title

date

Matplotlib

Matplotlib 是Python2D绘图领域使用最广泛的套件。能导出多种格式的图片。

Matplotlib中文显示

Matplotlib默认是不支持中文的，如果出现中文会以方框代替。

但是经过测试国外字体中部分可以支持。

goodfont=[
 'Adobe Heiti Std',
 'Arial Unicode MS',
 'DengXian',
 'SimHei',
 'STKaiti',
 'STXihei',
]

使用fontproperties指定字体

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
zh_cn_font = matplotlib.font_manager.FontProperties(fname="F:\ProjectFiles\SimHei.ttf")
#第七行的作用是为了消除更换为unicode字体之后0、负数之类的显示异常。之后所有使用中文字体的地方只字符串都以u""的形式出现，并指定fontproperties属性为我们的指定的myfont就行了
matplotlib.rcParams['axes.unicode_minus'] = False
#matplotlib.rcParams['font.sans-serif'] = ['SimHei']
x = np.arange(0,9)
y = 2*x+1
plt.title(u"Matplotlib 标题",fontproperties = zh_cn_font)
plt.xlabel(u"x 轴:",fontproperties = zh_cn_font)
plt.ylabel(u"y 轴:",fontproperties = zh_cn_font)
plt.plot(x,y)
plt.show()

一劳永逸法

找到matplotlib 配置文件：

import matplotlib 
print(matplotlib.matplotlib_fname()) 
#我自己的输出结果如下：
#%Python_Home%\Lib\site-packages\matplotlib\mpl-data

编辑器打开此文件 matplotlibrc删除font.family和font.sans-serif两行前的#，并在font.sans-serif后添加微软雅黑字体Microsoft YaHei
下载字体:msyh.ttf (微软雅黑)放在matplotlib 字体文件夹下:# %Python_Home%\Lib\site-packages\matplotlib\mpl-data\fonts\ttf
删除.matplotlib/cache里面的两个缓存字体文件C:\Users\你的用户名\.matplotlib
重启Python

绘制一次方程

使用matplotlib中的pylot包进行简单绘图。

import numpy as np
from matplotlib import pyplot as plt

x = np.arange(0,9)
y = 2*x+1
plt.title("Matplotlib Demo1")
plt.xlabel("x axis:")
plt.ylabel("y axis:")
plt.plot(x,y)
plt.show()

绘制离散图

向pyplot的plot()函数添加特殊的格式化字符串可以显示离散值。

字符	描述
`'-'`	实线样式
`'--'`	短横线样式
`'-.'`	点划线样式
`':'`	虚线样式
`'.'`	点标记
`','`	像素标记
`'o'`	圆标记
`'v'`	倒三角标记
`'^'`	正三角标记
`'<'`	左三角标记
`'>'`	右三角标记
`'1'`	下箭头标记
`'2'`	上箭头标记
`'3'`	左箭头标记
`'4'`	右箭头标记
`'s'`	正方形标记
`'p'`	五边形标记
`'*'`	星形标记
`'h'`	六边形标记 1
`'H'`	六边形标记 2
`'+'`	加号标记
`'x'`	X 标记
`'D'`	菱形标记
`'d'`	窄菱形标记
`'\|'`	竖直线标记
`'_'`	水平线标记

以下是颜色的缩写：

字符	颜色
`'b'`	蓝色
`'g'`	绿色
`'r'`	红色
`'c'`	青色
`'m'`	品红色
`'y'`	黄色
`'k'`	黑色
`'w'`	白色

例如：要显示圆来代表点，而不是上面示例中的线，请使用 ob 作为 plot() 函数中的格式字符串。

绘制正弦函数

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
m = np.arange(0,4,0.1)
n = np.sin(m*np.pi)
plt.title(u"Matplotlib 正弦函数")
plt.xlabel(u"x 轴:")
plt.ylabel(u"y 轴:")
plt.plot(m,n,'-')
plt.show()

绘制子图

pyplot.subplot(nrows,ncols,index)可以在一个figure中添加多个子图像。

使用plt.subtiltle('')给整个figure添加标题，使用plt.title('')给每个subplot添加子标题，修改x轴范围使用plt.xlim(min,max)，修改x轴刻度使用plt.xticks([numlist],[textlist])。

