重磅干貨，第一時(shí)間送達(dá)
來源：逐夢(mèng)er
https://zhumenger.blog.csdn.net/article/details/106530281
【導(dǎo)語】：出色的數(shù)據(jù)可視化，會(huì)讓你的數(shù)據(jù)分析等工作錦上添花，讓人印(升)象(職)深(加)刻(薪)。matplotlib是python優(yōu)秀的數(shù)據(jù)可視化庫(kù)，python數(shù)據(jù)分析必備利器，本文專門為你整理了matplotlib詳細(xì)使用方法，來學(xué)習(xí)吧！
--- 以下是正文 ---
數(shù)據(jù)可視化非常重要，因?yàn)殄e(cuò)誤或不充分的數(shù)據(jù)表示方法可能會(huì)毀掉原本很出色的數(shù)據(jù)分析工作。
matplotlib 庫(kù)是專門用于開發(fā)2D圖表（包括3D圖表）的，突出優(yōu)點(diǎn)：
使用起來極為簡(jiǎn)單。
以漸進(jìn)、交互式方式實(shí)現(xiàn)數(shù)據(jù)可視化。
表達(dá)式和文本使用LaTeX排版。
對(duì)圖像元素控制力強(qiáng)。
可輸出PNG、PDF、SVG和EPS等多種格式。
安裝
conda install matplotlib
或者
pip install matplotlib
matplotlib 架構(gòu)
matplotlib 的主要任務(wù)之一，就是提供一套表示和操作圖形對(duì)象（主要對(duì)象）以及它的內(nèi)部對(duì)象的函數(shù)和工具。其不僅可以處理圖形，還提供事件處理工具，具有為圖形添加動(dòng)畫效果的能力。有了這些附加功能，matplotlib 就能生成以鍵盤按鍵或鼠標(biāo)移動(dòng)觸發(fā)的事件的交互式圖表。
從邏輯上來講，matplotlib 的整體架構(gòu)為3層，各層之間單向通信：
Scripting （腳本）層。
Artist （表現(xiàn)）層。
Backend （后端）層。
一、matplotlib的基本用法
import numpy as npimport matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 30) # 在區(qū)間內(nèi)生成30個(gè)等差數(shù)y = np.sin(x)print('x = ', x)print('y = ', y)
輸出：
x = [-3.14159265 -2.92493109 -2.70826953 -2.49160797 -2.2749464 -2.05828484 -1.84162328 -1.62496172 -1.40830016 -1.19163859 -0.97497703 -0.75831547 -0.54165391 -0.32499234 -0.10833078 0.10833078 0.32499234 0.54165391 0.75831547 0.97497703 1.19163859 1.40830016 1.62496172 1.84162328 2.05828484 2.2749464 2.49160797 2.70826953 2.92493109 3.14159265]y = [-1.22464680e-16 -2.14970440e-01 -4.19889102e-01 -6.05174215e-01 -7.62162055e-01 -8.83512044e-01 -9.63549993e-01 -9.98533414e-01 -9.86826523e-01 -9.28976720e-01 -8.27688998e-01 -6.87699459e-01 -5.15553857e-01 -3.19301530e-01 -1.08119018e-01 1.08119018e-01 3.19301530e-01 5.15553857e-01 6.87699459e-01 8.27688998e-01 9.28976720e-01 9.86826523e-01 9.98533414e-01 9.63549993e-01 8.83512044e-01 7.62162055e-01 6.05174215e-01 4.19889102e-01 2.14970440e-01 1.22464680e-16]
畫一條曲線
plt.figure() # 創(chuàng)建一個(gè)新的窗口plt.plot(x, y) # 畫一個(gè)x與y相關(guān)的曲線plt.show()# 顯示圖像
畫多條曲線以及添加坐標(biāo)軸和標(biāo)簽
import numpy as npimport matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 100) # 在區(qū)間內(nèi)生成21個(gè)等差數(shù)y = np.sin(x)linear_y = 0.2 * x + 0.1
plt.figure(figsize = (8, 6)) # 自定義窗口的大小
plt.plot(x, y)plt.plot(x, linear_y, color = 'red', linestyle = '--') # 自定義顏色和表示方式
plt.title('y = sin(x) and y = 0.2x + 0.1') # 定義該曲線的標(biāo)題plt.xlabel('x') # 定義橫軸標(biāo)簽plt.ylabel('y') # 定義縱軸標(biāo)簽
plt.show()
指定坐標(biāo)范圍 and 設(shè)置坐標(biāo)軸刻度
import numpy as npimport matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 100) # 在區(qū)間內(nèi)生成21個(gè)等差數(shù)y = np.sin(x)linear_y = 0.2 * x + 0.1
plt.figure(figsize = (8, 6)) # 自定義窗口的大小
plt.plot(x, y)plt.plot(x, linear_y, color = 'red', linestyle = '--') # 自定義顏色和表示方式
plt.title('y = sin(x) and y = 0.2x + 0.1') # 定義該曲線的標(biāo)題plt.xlabel('x') # 定義橫軸標(biāo)簽plt.ylabel('y') # 定義縱軸標(biāo)簽plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)
