1 = 0.05 * x**2
y2 = -1 * y1
fig, ax1 = plt.subplots()

# 对ax1调用twinx()方法,生成如同镜面效果后的ax2
ax2 = ax1.twinx()

# 将 y1, y2 分别画在 ax1, ax2 上
ax1.plot(x, y1, 'g-')   # green, solid line
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')
ax2.plot(x, y2, 'b-') # blue
ax2.set_ylabel('Y2 data', color='b')

plt.show()

推荐阅读更多精彩内容