Matplotlib绘图原理总结
Matplotlib 绘图
介绍
Matplotlib 是基于 Python 的开源项⽬，旨在为 Python 提供⼀个数据绘图包。
绘图原理
在 Matplotlib 中，整个图像为⼀个 Figure 对象，在 Figure 对象中可以包含⼀个或多个 Axes 对象：
# 理解matplot的画图原理
def matplotlib_theory():
# 创建Figure对象
fig = Figure()
# 将figure放⼊画布对象，FigureCanvas对象 , 即 canvas 对象，代表真正进⾏绘图的后端(backend)
canvas = FigureCanvas(fig)
# 在figure对象中添加Axes对象
# 在 Matplotlib 中，整个图像为⼀个 Figure 对象，在 Figure 对象中可以包含⼀个或多个 Axes 对象：
# figure的百分⽐，从figure的(left,bottom)的位置开始绘制, 宽⾼是figure的(width, height)  fig.add_axes([left, bottom, width, height])    ax1 = fig.add_axes([0.1,0.6,0.3,0.3])
ax2 = fig.add_axes([0.6,0.6,0.3,0.3])
ax3 = fig.add_axes([0.1,0.1,0.3,0.3])
ax4 = fig.add_axes([0.6,0.1,0.3,0.3])
# 画直线
line1 = ax1.plot([0,1],[0,1])
ax1.set_title("a straight line ")
ax1.set_xlabel("x label")
ax1.set_ylabel("y label")
line2 = ax2.plot([2,5],[2,5])
ax2.set_title("a straight line ")
ax2.set_xlabel("x")
ax2.set_ylabel("y")
#将整个画布保存为图⽚
canvas.print_figure('figure.jpg')
绘图分解
设置绘图背景样式 和 常见基本操作
#--设置背景样式
#可以使⽤命令：plt.style.available查看⽀持的样式
plt.style.use('bmh')# 将背景颜⾊改为bmh
# --绘制⼆次曲线（常见基础操作）
x = np.linspace(0,5,10)
y = x **2
plt.plot(x, y,'r--')#画点设置颜⾊和线型
plt.title('title')#标题
plt.xlabel('x')#坐标轴x
plt.ylabel('y')#坐标轴y
<(2,10,'y=x*x')#⽂本
plt.annotate('this is annotate', xy=(3.5,12), xytext=(2,16), arrowprops={'headwidth':10,'facecolor':'r'})#注解    plt.legend(['y=x^2'])#图例
#范围
plt.xlim(left=0, right=5)
plt.ylim(bottom=0, top=25)
设置坐标轴显⽰格式
x = pd.date_range('2020/01/01',periods=30)
y = np.arange(0,30,1)**2
plt.plot(x,y,'r')
plt.show()
设置双轴
#--双轴 plt.twinx()
x = np.linspace(1,5,10)
y = x **2
plt.plot(x, y,'r')
<(3,10,'y=x^2')
plt.twinx()
plt.plot(x, np.log(x),'g')
<(1.5,0.4,'y=logx')
双图
#--双图
x = np.linspace(1,5,10)
y = x **2
plt.subplot(1,2,1)
plt.plot(x, y,'r--')
plt.subplot(1,2,2)
plt.plot(y, x,'g*-')
嵌⼊图
#--嵌⼊图
x = np.linspace(1,5,10)
y = x **2
fig = plt.figure()
axes1 = fig.add_axes([0.1,0.1,0.8,0.8])# main axes
axes2 = fig.add_axes([0.2,0.5,0.4,0.3])# insert axes
# 主图
axes1.plot(x, y,'r')
axes1.set_xlabel('x')
axes1.set_ylabel('y')
axes1.set_title('title')
# 插⼊的图
axes2.plot(y, x,'g')
axes2.set_xlabel('y')
axes2.set_ylabel('x')
axes2.set_title('insert title')
plt.show()#显⽰
显⽰中⽂
# 显⽰中⽂
from pylab import mpl
plt.plot(x, y,'r')
plt.title('显⽰中⽂标题')
plt.show()
绘制动画
# Matplotlib 绘制动画
from matplotlib import animation
from random import randint, random
class Data:
data_count =32
frames_count =2
def__init__(self, value):
self.value = value
# 造数据
@classmethod
def create(cls):
return[[Data(randint(1, cls.data_count))for _ in range(cls.data_count)]
for frame_i in range(cls.frames_count)]
#绘制动画：animation.FuncAnimation 函数的回调函数的参数 fi 表⽰第⼏帧，注意要调⽤ axs.cla() 清除上⼀帧。def draw_chart():
fig = plt.figure(1, figsize=(16,9))
axs = fig.add_subplot(111)
axs.set_xticks([])
axs.set_yticks([])
# ⽣成数据
frames = ate()
def animate(fi):
axs.cla()# clear last frame
axs.set_xticks([])
axs.set_yticks([])
return axs.bar(list(range(Data.data_count)),# X
[d.value for d in frames[fi]],# Y
1,# width
color=[d.color for d in frames[fi]]# color
)
matplotlib中subplot# 动画展⽰
anim = animation.FuncAnimation(fig, animate, frames=len(frames))
plt.show()

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。