# 重新設(shè)置x軸的刻度# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range = np.linspace(-np.pi, np.pi, 5)x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']plt.xticks(x_value_range, x_value_strs)plt.show() # 顯示圖像
定義原點(diǎn)在中心的坐標(biāo)軸
import numpy as npimport matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 100)y = np.sin(x)linear_y = 0.2 * x + 0.1
plt.figure(figsize = (8, 6))
plt.plot(x, y)plt.plot(x, linear_y, color = 'red', linestyle = '--')
plt.title('y = sin(x) and y = 0.2x + 0.1')plt.xlabel('x') plt.ylabel('y') plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)
# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range = np.linspace(-np.pi, np.pi, 5)x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']plt.xticks(x_value_range, x_value_strs)
ax = plt.gca() # 獲取坐標(biāo)軸ax.spines['right'].set_color('none') # 隱藏上方和右方的坐標(biāo)軸ax.spines['top'].set_color('none')
# 設(shè)置左方和下方坐標(biāo)軸的位置ax.spines['bottom'].set_position(('data', 0)) # 將下方的坐標(biāo)軸設(shè)置到y(tǒng) = 0的位置ax.spines['left'].set_position(('data', 0)) # 將左方的坐標(biāo)軸設(shè)置到 x = 0 的位置
plt.show() # 顯示圖像
legend圖例
使用xticks()和yticks()函數(shù)替換軸標(biāo)簽，分別為每個(gè)函數(shù)傳入兩列數(shù)值。第一個(gè)列表存儲(chǔ)刻度的位置，第二個(gè)列表存儲(chǔ)刻度的標(biāo)簽。
import numpy as npimport matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 100)y = np.sin(x)linear_y = 0.2 * x + 0.1
plt.figure(figsize = (8, 6))
# 為曲線加上標(biāo)簽plt.plot(x, y, label = 'y = sin(x)')plt.plot(x, linear_y, color = 'red', linestyle = '--', label = 'y = 0.2x + 0.1')
plt.title('y = sin(x) and y = 0.2x + 0.1')plt.xlabel('x') plt.ylabel('y') plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)
# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range = np.linspace(-np.pi, np.pi, 5)x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']plt.xticks(x_value_range, x_value_strs)
ax = plt.gca() ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')
ax.spines['bottom'].set_position(('data', 0)) ax.spines['left'].set_position(('data', 0))
# 將曲線的信息標(biāo)識(shí)出來plt.legend(loc = 'lower right', fontsize = 12)plt.show()
legend方法中的loc 參數(shù)可選設(shè)置
位置字符串位置編號(hào)位置表述
'best’0最佳位置
'upper right’1右上角
'upper left’2左上角
'lower left’3左下角
'lower right’4右下角
'right’5右側(cè)
'center left’6左側(cè)垂直居中
'center right’7右側(cè)垂直居中
'lower center’8下方水平居中
'upper center’9上方水平居中
'center’10正中間
二、柱狀圖
使用的方法：plt.bar
import numpy as npimport matplotlib.pyplot as plt
plt.figure(figsize = (16, 12))x = np.array([1, 2, 3, 4, 5, 6, 7, 8])y = np.array([3, 5, 7, 6, 2, 6, 10, 15])plt.plot(x, y, 'r', lw = 5) # 指定線的顏色和寬度
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])y = np.array([13, 25, 17, 36, 21, 16, 10, 15])plt.bar(x, y, 0.2, alpha = 1, color='b') # 生成柱狀圖，指明圖的寬度，透明度和顏色plt.show()
有的時(shí)候柱狀圖會(huì)出現(xiàn)在x軸的倆側(cè)，方便進(jìn)行比較，代碼實(shí)現(xiàn)如下：
import numpy as npimport matplotlib.pyplot as plt
plt.figure(figsize = (16, 12))n = 12x = np.arange(n) # 按順序生成從12以內(nèi)的數(shù)字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)
# 設(shè)置柱狀圖的顏色以及邊界顏色#+y表示在x軸的上方 -y表示在x軸的下方plt.bar(x, +y1, facecolor = '#9999ff', edgecolor = 'white')plt.bar(x, -y2, facecolor = '#ff9999', edgecolor = 'white')
plt.xlim(-0.5, n) # 設(shè)置x軸的范圍，plt.xticks(()) # 可以通過設(shè)置刻度為空，消除刻度plt.ylim(-1.25, 1.25) # 設(shè)置y軸的范圍plt.yticks(())
