python 中matplotlib畫圖筆記

圖形樣式

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

# x范圍
x = np.linspace(-np.pi, np.pi, 200)
# 定義正弦、余弦函數
c, s = np.cos(x), np.sin(x)

# 畫出正、余弦函數，設置好線的顏色、線寬、線型號
plt.plot(x, c, color='blue', linewidth=2.0, linestyle='-', label='cos')
plt.plot(x, s, color='red', linewidth=2.0, linestyle='-', label='sin')

"""畫出當x=2π/3 與 正余弦的交線(虛線)"""

# 設置坐標軸的長度范圍: x,y的最大最小值*1.1，多顯示一點范圍
plt.xlim(x.min() * 1.1, x.max() * 1.1)
plt.ylim(c.min() * 1.1, c.max() * 1.1)

# 設置坐標軸的刻度
plt.xticks((-np.pi, -np.pi/2, np.pi/2, np.pi), 
          (r'$\pi$', r'$-\frac{\pi}{2}$', r'$\frac{\pi}{2}$', r'$\pi$'))  # 使用LaTeX格式顯示π

plt.yticks([-1, -0.5, 0, 0.5, 1])

ax = plt.gca()  # gca代表當前坐標軸：get current axis
ax.spines['right'].set_color('none')  # 隱藏右邊、和上邊的坐標軸
ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')  # 設置x軸刻度顯示位置
ax.spines['bottom'].set_position(('data', 0))  # 將下邊的坐標軸設置到原點0的位置

ax.yaxis.set_ticks_position('left')  # 設置y軸刻度顯示位置
ax.spines['left'].set_position(('data', 0))  # 將y軸坐標原點設置到0

# 圖片左上角添加圖例，用於識別正余弦
plt.legend(loc='upper left')

# 畫出 x= 2π/3處與正余弦相交的線
t = 2 * np.pi / 3
plt.plot([t, t], [np.sin(t), np.cos(t)], color='green', linewidth=1.5, linestyle='--')

# 畫出兩個交點
plt.scatter([t, ], [np.cos(t), ], 50, color='blue')
plt.scatter([t, ], [np.sin(t), ], 50, color='red')

# 畫出兩個點的標注 
plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',  # cos(x)交點標注文本內容
            xy=(t, np.cos(t)),  # 被注釋的坐標點的位置
            xycoords='data',  # 被注釋點的坐標屬性,data表示以xy為參考，其他值表示以原點等為參考
            ha='center',  # 點在注釋的中心，水平方向。默認是文本左下角
            va='center',  # 垂直
            xytext=(-50, -30),  # 標注文本相對箭頭的坐標位置
            textcoords='offset points',  # 相當於被注釋點偏移量，單位是點
            fontsize=16,  # 標注文本的字體大小
            arrowprops=dict(arrowstyle='->',  # 箭頭屬性
                           connectionstyle='arc3'))  # 連接方式

plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{1}{2}$',
            xy=(t, np.sin(t)),
            xycoords='data',
            xytext=(20, 30),
            textcoords='offset pixels',  # 相當於被注釋點偏移量，單位是像素
            fontsize=16,
            arrowprops=dict(arrowstyle='-[',  # 箭頭屬性
                           connectionstyle='angle'))  # 連接方式：直角

for label in ax.get_yticklabels():
    label.set_fontsize(16)
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65))

圖形對象

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-np.pi, np.pi, 200, endpoint=True)
c, s = np.cos(x), np.sin(x)