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
x = np.arange(0,3,0.05)
n = np.linspace(-np.pi/2,np.pi/2,50)
y = np.sin(x*np.pi)
z = np.cos(x*np.pi)
p = np.tan(n)
q = np.tan(np.pi/2-n)

plt.figure(figsize = (16,9),dpi = 80)

plt.suptitle('Matplotlib 绘制多图',fontsize = 40,weight = 40)

plt.subplot(2,2,1)
plt.title(u"正弦函数")
plt.xlabel(u"x 轴:")
plt.ylabel(u"y 轴:")
plt.plot(x,y,'-',label = 'sine')

plt.subplot(2, 2, 2)
plt.title(u"余弦函数")
plt.xlabel(u"x 轴:")
plt.ylabel(u"y 轴:")
plt.plot(x,z,'-',label = 'cosine')

plt.subplot(2, 2, 3)
plt.xlim(n.min()*1.1,n.max()*1.1)
plt.xticks([-np.pi/2,-np.pi/4,0,np.pi/4,np.pi/2],[r'$-\pi/2$',r'$-\pi/4$',r'$0$',r'$\pi/4$',r'$\pi/2$'])
plt.ylim(-10,10)
plt.title(u"正切函数")
plt.xlabel(u"x 轴:")
plt.ylabel(u"y 轴:")
plt.plot(n,p,'-',label = 'tan')

plt.subplot(2, 2, 4)
plt.xlim(n.min()*1.1,n.max()*1.1)
plt.xticks([-np.pi/2,-np.pi/4,0,np.pi/4,np.pi/2],[r'$-\pi/2$',r'$-\pi/4$',r'$0$',r'$\pi/4$',r'$\pi/2$'])
plt.ylim(-10,10)
plt.title(u"余弦函数")
plt.xlabel(u"x 轴:")
plt.ylabel(u"y 轴:")
plt.plot(n,q,'-',label = 'cotan')

plt.show()

绘制条形图

plt,bar(x,y,width = 0.8, align = 'center', color = 'r')绘制垂直条形图

plt.barh(x,y,width = 0.8, align = 'center', color = 'r')绘制水平条形图

x 为x值的列表，y为y值的列表，width宽度

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
plt.figure(figsize=(16,9),dpi = 80)
plt.title('条形图绘制',fontsize = 40)
xlist = [10,20,30,40,50]
ylist = [5,15,10,50,45]
plt.bar(xlist,ylist,width = 5)
plt.show()

numpy.histogram(ndarray,bins = [])自动区间分组计数器

bins:分组区间

import matplotlib
import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize = (16,9),dpi = 80)
plt.title('使用Histogram自动分组计数',fontsize = 30)
plt.xlabel('分数区间')
plt.ylabel('人数')

data = [86,62,55,42,98,45,58,60,75,79,82,85,72,77,32]
rank,bins = np.histogram(data,[0,10,20,30,40,50,60,70,80,90,100])
plt.xticks(bins)
plt.xlim(bins.min(),bins.max())
rects = plt.bar(bins[:len(bins)-1],rank,width = 6,align = 'edge',)
def autolabe(rects):
	for rect in rects:
		y = rect.get_height()
		x = rect.get_x()
		print(x,'\t',y)
		plt.text(x+3,y+0.05,'{}'.format(y),color = 'b',fontsize = 20,ha = 'center')
autolabe(rects)
plt.show()

matplotlib.pyplot.hist()可以轻松解决上面的复杂过程。

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
plt.figure(figsize = (16,9),dpi = 80)
plt.title('使用Histogram自动分组计数',fontsize = 30)
plt.xlabel('分数区间')
plt.ylabel('人数')
bins = np.array([0,10,20,30,40,50,60,70,80,90,100])
plt.xticks(bins)
plt.xlim(bins.min(),bins.max())
data = np.array([86,62,55,42,98,45,58,60,75,79,82,85,72,77,32])
plt.hist(data,bins = bins,width = 6)
plt.show()

绘制破损条形图

使用plt.broken_barh([(star,len),(star2,len2)[,],facecolor = 'b',frameon = Ture)，plt.broken_bar([(star,len),(star2,len2)[,],)来绘制破损条形图。

绘制饼图

plot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, hold=None, data=None)用来绘制饼图

x :(每一块)的比例，如果sum(x) > 1会使用sum(x)归一化；
labels :(每一块)饼图外侧显示的说明文字；
explode :(每一块)离开中心距离；
startangle :起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起；
shadow :在饼图下面画一个阴影。默认值：False，即不画阴影；
labeldistance :label标记的绘制位置,相对于半径的比例，默认值为1.1, 如<1则绘制在饼图内侧；
autopct :控制饼图内百分比设置,可以使用format字符串或者format function '%1.1f%%'指使用百分比法且精确到小数点前后1位数(没有用空格补齐)；
pctdistance :类似于labeldistance,指定autopct的位置刻度,默认值为0.6；
radius :控制饼图半径，默认值为1；
counterclock ：指定指针方向；布尔值，可选参数，默认为：True，即逆时针。将值改为False即可改为顺时针。
wedgeprops ：字典类型，可选参数，默认值：None。参数字典传递给wedge对象用来画一个饼图。例如：wedgeprops={'linewidth':3}设置wedge线宽为3。
textprops ：设置标签（labels）和比例文字的格式；字典类型，可选参数，默认值为：None。传递给text对象的字典参数。
center ：浮点类型的列表，可选参数，默认值：(0,0)。图标中心位置。
frame ：布尔类型，可选参数，默认值：False。如果是true，绘制带有表的轴框架。
rotatelabels ：布尔类型，可选参数，默认为：False。如果为True，旋转每个label到指定的角度。