# plt.text()在圖像中寫入文本，設(shè)置位置，設(shè)置文本，ha設(shè)置水平方向?qū)ζ浞绞剑瑅a設(shè)置垂直方向?qū)R方式for x1, y in zip(x, y2): plt.text(x1, -y - 0.05, '%.2f' % y, ha = 'center', va = 'top')for x1, y in zip(x, y1): plt.text(x1, y + 0.05, '%.2f' % y, ha = 'center', va = 'bottom')plt.show()
三、散點(diǎn)圖
import numpy as npimport matplotlib.pyplot as pltN = 50x = np.random.rand(N)y = np.random.rand(N)colors = np.random.rand(N)area = np.pi * (15 * np.random.rand(N))**2plt.scatter(x, y, s = area,c = colors, alpha = 0.8)
plt.show()
四、等高線圖
import matplotlib.pyplot as pltimport numpy as np
def f(x, y): return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
n = 256x = np.linspace(-3, 3, n)y = np.linspace(-3, 3, n)X, Y = np.meshgrid(x, y) # 生成網(wǎng)格坐標(biāo) 將x軸與y軸正方形區(qū)域的點(diǎn)全部獲取line_num = 10 # 等高線的數(shù)量
plt.figure(figsize = (16, 12))
#contour 生成等高線的函數(shù)#前倆個(gè)參數(shù)表示點(diǎn)的坐標(biāo)，第三個(gè)參數(shù)表示等成等高線的函數(shù)，第四個(gè)參數(shù)表示生成多少個(gè)等高線C = plt.contour(X, Y, f(X, Y), line_num, colors = 'black', linewidths = 0.5) # 設(shè)置顏色和線段的寬度plt.clabel(C, inline = True, fontsize = 12) # 得到每條等高線確切的值
# 填充顏色, cmap 表示以什么方式填充，hot表示填充熱量的顏色plt.contourf(X, Y, f(X, Y), line_num, alpha = 0.75, cmap = plt.cm.hot)
plt.show()
五、處理圖片
import matplotlib.pyplot as pltimport matplotlib.image as mpimg # 導(dǎo)入處理圖片的庫(kù)import matplotlib.cm as cm # 導(dǎo)入處理顏色的庫(kù)colormap
plt.figure(figsize = (16, 12))img = mpimg.imread('image/fuli.jpg')# 讀取圖片print(img) # numpy數(shù)據(jù)print(img.shape) #
plt.imshow(img, cmap = 'hot')plt.colorbar() # 得到顏色多對(duì)應(yīng)的數(shù)值plt.show()
[[[ 11 23 63] [ 12 24 64] [ 1 13 55] ... [ 1 12 42] [ 1 12 42] [ 1 12 42]]
[[ 19 31 71] [ 3 15 55] [ 0 10 52] ... [ 0 11 39] [ 0 11 39] [ 0 11 39]]
[[ 22 34 74] [ 3 15 55] [ 7 19 61] ... [ 0 11 39] [ 0 11 39] [ 0 11 39]]
...
[[ 84 125 217] [ 80 121 213] [ 78 118 214] ... [ 58 90 191] [ 54 86 187] [ 53 85 186]]
[[ 84 124 220] [ 79 119 215] [ 78 117 218] ... [ 55 87 188] [ 55 87 188] [ 55 87 188]]
[[ 83 121 220] [ 80 118 219] [ 83 120 224] ... [ 56 88 189] [ 58 90 191] [ 59 91 192]]](728, 516, 3)
利用numpy矩陣得到圖片
import matplotlib.pyplot as pltimport matplotlib.cm as cm # 導(dǎo)入處理顏色的庫(kù)colormapimport numpy as np
size = 8# 得到一個(gè)8*8數(shù)值在(0, 1)之間的矩陣a = np.linspace(0, 1, size ** 2).reshape(size, size)
plt.figure(figsize = (16, 12))plt.imshow(a)plt.show()
六、3D圖
import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D # 導(dǎo)入Axes3D對(duì)象
fig = plt.figure(figsize = (16, 12))ax = fig.add_subplot(111, projection = '3d') # 得到3d圖像
x = np.arange(-4, 4, 0.25)y = np.arange(-4, 4, 0.25)X, Y = np.meshgrid(x, y) # 生成網(wǎng)格Z = np.sqrt(X ** 2 + Y ** 2)
# 畫曲面圖 # 行和列對(duì)應(yīng)的跨度 # 設(shè)置顏色ax.plot_surface(X, Y, Z, rstride = 1, cstride = 1, cmap = plt.get_cmap('rainbow'))plt.show()
以上是matplotlib基于測(cè)試數(shù)據(jù)的數(shù)據(jù)可視化，結(jié)合實(shí)際項(xiàng)目中數(shù)據(jù)，代碼稍加修改，即可有讓人印象深刻的效果。
下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程