# 創建sin圖像窗口
plt.figure(num='sin', figsize=(16, 4))
# 畫圖
plt.plot(x, s)

# 創建cos圖像窗口
plt.figure(num='cos', figsize=(16, 4))
plt.plot(x, c)

# 選擇sin窗口
plt.figure(num='sin')
# 在上面畫圖
plt.plot(x, c)

# 輸出量窗口的編號
print(plt.figure(num='sin').number)
print(plt.figure(num='cos').number)

分區域作圖

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(18, 4))

plt.subplot(2, 2, 1)
plt.xticks(())  # x,y軸不顯示刻度
plt.yticks(())
# plt.axis('off') 不顯示坐標軸（4個邊框邊界）
# 分別為文本顯示的：x、y坐標，文本內容，中心點，文本大小，透明度
plt.text(0.5, 0.5, 'subplot(2, 2, 1)', ha='center', va='center',
        size=20, alpha=.5)

plt.subplot(2, 2, 2)
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'subplot(2, 2, 2)', ha='center', va='center',
        size=20, alpha=.5)

plt.subplot(2, 2, 3)
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'subplot(2, 2, 3)', ha='center', va='center',
        size=20, alpha=.5)

plt.subplot(2, 2, 4)
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'subplot(2, 2, 4)', ha='center', va='center',
        size=20, alpha=.5)

# 自動調整子圖參數，使之填充整個圖像區域。有時候可能不工作
# 僅僅檢查坐標軸標簽、刻度標簽以及標題的部分
plt.tight_layout()

更復雜的子圖布局

用gridspec來實現

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
# 先導入模塊
import matplotlib.gridspec as gridspec

plt.figure(figsize=(18, 4))
# 創建圖像窗口
G = gridspec.GridSpec(3, 3)

axes_1 = plt.subplot(G[0, :])  # 占用第一行、所有的列
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 1', ha='center', va='center',
        size=24, alpha=.5)

axes_2 = plt.subplot(G[1:, 0])  # 占用第二行開始的所有行，的第1列
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 2', ha='center', va='center',
        size=24, alpha=.5)

axes_3= plt.subplot(G[1:, -1])  # 占用第二行開始的所有行，的最后1列
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 3', ha='center', va='center',
        size=24, alpha=.5)

axes_4 = plt.subplot(G[1, -2])  # 占用第二行，倒數第2列
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 4', ha='center', va='center',
        size=24, alpha=.5)

axes_5 = plt.subplot(G[-1, -2])  # 占用最后1行，倒數第2列
# plt.xticks(())
# plt.yticks(())
plt.text(0.5, 0.5, 'Axes 5', ha='center', va='center',
        size=24, alpha=.5)

plt.tight_layout()

創建坐標軸

plt.axes()

%matplotlib inline
import matplotlib.pyplot as plt

plt.figure(figsize=(18, 4))

# [left, botom, width, height]
plt.axes([.1, .1, .8, .8])
plt.xticks(())
plt.yticks(())
plt.text(.2, .5, 'axes([0.1, 0.1, 0.8, 0.8])', ha='center', va='center',
        size=20, alpha=.5)

plt.axes([.5, .5, .3, .3])
plt.xticks(())
plt.yticks(())
plt.text(.2, .5, 'axes([.5, .5, .3, .3])', ha='center', va='center',
        size=16, alpha=.5)

Text(0.2, 0.5, 'axes([.5, .5, .3, .3])')

坐標刻度

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

# 定義 畫坐標軸的函數，返回坐標軸
def tickline():
    plt.xlim(0, 10)  # 設置xy軸范圍
    plt.ylim(-1, 1)
    plt.yticks([])  # 不顯示y坐標刻度
    
    # gca表示選擇當前坐標軸
    ax = plt.gca()
    ax.spines['right'].set_color('none')  # 設置其他三個坐標軸邊框不顯示
    ax.spines['left'].set_color('none')
    ax.spines['top'].set_color('none')
    
    ax.xaxis.set_ticks_position('bottom')  # x軸刻度顯示 位置
    ax.spines['bottom'].set_position(('data', 0))  # 將x軸坐標原點設置到0
    