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import savepath

plt.figure(figsize = (16,9),dpi = 80)

plt.suptitle('青年人经济支出构成')
labels = ['娱乐','教育','衣食','住房','交通','育儿','其他']
data = [.1,.12,.14,.3,.11,.22,.01]
plt.pie(data,explode = [0,0.1,0.1,0,0,0.1,0],labels = labels,autopct = '%1.1f%%',shadow = True)
plt.legend(frameon = True,framealpha = 0.7,loc = 'upper left')
plt.show()

绘制一个完整的线型图

首先先汇出正弦和余弦函数各一个周期。

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
plt.figure(figsize = (16,9),dpi = 80)
plt.title('绘制正余弦函数',fontsize = 30)
x = np.linspace(0,2*np.pi,256)
y1 = np.sin(x)
y2 = np.cos(x)
plt.ylim(y1.min()*1.1,y1.max()*1.1)
plt.xlim(x.min()*1.1,x.max()*1.1)
plt.xticks([0,np.pi/4,np.pi/2,np.pi*3/4,np.pi,np.pi*5/4,np.pi*3/2,np.pi*7/4,np.pi*2],\
			[r'$0$',r'$\frac{1}{4}\pi$',r'$\frac{1}{2}\pi$',r'$\frac{3}{4}\pi$',r'$\pi$',\
			r'$\frac{5}{4}\pi$',r'$\frac{3}{2}\pi$',r'$\frac{7}{4}\pi$',r'$2\pi$',])
plt.plot(x,y1,'-b',linewidth = 2)
plt.plot(x,y2,'-r',linewidth = 2)

plt.show()

图片绘制出来看起来非常平滑，非常美。虽然大体的图像已经绘制出来了，但是作为一个科学绘图库这点只是皮毛。接下来要给图像增加更多元素，使之看起来更完美。

添加图例

使用plt.legend(loc = (upper,left),frameon = True,framealpha = 0.7)给图片添加图例。

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
plt.figure(figsize = (16,9),dpi = 80)
plt.title('绘制正余弦函数',fontsize = 30)
x = np.linspace(0,2*np.pi,256)
y1 = np.sin(x)
y2 = np.cos(x)
plt.ylim(y1.min()*1.1,y1.max()*1.1)
plt.xlim(x.min()*1.1,x.max()*1.1)
plt.xticks([0,np.pi/4,np.pi/2,np.pi*3/4,np.pi,np.pi*5/4,np.pi*3/2,np.pi*7/4,np.pi*2],\
			[r'$0$',r'$\frac{1}{4}\pi$',r'$\frac{1}{2}\pi$',r'$\frac{3}{4}\pi$',r'$\pi$',\
			r'$\frac{5}{4}\pi$',r'$\frac{3}{2}\pi$',r'$\frac{7}{4}\pi$',r'$2\pi$',])
plt.plot(x,y1,'-b',linewidth = 2, label = 'sine')
plt.plot(x,y2,'-r',linewidth = 2, label = 'cosine' )
plt.legend(loc = 'upper left',frameon = True,framealpha = 0.7)
 
plt.show()

调整坐标轴原点使其与图像中心对齐

坐标轴线和上面的记号连在一起就形成了脊柱（Spines）

在matplotlib的定义中一个图像有四条脊柱，我们为了实现目标，必须把上和右的spines置为无色，然后把左和下的spines调整到合适的位置。

ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

添加锚点和虚线，添加标注

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
plt.figure(figsize = (16,9),dpi = 80)
plt.title('绘制正余弦函数',fontsize = 40,va = 'bottom')
x = np.linspace(-np.pi,2*np.pi,384)
y1 = np.sin(x)
y2 = np.cos(x)

plt.ylim(y1.min()*1.1,y1.max()*1.1)
plt.xlim(x.min()*1.1,x.max()*1.1)
plt.xticks([-np.pi,-np.pi*3/4,-np.pi/2,-np.pi/4,0,np.pi/4,np.pi/2,np.pi*3/4,np.pi,np.pi*5/4,np.pi*3/2,np.pi*7/4,np.pi*2],\
			[r'$-\pi$',r'$-\frac{3}{4}\pi$',r'$-\frac{1}{2}\pi$',r'$-\frac{1}{4}\pi$',r'$0$',r'$\frac{1}{4}\pi$',r'$\frac{1}{2}\pi$',r'$\frac{3}{4}\pi$',r'$\pi$',\
			r'$\frac{5}{4}\pi$',r'$\frac{3}{2}\pi$',r'$\frac{7}{4}\pi$',r'$2\pi$',],fontsize = 20)
plt.yticks(np.linspace(-1,1,9),np.linspace(-1,1,9),fontsize = 20)

ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

plt.plot(x,y1,'-b',linewidth = 2, label = 'sine')
plt.plot(x,y2,'-r',linewidth = 2, label = 'cosine' )
plt.legend(loc = 'upper left',frameon = True,framealpha = 0.7,fontsize = 14)

t = np.pi*3/4
plt.plot([t,t],[np.sin(t),0],'--b',linewidth = 2)
plt.scatter(t,np.sin(t),50,color = 'b')
plt.annotate(r'$\sin(\frac{3\pi}{4})=\frac{\sqrt{2}}{2}$',(t,np.sin(t)),ha = 'left',xytext = (+50,+30), xycoords = 'data',\
	textcoords='offset points',fontsize = 16, arrowprops = dict(arrowstyle = '->',connectionstyle = 'arc3,rad = 0.2'))
plt.plot([t,t],[0,np.cos(t)],'--r',linewidth = 2)
plt.scatter(t,np.cos(t),50,color = 'r')
plt.annotate(r'$\cos(\frac{3\pi}{4})=-\frac{\sqrt{2}}{2}$',(t,np.cos(t)),ha = 'left',xytext = (-130,-50),  xycoords = 'data',\
	textcoords='offset points',fontsize = 16, arrowprops = dict(arrowstyle = '->',connectionstyle = 'arc3,rad = 0.2'))

plt.show()

使用Axes 布局

可以使用plt.axes((x,y,w,h))创建一个新的坐标系，可以适用该方法绘制出更具有制订性的多子图。相对于subplot来讲这种方法可以设计出更加复杂的布局，因此参数也更加复杂。在绘制前应该画出草稿并计算各子图的坐标及宽高。

注意：

该函数的参数中x,y,w,h均为0-1的浮点数。代表所占figure的百分比。

使用坐标轴绘图各个图之间有叠加关系，后绘的图会遮住先前绘制的图像。

import numpy as np
import matplotlib
from matplotlib import pyplot as plt
plt.figure(figsize = (16,9),dpi = 80)

plt.axes([.05,.65,.9, .3])
plt.xticks([])
plt.yticks([])
plt.text(.5,.5,'Axes1',ha = 'center',va = 'center',size = 16)

plt.axes([.05,.35,.55, .25])
plt.xticks([])
plt.yticks([])
plt.text(.5,.5,'Axes2',ha = 'center',va = 'center',size = 16)

plt.axes([.65,.05,.3, .55])
plt.xticks([])
plt.yticks([])
plt.text(.5,.5,'Axes3',ha = 'center',va = 'center',size = 16)

plt.axes([.05,.05,.25, .25])
plt.xticks([])
plt.yticks([])
plt.text(.5,.5,'Axes4',ha = 'center',va = 'center',size = 16)

plt.axes([.35,.05,.25, .25])
plt.xticks([])
plt.yticks([])
plt.text(.5,.5,'Axes5',ha = 'center',va = 'center',size = 16)

plt.show()

记号

使用Tick Locators来制定记号：

下面有为不同需求设计的一些 Locators。

类型	说明
`NullLocator`	No ticks.
`IndexLocator`	Place a tick on every multiple of some base number of points plotted.
`FixedLocator`	Tick locations are fixed.
`LinearLocator`	Determine the tick locations.
`MultipleLocator`	Set a tick on every integer that is multiple of some base.
`AutoLocator`	Select no more than n intervals at nice locations.
`LogLocator`	Determine the tick locations for log axes.

这些 Locators 都是 matplotlib.ticker.Locator 的子类，你可以据此定义自己的 Locator。以日期为 ticks 特别复杂，因此 Matplotlib 提供了 matplotlib.dates 来实现这一功能。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Matplotlib 学习笔记.md

Matplotlib 学习笔记.md

Matplotlib

Matplotlib中文显示

绘制一次方程

绘制离散图

绘制正弦函数

绘制子图

绘制条形图

绘制破损条形图

绘制饼图

绘制一个完整的线型图

使用Axes 布局

记号

基础教程到此结束，高级教程后续更新。

Files

Matplotlib 学习笔记.md

Latest commit

History

Matplotlib 学习笔记.md

File metadata and controls

Matplotlib

Matplotlib中文显示

绘制一次方程

绘制离散图

绘制正弦函数

绘制子图

绘制条形图

绘制破损条形图

绘制饼图

绘制一个完整的线型图

使用Axes 布局

记号

基础教程到此结束，高级教程后续更新。