Python matlabplot 写中文 python matlab绘图

python之matplotlib绘图功能介绍

前言：

本文将matplotlib包中最基础的绘图功能写为几个Deme，以便对该包绘图功能加以理解。如果熟悉matlab的同学，可以很快学到这个包的绘图功能，因为，这个包的绘图功能代码和matlab的绘图几乎是一样的，差别很少。本文会给出11个基本绘图Demo，每个Demo都有较详细的代码注释，了解这些Demo后，应该可以解决大多数的绘图问题。

Demo目录

一、plot基础用法

二、Figure图像

三、gca设置坐标轴

四、legend图例

五、annotate图像标注

六、scatter散点图

七、bar直方图

八、contours等高线图

九、3D图

十、subplot子图像

十一、动态图

一、plot基础用法

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 100)
y = 2*x + 1
plt.plot(x, y)
plt.show()

执行图

二、Figure图像

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 100)
y1 = 2 * x + 1
y2 = x**2

#  创建图形
plt.figure()
plt.plot(x, y1)

#  创建图形
plt.figure()
plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--')

#  绘制在一个图形中
plt.figure()
plt.plot(x, y1, color='blue', linewidth=1.0, linestyle='-')
plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--')
plt.show()

执行图

三、设置坐标轴

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 100)
y1 = 2 * x + 1
y2 = x**2

plt.figure()
#  限制xy的范围
plt.xlim(-1, 2)
plt.ylim(-2, 3)
#  xy描述
plt.xlabel('I am x')
plt.ylabel('I am y')

# xy尺度标签
new_ticks = np.linspace(-2, 2, 11)
plt.xticks(new_ticks)
plt.yticks([-1, 0, 1, 2, 3],
           ['level-1', 'level0', 'level1', 'level2', 'level3'])

#  获取当前坐标轴 gca get curren axis
ax = plt.gca()
#  把右边和上边的边框去掉
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

#  把x轴的刻度设置为'bottom'
ax.xaxis.set_ticks_position('bottom')
#  把y轴的刻度设置为'left'
ax.yaxis.set_ticks_position('left')

#  平移下边的边框至y=0的位置
ax.spines['bottom'].set_position(('data', 0))
#  平移左边的边框至x=0的位置
ax.spines['left'].set_position(('data', 0))

plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.plot(x, y2, color='blue', linewidth=3.0, linestyle='-')
plt.show()

执行图

四、legend图例

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 100)
y1 = 2 * x + 1
y2 = x**2

plt.figure()
line1, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
line2, = plt.plot(x, y2, color='blue', linewidth=3.0, linestyle='-')
print(type(line2))
plt.legend(handles=[line1, line2], labels=['test1', 'test2'], loc='best')
plt.show()

执行图

五、annotate图像标注

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 100)
y1 = 2 * x + 1

#  获取当前坐标轴 gca get curren axis
ax = plt.gca()
#  把右边和上边的边框去掉
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

#  把x轴的刻度设置为'bottom'
ax.xaxis.set_ticks_position('bottom')
#  把y轴的刻度设置为'left'
ax.yaxis.set_ticks_position('left')

#  平移下边的边框至y=0的位置
ax.spines['bottom'].set_position(('data', 0))
#  平移左边的边框至x=0的位置
ax.spines['left'].set_position(('data', 0))

#  画点
x0 = 0.5
y0 = 2 * 0.5 + 1
plt.scatter(x0, y0, s=50, color='b')
#  画虚线
plt.plot([x0, x0], [y0, 0], 'k--', lw=1)
#  画弧线标注
plt.annotate(r'$2x + 1 = %s$' % y0, xy=(x0, y0), xytext=(+30, -30), textcoords='offset points',
             fontsize=16, arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2'))
#  显示文字
plt.text(-1, 2, r'$This\ is\ the\ text$', fontdict={'size': '16', 'color': 'r'})