    ax.yaxis.set_ticks_position('none')  # y軸刻度 不顯示（此代碼可以省略）
    
    # 顯示坐標軸刻度，步長為0.1
    ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
    
    # 遍歷x，y軸的標簽，更改標簽的 字體大小
    for label in ax.get_xticklabels() + ax.get_yticklabels():
        label.set_fontsize(16)
    
    # 畫出ax的圖，設定x，y的數據集
    ax.plot(np.arange(11), np.zeros(11))
    return ax

# 定義標簽選項，便於后續遍歷提取內容
locators =[
    'plt.NullLocator()',  # 不顯示坐標標簽， 只顯示坐標刻度
    'plt.MultipleLocator(base=1.0)',  # 以固定的步長，顯示多個坐標標簽
    'plt.FixedLocator(locs=[0, 2, 8, 9, 10])',  # 以列表形式，顯示固定的坐標標簽
    'plt.IndexLocator(base=3, offset=1)',  # 以offset為起點位置，每隔base步長，就畫一個坐標標簽
    'plt.LinearLocator(numticks=5)',  # 把坐標軸的長度均分為numticks個數，顯示坐標標簽
    'plt.LogLocator(base=2, subs=[1.0])',  # 以對數為步長顯示標簽
    'plt.MaxNLocator(nbins=3, steps=[1, 3, 5, 7, 9, 10])',  # 從提供的標簽列表里，顯示出最大不超過nbins個數的標簽
    'plt.AutoLocator()'  # 自動顯示標簽
]
n_locators = len(locators)

# 定義size，元組形式
size = 1024, 60 * n_locators
dpi = 72.0
# 除以像素，得到圖像窗口大小
figsize = size[0] / float(dpi), size[1] / float(dpi)

# 定義圖像窗口
fig = plt.figure(figsize=figsize, dpi=dpi)
# 設置圖形的透明度
fig.patch.set_alpha(0)

# 遍歷
for i, locator in enumerate(locators):
    # 定義圖像窗口，從1開始，所以i要+1
    plt.subplot(n_locators, 1, i+1)
    # 畫出對應坐標軸，並返回坐標軸對象ax
    ax = tickline()
    # 設置坐標軸的label顯示方式；eval()執行括號里面字符串的返回結果，類似於計算器
    ax.xaxis.set_major_locator(eval(locator))
    # 在此坐標軸上寫出文字
    plt.text(5, 0.3, locator[3:], ha='center', va='center', size=16)

# 調整圖形周邊空間的大小
fig.subplots_adjust(bottom=.01, top=.99, left=.01, right=.99)

畫點與填充

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import random

散點圖

n = 1024
# 生成1024個隨機的數，范圍在0-1之間
x = np.random.normal(0, 1, n)
# x和y不一定相等
y = np.random.normal(0, 1, n)

# 反正切函數
t = np.arctan2(y, x)

plt.subplot(1, 2, 1)
plt.scatter(x, y, s=75, c=t, alpha=.5)

plt.xlim(-1.5, 1,5)
plt.xticks(())

plt.ylim(-1.5, 1.5)
plt.yticks(())

填充圖

plt.fill_between()

n = 256
x = np.linspace(-np.pi, np.pi, n, endpoint=True)
y = np.sin(2 * x)

plt.subplot(1, 2, 2)
# 畫出正弦圖像，圖像y+1，上移1個單位
plt.plot(x, y + 1, color='blue', alpha=1.00)
# 填充：y+1的值，和1之間的區域
plt.fill_between(x, 1, y + 1, color='blue', alpha=0.25)

<matplotlib.collections.PolyCollection at 0x7fbc3aabb0f0>

plt.plot(x, y - 1, color='blue', alpha=1.00)
# 可以采用判斷語句，結果為bool型，0或1
plt.fill_between(x, -1, (y - 1) > -1, color='blue', alpha=.25)
plt.fill_between(x, -1, (y - 1) < -1, color='red', alpha=.25)

plt.xlim(-np.pi, np.pi)
# plt.xticks(())
plt.ylim(-2.5, 2.5)
# plt.yticks(())

(-2.5, 2.5)

柱狀圖

plt.bar()

n = 12
x = np.arange(n)
# 設置函數
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)

# 定義窗口大小
plt.figure(figsize=(18, 10))
plt.subplot(1, 2, 1)

# 柱形圖
plt.bar(x, +y1, facecolor='#9999ff', edgecolor='black') # edgecolor邊框顏色
plt.bar(x, -y2, facecolor='#ff9999', edgecolor='white')

