Matplotlib学习

Matplotlib 是一个用于在 Python 中创建静态、动画和交互式可视化的综合库。Matplotlib 让简单的事情变得简单，也让困难的事情成为可能。

Matplotlib(下面简称 PLT) 涵盖了众多图片类型，想要细致的需要每一种是比较困难和不切实际的。因此有效的学习方法就是以一种常见的图形为基础，学习好 PLT 常见的画图配置选项。

下面以折线图为例，讲解如何利用 PLT 绘制图片。

折线图

PLT 中对于中文的显示存在问题，需要使用如下方式配置显示中文。

import matplotlib.pyplot as plt  
import numpy as np  
from matplotlib.font_manager import FontManager  
  
# 让图片可以显示中文  
plt.rcParams['font.sans-serif'] = 'SimHei'  
# 让图片可以显示负号  
plt.rcParams['axes.unicode_minus'] = False

当然，我们也可以查看所有字体。

# 查看所有字体  
fm = FontManager()  
my_fonts = set(f.name for f in fm.ttflist)  
my_fonts

下面开始绘制折线图。

# 折线图  
x = np.linspace(-10, 10, 40)  # 等差数列, 将(-10,10) 等分成40份  
y = -x ** 2  
# 可以将颜色与折线类型放在一起, 如'b--'  
# c:颜色, b(蓝色), g(绿色), r(红色), c(青色), m(品红), y(黄色), k(黑色), w(白色)  
# ls: line style, '-' '--' '-.' ':'  
# lw: 线条宽度  
# marker: 标记, 如'o','*', '.', '^', '>'  
# markersize: 标记大小  
# mfs: 标记的背景色  
# markeredgecolor: 标记的边缘颜色  
# markeredgewidth: 标记的边缘宽度  
# figsize 给定(宽，高); dpi 指定像素密度  
plt.figure(figsize=(10, 5), dpi=100)  
# 更改刻度  
plt.xticks(np.arange(-10, 10, 2))  
plt.yticks(np.arange(-100, 0, 20))  
# 刻度范围  
plt.xlim(-15, 15)  
plt.ylim(-110, 10)  
# 图的标题  
plt.title('抛物线示例')  
# 设置标签  
plt.xlabel('x轴', loc='right')  
plt.ylabel('y轴', rotation=0, loc='top')  
# 画文字  
plt.text(0, 4, '顶点', ha='center')  # ha: 水平对齐方式  
plt.plot(x, y, c='c', ls='-', lw=2, marker='o', markersize=7, mfc='r', markeredgecolor='y', markeredgewidth=2,  
         label='抛物线')  
# 显示图例  
plt.legend()

line-chart

子图多图

下面，我们学习如何在一张图中绘制多个子图。

# 多图布局-subplot  
fig = plt.figure()  
x = np.linspace(-np.pi, np.pi, 50)  
# 2行2列中的第1个图  
ax1 = plt.subplot(2, 2, 1)  
ax1.plot(x, np.sin(x))  
ax1.set_title("子图1")  
# 2行2列中的第2个图  
ax2 = plt.subplot(2, 2, 2)  
ax2.plot(x, np.cos(x))  
ax2.set_title("子图2")  
# 2行2列中的第3个图  
ax3 = plt.subplot(2, 2, 3)  
ax3.plot(x, np.tan(x))  
ax3.set_title("子图3")  
# 2行2列中的第4个图  
ax4 = plt.subplot(2, 2, 4)  
ax4.plot(x, np.sinh(x))  
ax4.set_title("子图4")  
# 呈现紧凑布局  
fig.tight_layout()  

subplot1

但是，如果我们不想这样规规矩矩的排列图片，我们也可以将某一些列合并。

# 多图布局-subplot  
fig = plt.figure()  
x = np.linspace(-np.pi, np.pi, 50)  
# 2行2列中的第1个图  
ax1 = plt.subplot(2, 2, 1)  
ax1.plot(x, np.sin(x))  
ax1.set_title("子图1")  
# 2行2列中的第2个图  
ax2 = plt.subplot(2, 2, 2)  
ax2.plot(x, np.cos(x))  
ax2.set_title("子图2")  
# 2行1列的第2个图, 因为第一个图被子图1和子图2占据了  
ax3 = plt.subplot(2, 1, 2)  
ax3.plot(x, np.tan(x))  
ax3.set_title("子图3")  
# 呈现紧凑布局  
fig.tight_layout()  

subplot2

此外, 还有一种方法是使用 subplots (), 一次性返回所有的子图。在此不做介绍。

如果我们想绘制多图，则只需要每次调用 plt.show() 即可。若不调用，则默认在同一张图中进行绘制。

# 画多个图，及时分开  
plt.figure(dpi=50)  
x = np.linspace(-5, 5, 50)  
plt.plot(x, np.sin(x))  
# 立刻显示图片  
plt.show()  
plt.figure(dpi=50)  
plt.plot(x, np.cos(x))

参考

https://www.bilibili.com/video/BV1nM411m7Cf?t=1.3 https://matplotlib.org/stable/plot_types/index.html