• 技术文章 >后端开发 >Python教程

    Python 绘图库 Matplotlib 入门教程_python

    不言不言2018-04-19 10:42:31原创1116
    Matplotlib是一个Python语言的2D绘图库,它支持各种平台,并且功能强大,能够轻易绘制出各种专业的图像。本文是对Python 绘图库 Matplotlib 入门教程,感兴趣的朋友一起来学习一下吧

    运行环境

    由于这是一个Python语言的软件包,因此需要你的机器上首先安装好Python语言的环境。关于这一点,请自行在网络上搜索获取方法。

    关于如何安装Matplotlib请参见这里:Matplotlib Installing。

    笔者推荐大家通过pip的方式进行安装,具体方法如下:

    sudo pip3 install matplotlib

    本文中的源码和测试数据可以在这里获取:matplotlib_tutorial

    本文的代码示例会用到另外一个Python库:NumPy。建议读者先对NumPy有一定的熟悉,我之前也写过一个NumPy的基础教程,参见这里:Python 机器学习库 NumPy 教程。

    本文的代码在如下环境中测试:

    介绍

    Matplotlib适用于各种环境,包括:

    使用Matplotlib,能够的轻易生成各种类型的图像,例如:直方图,波谱图,条形图,散点图等。并且,可以非常轻松的实现定制。

    入门代码示例

    下面我们先看一个最简单的代码示例,让我们感受一下Matplotlib是什么样的:

    # test.py
    import matplotlib.pyplot as plt
    import numpy as np
    data = np.arange(100, 201)
    plt.plot(data)
    plt.show()

    这段代码的主体逻辑只有三行,但是它却绘制出了一个非常直观的线性图,如下所示:

    对照着这个线形图,我们来讲解一下三行代码的逻辑:

    这段代码非常的简单,运行起来也是一样。如果你已经有了本文的运行环境,将上面的代码保存到一个文本文件中(或者通过Github获取本文的源码),然后通过下面的命令就可以在你自己的电脑上看到上面的图形了:

    python3 test.py

    注1:后面的教程中,我们会逐步讲解如何定制图中的每一个细节。例如:坐标轴,图形,着色,线条样式,等等。

    注2:如果没有必要,下文的截图会去掉图形外侧的边框,只保留图形主体。

    一次绘制多个图形

    有些时候,我们可能希望一次绘制多个图形,例如:两组数据的对比,或者一组数据的不同展示方式等。

    可以通过下面的方法创建多个图形:

    多个figure

    可以简单的理解为一个figure就是一个图形窗口。matplotlib.pyplot会有一个默认的figure,我们也可以通过plt.figure()创建更多个。如下面的代码所示:

    # figure.py
    import matplotlib.pyplot as plt
    import numpy as np
    data = np.arange(100, 201)
    plt.plot(data)
    data2 = np.arange(200, 301)
    plt.figure()
    plt.plot(data2)
    plt.show()

    这段代码绘制了两个窗口的图形,它们各自是一个不同区间的线形图,如下所示:

    注:初始状态这两个窗口是完全重合的。

    多个subplot

    有些情况下,我们是希望在同一个窗口显示多个图形。此时就这可以用多个subplot。下面是一段代码示例:

    # subplot.py
    import matplotlib.pyplot as plt
    import numpy as np
    data = np.arange(100, 201)
    plt.subplot(2, 1, 1)
    plt.plot(data)
    data2 = np.arange(200, 301)
    plt.subplot(2, 1, 2)
    plt.plot(data2)
    plt.show()

    这段代码中,除了subplot函数之外都是我们熟悉的内容。subplot函数的前两个参数指定了subplot数量,即:它们是以矩阵的形式来分割当前图形,两个整数分别指定了矩阵的行数和列数。而第三个参数是指矩阵中的索引。

    因此,下面这行代码指的是:2行1列subplot中的第1个subplot。

    plt.subplot(2, 1, 1)

    下面这行代码指的是:2行1列subplot中的第2个subplot。


    plt.subplot(2, 1, 2)


    所以这段代码的结果是这个样子:

    subplot函数的参数不仅仅支持上面这种形式,还可以将三个整数(10之内的)合并一个整数。例如:2, 1, 1可以写成2112, 1, 2可以写成212

    因此,下面这段代码的结果是一样的:

    import matplotlib.pyplot as plt
    import numpy as np
    data = np.arange(100, 201)
    plt.subplot(211)
    plt.plot(data)
    data2 = np.arange(200, 301)
    plt.subplot(212)
    plt.plot(data2)
    plt.show()

    subplot函数的详细说明参见这里:matplotlib.pyplot.subplot

    常用图形示例

    Matplotlib可以生成非常多的图形式样,多到令人惊叹的地步。大家可以在这里:Matplotlib Gallery 感受一下。

    本文作为第一次的入门教程,我们先来看看最常用的一些图形的绘制。

    线性图

    前面的例子中,线性图的横轴的点都是自动生成的,而我们很可能希望主动设置它。另外,线条我们可能也希望对其进行定制。看一下下面这个例子:

    # plot.py
    import matplotlib.pyplot as plt
    plt.plot([1, 2, 3], [3, 6, 9], '-r')
    plt.plot([1, 2, 3], [2, 4, 9], ':g')
    plt.show()

    这段代码可以让我们得到这样的图形:

    这段代码说明如下:

    plot函数的第一个数组是横轴的值,第二个数组是纵轴的值,所以它们一个是直线,一个是折线; 最后一个参数是由两个字符构成的,分别是线条的样式和颜色。前者是红色的直线,后者是绿色的点线。关于样式和颜色的说明请参见plot函数的API Doc:matplotlib.pyplot.plot