# 每個柱狀圖添加文字
# zip：將x，y數據組合起來，再畫圖
for m, n in zip(x, y1):
    plt.text(m, n + 0.02, '%.2f' % n, ha='center', va='bottom')
    
for m, n in zip(x, -y2):
    plt.text(m, n - 0.05, '%.2f' % n, ha='center', va='bottom')
    

網格圖

plt.grid()

import numpy as np
import matplotlib.pyplot as plt

數據類型一：點與點之間不連線

# x，y的值
x = np.array([0, 1, 2, 0, 1, 2])
y = np.array([0, 0, 0, 1, 1, 1])


plt.plot(x, y,
         color='red',  # 全部點設置為紅色
         marker='.',  # 點的形狀為圓點
         linestyle='')  # 線型為空，也即點與點之間不用線連接
plt.grid(True)
plt.show()

數據類型一：點與點之間連線

# x，y的值
x = np.array([0, 1, 2, 0, 1, 2])
y = np.array([0, 0, 0, 1, 1, 1])


plt.plot(x, y,
         color='red',  # 全部點設置為紅色
         marker='.',  # 點的形狀為圓點
         linestyle='-')  # 線型（畫出的線會根據畫點的順序依次連接）
plt.grid(True)
plt.show()

數據類型二：點與點之間連線（縱向）

x = np.array([[0, 1, 2], 
              [0, 1, 2], 
              [0, 1, 2], 
              [0, 1, 2]])

y = np.array([[0, 0, 0], 
              [1, 1, 1], 
              [2, 2, 2], 
              [3, 3, 3]])

plt.plot(x, y,
         color='red',  # 全部點設置為紅色
         marker='.',  # 點的形狀為圓點
         markersize=10,  # 設置點大小
         linestyle='-.')  # 設置線型，matplot中會把每一列的點連成一條線
plt.grid(True)
plt.show()

如果網格比較多，用上述方法就比較笨，

所以需要用numpy.meshgrid()函數

import numpy as np
import matplotlib.pyplot as plt

x = np.array([0, 1, 2, 3, 4])
y = np.array([0, 2, 4, 6])

"""
# 使用函數，將x,y生成上述方法中的矩陣
# 相當於將x中的每個元素，要映射到y中的每個元素，所有元素兩兩組合形成的坐標，不是一一對應關系

# 生成網格數據，1個x對應所有的y
# 將 x一行的數據，重復y行
# 將 y的每個元素重復x次，生成y行
# 生成后的數據，實現一一對應功能。
"""
X, Y = np.meshgrid(x, y)
print(X)
print(Y)

plt.plot(X, Y,
         color='red',  # 全部點設置為紅色
         marker='.',  # 點的形狀為圓點
         linestyle='')  # 線型為空，也即點與點之間不用線連接
plt.grid(True)
plt.show()

[[0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]]
[[0 0 0 0 0]
 [2 2 2 2 2]
 [4 4 4 4 4]
 [6 6 6 6 6]]

plt.figure(figsize=(15, 9))
# 生成0-1000之間，20個平均分布的點
x = np.linspace(0,1000,20)
y = np.linspace(0,500,20)

X,Y = np.meshgrid(x, y)

plt.plot(X, Y,
         color='limegreen',  # 設置顏色為limegreen
         marker='.',  # 設置點類型為圓點
         linestyle='')  # 設置線型為空，也即沒有線連接點
plt.grid(True)
plt.show()

網格圖2

plt.figure(figsize=(18, 9))
# 創建窗口
ax = plt.subplot(1, 2, 1)

ax.set_xlim(0, 4)
ax.set_ylim(0, 3)

"""刻度"""
# x軸每間隔1個單位，取一個值：major
ax.xaxis.set_major_locator(plt.MultipleLocator(1.0))
# x軸最小刻度單位為0.1:minor
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
# y軸
ax.yaxis.set_major_locator(plt.MultipleLocator(1.0))
ax.yaxis.set_minor_locator(plt.MultipleLocator(0.1))

