将本文结合代码使用效果更佳哦❤️❤️

matplotlib is a desktop plotting package designed for creating (mostly twodimensional) publication-quality plots. The project was started by John Hunter in 2002 to enable a MATLAB-like plotting interface in Python.
Over time, matplotlib has spawned a number of add-on toolkits for data visualization
that use matplotlib for their underlying plotting. One of these is seaborn

687474703a2f2f7374617469632e7a7962756c756f2e636f6d2f5465616d2f6f68733472736d356f306c6d3376676765796c65797467662f6d6174706c6f742e706e67.png
1660836614021
中文pdf

老规矩,先放官方的文档,一大堆漂亮的demo袭来

plot创建

在matplotlib中,所有plot都存在与Figure对象中,需要先利用matplotlib.pyplot.Figure()创建一个实例(记为fig),实例的方法有:

  • fig.add_subplot(m,n,i):创建子图,该方法返回一个AxesSubplot对象,可以通过调用该对象的实例方法直接在第i个子图上操作,比如(ax1=fig.add_subplot(m,n,i),ax1.plot())

  • 使用plt.plot命令时,默认在最后一幅图的的最后一个subplot上进行

  • 在计算每个单元格之后,图形将被重置,所以对于更复杂的图形,必须将所有的绘图命令放在一个笔记本单元格中。

对于上述操作,plt.subplots(m,n)提供了一种更为简洁的创造方式,该函数会返回创建的fig对象和axes数组(m*n型)。
image.png

调节子图距离

figure里的子图的间隔是会自己调整的,如果需要对这个间隔进行人为调整可以借助plt.subplots_adjust()方法,可以在Figure对象上使用subplots_adjust方法来改变间隔,也可以作为顶级函数使用:
matplotlib.pyplot.subplots_adjust (left=None, bottom=None, right=None, top=None,wspace=None, hspace=None)
wspace和hspace调整的是子图间隔占整个figure对象的百分比大小

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for i in range(2):
for j in range(2):
axes[i, j].hist(np.random.randn(500), bins=50, alpha=0.5)
plt.subplots_adjust(wspace=0, hspace=0)

plot绘制

线型格式调节

plot函数进行根据传入的点坐标进行绘图,提供了一系列可选参数对绘制图像的颜色和线型等进行调节,输入参数有:

  • 可以直接输入一个参数对线型和颜色进行约束(‘ko–’)

    • color

    • linestyle

    • marker

  • drawstyle:点的连接方式

  • label

图例

plt.label/ax.legend用来创建图例,每一个曲线的label可以在plot函数调用时进行指明

  • loc:调节图例显示位置

plot decoration

装饰有两种方法,一种是利用pyplot接口,一种是调用matplotlib的api(更native)
为了交互的方便,pyplot接口是由很多方法组成的,通过这些方法可以对图像进行装饰(轴标签,范围,轴的位置),在调用这些方法时,如果没有参数输入会返回要调整的参数值,如果有参数输入就会对对应的参数进行调整.直接使用pyplot调用这些参数时会默认创建最近创建或者活跃的axessubplot

  1. pyplot interface
  • pyplot.xlim()
  1. 调用api
  • ax.set_xticks

  • ax.set_xticklabels

  • ax.set_title

  • ax.set_xlabel

The axes class has a set method that allows batch setting of plot properties:

props = {
'title': 'My first matplotlib plot',
'xlabel': 'Stages'
}
ax.set(**props)

添加注释

plot注释一般由箭头、文本和其它组成,我们可以利用text,arrow,annotate函数来添加plot annotations.(annotate=text+arrow)

from datetime import datetime
import pandas as pd
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

data = pd.read_csv('examples/spx.csv', index_col=0, parse_dates=True)
spx = data['SPX']

spx.plot(ax=ax, style='k-')

crisis_data = [
(datetime(2007, 10, 11), 'Peak of bull market'),
(datetime(2008, 3, 12), 'Bear Stearns Fails'),
(datetime(2008, 9, 15), 'Lehman Bankruptcy')
]

for date, label in crisis_data:
ax.annotate(label, xy=(date, spx.asof(date) + 75),
xytext=(date, spx.asof(date) + 225),
arrowprops=dict(facecolor='black', headwidth=4, width=2,
headlength=4),
horizontalalignment='left', verticalalignment='top')

# Zoom in on 2007-2010
ax.set_xlim(['1/1/2007', '1/1/2011'])
ax.set_ylim([600, 1800])

ax.set_title('Important dates in the 2008-2009 financial crisis')

绘制图案(draw a shape on plot)

matplotlib有好多对象用来代表常见的形状,每一个形状又叫做patch。一些简单的图形比如长方形(Rectangle)和(Circle)可以在plt里找到,全部的特殊图形则可以在matplotlib.patches里找到。

fig = plt.figure(figsize=(12, 6)); ax = fig.add_subplot(1, 1, 1)
rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='k', alpha=0.3)
circ = plt.Circle((0.7, 0.2), 0.15, color='b', alpha=0.3)
pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]],
color='g', alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)

If you look at the implementation of many familiar plot types, you will see that they
are assembled from patches.

保存

保存图窗为文件有两种方法,一种是借助plt.savefig()函数,一种是调用Figure对象的savefig方法。除了将文件写入磁盘以外,也可以写入到任何类文件的对象。
image.png

全局配置

出于出版需要,我们可能会对所有的figure对象进行配置,这个时候可以选择使用plt.rc()方法,第一个参数输入期望自定义的变量,第二个参数输入希望调整为的值(根据调整变量的情况选择合适的数据类型即可)

plt.rc('figure', figsize=(10, 10))
font_options = {'family' : 'monospace',
'weight' : 'bold',
'size' : 'small'}
plt.rc('font', **font_options)

等高线绘制

contour([X, Y,] Z, [levels], **kwargs)
X, Y : array-like, optional。Z中值的坐标。X和Y必须都是二维的,形状与Z相同(例如,通过numpy.meshgrid创建),或者它们必须都是一维的,这样len(X) = M是Z中的列数,len(Y) = N是Z中的行数。如果没有给出,则假设它们是整数索引,即X = range(M), Y = range(N)。
Z : array-like(N, M)绘制轮廓的高度值
levels : int or array-like, optional。
确定轮廓线/区域的数量和位置
colors : color string or sequence of colors, optional
适用于轮廓线与轮廓区域
linestyles : {None, ‘solid’, ‘dashed’, ‘dashdot’, ‘dotted’}, optional
仅适用于轮廓线,线条样式可以是指定要使用的一组线条样式的字符串的可迭代对象。如果这个可迭代对象小于轮廓层数,它将在必要时重复。
linewidths : float or array-like, default: rcParams[“contour.linewidth”] (default: None)
仅适用于轮廓线等高线的线宽。
如果是一个数字,所有的轮廓线都将用这个线宽绘制。
如果是序列,则按升序绘制级别,并按指定的顺序绘制线宽。
如果没有,则返回到 rcParams[“lines.linewidth”]

分类图绘制

pcolormesh([X, Y,] C, **kwargs)
image.png