#  画线
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='-')
plt.show()

执行图

六、scatter散点图

import matplotlib.pyplot as plt
import numpy as np

x = np.random.normal(0, 1, 500)
y = np.random.normal(0, 1, 500)
#  绘制散点图
plt.scatter(x, y, s=50, c='b', alpha=0.5)
#  限制大小
plt.xlim((-3, 3))
plt.ylim((-3, 3))
#  去掉刻度
plt.xticks(())
plt.yticks(())
#  显示图形
plt.show()

执行图

七、bar直方图

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(10)
y = 2**x + 10
# 画柱状图
plt.bar(x, y, facecolor='#9999ff', edgecolor='white')
# 添加文字
for x, y in zip(x, y):  # zip可以把变量对应打包起来，这样可以一次遍历所有变量
    plt.text(x, y, r'%.2f' % y, ha='center', va='bottom')
plt.show()

执行图

八、contours等高线图

import matplotlib.pyplot as plt
import numpy as np

def height(px, py):
    return (1 - px / 2 + px**5 + py**3) * np.exp(-px**2 - py**2)

x = np.linspace(-3, 3, 100)
y = np.linspace(-3, 3, 100)
# 格网化
X, Y = np.meshgrid(x, y)
# 画等高线图
plt.contourf(X, Y, height(X, Y), 8, alpha=0.75, cmap=plt.cm.hot) # 参数中的8代表等高线的条数为8+1=9条
# 画等高线
C = plt.contour(X, Y, height(X, Y), colors='black', linewidths=.5)
# 等高线标注
plt.clabel(C, inline=True, fontsize=10)
plt.xticks(())
plt.yticks(())
plt.show()

执行图

九、3D图

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 创建图像
fig = plt.figure()
# 图像加入3D视图中
ax = Axes3D(fig)

# 数据（3维坐标点X,Y,Z）准备
x = np.arange(-4, 4, 0.25)
y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(x, y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

#  绘制3D图
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))  # 其中rstride是行步长(row stride)，cstride是列步长(column stride)
#  绘制3D图映射的二维等高线图
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap='rainbow')  # 映射方向为z，位置偏移至-2处，颜色为彩虹色
ax.set_zlim(-2, 2)  # 设置z轴的刻度限制为-2到2
plt.show()

执行图

十、subplot子图像

import matplotlib.pyplot as plt

# 创建图像
plt.figure()

plt.subplot(2, 2, 1)  # 将图像分为2行2列，4个子图像，这是第1行1列的一个子图像
plt.plot([0, 1], [0, 1])

plt.subplot(2, 2, 2)  # 将图像分为2行2列，4个子图像，这是第1行2列的一个子图像
plt.plot([0, 1], [0, 1])

plt.subplot(2, 2, 3)  # 将图像分为2行2列，4个子图像，这是第2行1列的一个子图像
plt.plot([0, 1], [0, 1])

plt.subplot(2, 2, 4)  # 将图像分为2行2列，4个子图像，这是第2行2列的一个子图像
plt.plot([0, 1], [0, 1])

# 创建子图像大小不一致的方法
plt.figure()

plt.subplot(2, 1, 1)  # 将图像分为2行1列，2个子图像，这是第1行1列的一个子图像
plt.plot([0, 1], [0, 1])

plt.subplot(2, 3, 4)  # 将图像分为2行3列，6个子图像，这是第2行1列的一个子图像(因为第一行的3个子图像被一个图像占满，因此这个是第4个子图像)
plt.plot([0, 1], [0, 1])

plt.subplot(2, 3, 5)  # 将图像分为2行3列，6个子图像，这是第2行2列的一个子图像
plt.plot([0, 1], [0, 1])

plt.subplot(2, 3, 6)  # 将图像分为2行3列，6个子图像，这是第2行3列的一个子图像
plt.plot([0, 1], [0, 1])

plt.show()

执行图

十一、动态图

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import animation

fig, ax = plt.subplots()
x = np.arange(0, 2*np.pi, 0.01)
line, = ax.plot(x, np.sin(x))

def animate(i):
    line.set_ydata(np.sin(x+i/10))
    return line,
def init():
    line.set_ydata(np.sin(x))
    return line,

ani = animation.FuncAnimation(fig, func=animate, init_func=init, interval=20)
plt.show()

执行图