"""表格線"""
# 設置線寬等參數
ax.grid(which='major', axis='x', linewidth='1', linestyle='-.', color='0.1')
ax.grid(which='minor', axis='x', linewidth='0.25', linestyle='-', color='0.75')
ax.grid(which='major', axis='y', linewidth='1', linestyle='-.', color='0.1')
ax.grid(which='minor', axis='y', linewidth='0.25', linestyle='-', color='0.75')

ax.set_xticklabels(())
ax.set_yticklabels(())

等高線圖

plt.contour()

# 定義等高線的方程：類似於圓的方程
def f(x, y):
    return(1 - x / 2 + x**5 + y**3) * np.exp(-x**2 - y**2)
    # return (x ** 2 + y**2)
    # return x +y
    
n = 256
# 生成256個-3到3之間的點
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)

# 生成網格數據，1個x對應所有的y
# 將 x一行的數據，重復y行
# 將 y的每個元素重復x次，生成y行
# 生成后的數據，實現一一對應功能。
x, y = np.meshgrid(x, y)
# print(x)
# print(y)

plt.figure(figsize=(18, 6))
plt.subplot(1, 2, 2)

# 熱點圖 背景：背景根據數值不同，分成多個層次，以不同顏色顯示
# 數字15代表層級，數字越大，層數越多
plt.contourf(x, y, f(x, y), 15, alpha=.75, cmap=plt.cm.hot)

# 等高線： 根據數值不同，畫出不同的等高線
c = plt.contour(x, y, f(x, y), 10)

# 顯示等高線 上面的標注文字
plt.clabel(c, inline=1, fontsize=10)

# plt.xticks(())
# plt.yticks(())

熱成像圖

plt.imshow()

plt.figure(figsize=(18, 10))
def f(x, y):
    return(1 - x / 2 + x**5 + y**3) * np.exp(-x**2 - y**2)
#     return x+y
plt.subplot(1, 2, 1)
n = 10

x = np.linspace(-3, 3, 4*n)
y = np.linspace(-3, 3, 3*n)
m, n = np.meshgrid(x, y)

# 畫熱成像圖
plt.imshow(f(m, n), cmap='hot', origin='low')
# 顏色條
plt.colorbar(shrink=0.43)

plt.xticks(())
plt.yticks(())

餅圖

plt.pie()

plt.figure(figsize=(18, 18))
plt.subplot(1, 2, 2)
n = 20
# 定義變量，表示餅圖中餅的個數
z = np.ones(n)
z[-1] *= 2 # 面積和其他19個 不一樣，是其他單個扇形的2倍

# explode表示中心圓的半徑
# 不同部分，顏色不一樣
plt.pie(z, explode=z*0.2, colors=['%f' % (i/float(n)*1000) for i in range(n)] )
plt.axis('equal')

# plt.xticks(())
# plt.yticks(())

(-1.3291114604228391,
 1.5113406046531497,
 -1.3204101114481226,
 1.3204101082372062)

極坐標圖

plt.figure(figsize=(18, 18))
# 創建極坐標 窗口
# 一定要加上polar=True，不然就是條形圖
ax = plt.subplot(1, 2, 2, polar=True)

n = 20
# 0-2π之間，步長為2π/n
theta = np.arange(0.0, 2*np.pi, 2*np.pi/n)

# 生成20個隨機數
radii = 10 * np.random.rand(n)
# 扇形寬度？
width = np.pi / 4 * np.random.rand(n)

# 畫圖極坐標圖
bars = plt.bar(theta, radii, width=width, bottom=0.0)

for r, bar in zip(radii, bars):
    # 填充不同的顏色
    bar.set_facecolor(plt.cm.jet(r/10))
    bar.set_alpha(0.5)

ax.set_xticklabels([])
ax.set_yticklabels([])

參考自：《scikit-learn機器學習：常用算法原理及編程實戰》黃永昌