    散点图

    scatter函数用来绘制散点图。同样,这个函数也需要两组配对的数据指定x和y轴的坐标。下面是一段代码示例:

    # scatter.py
    import matplotlib.pyplot as plt
    import numpy as np
    N = 20
    plt.scatter(np.random.rand(N) * 100,
       np.random.rand(N) * 100,
       c='r', s=100, alpha=0.5)
    plt.scatter(np.random.rand(N) * 100,
       np.random.rand(N) * 100,
       c='g', s=200, alpha=0.5)
    plt.scatter(np.random.rand(N) * 100,
       np.random.rand(N) * 100,
       c='b', s=300, alpha=0.5)
    plt.show()

    这段代码说明如下:

    这幅图包含了三组数据,每组数据都包含了20个随机坐标的位置 参数c表示点的颜色,s是点的大小,alpha是透明度

    这段代码绘制的图形如下所示:

    scatter函数的详细说明参见这里:matplotlib.pyplot.scatter

    饼状图

    pie函数用来绘制饼状图。饼状图通常用来表达集合中各个部分的百分比。

    # pie.py
    import matplotlib.pyplot as plt
    import numpy as np
    labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
    data = np.random.rand(7) * 100
    plt.pie(data, labels=labels, autopct='%1.1f%%')
    plt.axis('equal')
    plt.legend()
    plt.show()

    这段代码说明如下:

    data是一组包含7个数据的随机数值 图中的标签通过labels来指定 autopct指定了数值的精度格式 plt.axis('equal')设置了坐标轴大小一致 plt.legend()指明要绘制图例(见下图的右上角)

    这段代码输出的图形如下所示:

    pie函数的详细说明参见这里:matplotlib.pyplot.pie

    条形图

    bar函数用来绘制条形图。条形图常常用来描述一组数据的对比情况,例如:一周七天,每天的城市车流量。

    下面是一个代码示例:

    # bar.py
    import matplotlib.pyplot as plt
    import numpy as np
    N = 7
    x = np.arange(N)
    data = np.random.randint(low=0, high=100, size=N)
    colors = np.random.rand(N * 3).reshape(N, -1)
    labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
    plt.title("Weekday Data")
    plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)
    plt.show()

    这段代码说明如下:

    这幅图展示了一组包含7个随机数值的结果,每个数值是[0, 100]的随机数 它们的颜色也是通过随机数生成的。np.random.rand(N * 3).reshape(N, -1)表示先生成21(N x 3)个随机数,然后将它们组装成7行,那么每行就是三个数,这对应了颜色的三个组成部分。如果不理解这行代码,请先学习一下Python 机器学习库 NumPy 教程 title指定了图形的标题,labels指定了标签,alpha是透明度

    这段代码输出的图形如下所示:

    bar函数的详细说明参见这里:matplotlib.pyplot.bar

    直方图

    hist函数用来绘制直方图。直方图看起来是条形图有些类似。但它们的含义是不一样的,直方图描述了数据中某个范围内数据出现的频度。这么说有些抽象,我们通过一个代码示例来描述就好理解了:

    # hist.py
    import matplotlib.pyplot as plt
    import numpy as np
    data = [np.random.randint(0, n, n) for n in [3000, 4000, 5000]]
    labels = ['3K', '4K', '5K']
    bins = [0, 100, 500, 1000, 2000, 3000, 4000, 5000]
    plt.hist(data, bins=bins, label=labels)
    plt.legend()
    plt.show()

    上面这段代码中,[np.random.randint(0, n, n) for n in [3000, 4000, 5000]]生成了包含了三个数组的数组,这其中:

    第一个数组包含了3000个随机数,这些随机数的范围是 [0, 3000) 第二个数组包含了4000个随机数,这些随机数的范围是 [0, 4000) 第三个数组包含了5000个随机数,这些随机数的范围是 [0, 5000)

    bins数组用来指定我们显示的直方图的边界,即:[0, 100) 会有一个数据点,[100, 500)会有一个数据点,以此类推。所以最终结果一共会显示7个数据点。同样的,我们指定了标签和图例。

    这段代码的输出如下图所示:

    在这幅图中,我们看到,三组数据在3000以下都有数据,并且频度是差不多的。但蓝色条只有3000以下的数据,橙色条只有4000以下的数据。这与我们的随机数组数据刚好吻合。

    hist函数的详细说明参见这里:matplotlib.pyplot.hist

    结束语

    通过本文,我们已经知道了Matplotlib的大致使用方法和几种最基本的图形的绘制方式。

    需要说明的是,由于是入门教程,因此本文中我们只给出了这些函数和图形最基本的使用方法。但实际上,它们的功能远不止这么简单。因此本文中我们贴出了这些函数的API地址以便读者进一步的研究。

    相关推荐:

    python绘图库的基本操作方法介绍

    python绘图方法实例入门

    以上就是Python 绘图库 Matplotlib 入门教程_python的详细内容,更多请关注php中文网其它相关文章!

    声明:本文原创发布php中文网,转载请注明出处,感谢您的尊重!如有疑问,请联系admin@php.cn处理
    专题推荐:Matplotlib python Python
    上一篇:python 读入多行数据 下一篇:Python 数据处理库 pandas 入门
    大前端线上培训班

    相关文章推荐

    • 详解Python的迭代器、生成器以及相关的itertools包• Django框架中方法的访问和查找• Python中类型关系和继承关系实例详解• 用C++封装MySQL的API的教程• 初步探究Python程序的执行原理

    全部评论我要评论

  • 取消发布评论发送
  • 1/1

    PHP中文网