Python matplotlib实用绘图技巧汇总

这篇文章主要给大家介绍了关于Python matplotlib实用绘图技巧的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

前言

在日常的业务数据分析，可视化是非常重要的步骤。这里总结了matplotlib常用绘图技巧，希望可以帮助大家更加更加高效的、美观的显示图表。作者：北山啦

Matplotlib 是 Python 的绘图库。它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。它也可以和图形工具包一起使用，如 PyQt 和wxPython。

 pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

 import matplotlib.pyplot as plt

显示中文

借助全局参数配置字典rcParams，只需要在代码开头，添加如下两行代码即可

 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False

同时还可以设置字体，常见字体：

font.family 字体的名称
sans-serif   西文字体（默认）
SimHei       中文黑体
FangSong     中文仿宋
YouYuan      中文幼圆
STSong       华文宋体
Kaiti        中文楷体
LiSu         中文隶书

字体风格

 plt.rcParams["font.style"] = "italic"

绘制子图

plt.subplot2grid()

 plt.subplot2grid((3,3),(0,0),colspan=3) """""" plt.subplot2grid((3,3),(1,0),colspan=2) """""" plt.subplot2grid((3,3),(1,2),rowspan=2) """""" plt.subplot2grid((3,3),(2,0)) """""" plt.subplot2grid((3,3),(2,1)) plt.show()

2. plt.subplot()

 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 画第1个图：折线图 x=np.arange(1,100) plt.subplot(221) plt.plot(x,x*x) # 画第2个图：散点图 plt.subplot(222) plt.scatter(np.arange(0,10), np.random.rand(10)) # 画第3个图：饼图 plt.subplot(223) plt.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0]) # 画第4个图：条形图 plt.subplot(224) plt.bar([20,10,30,25,15],[25,15,35,30,20],color='b') plt.show()

matplotlib绘图设置不显示边框、坐标轴

对于有些图形我们希望通过隐藏坐标轴来显得更加美观

 plt.xticks([]) plt.yticks([]) ax = plt.subplot(2,5,1) # 去除黑框 ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) ax.spines['bottom'].set_visible(False) ax.spines['left'].set_visible(False)

实例：

 #author：https://beishan.blog.csdn.net/ import matplotlib.pyplot as plt for i in range(0,10): fig = plt.gcf() fig.set_size_inches(12,6) ax = plt.subplot(2,5,i+1) # 去除坐标轴 plt.xticks([]) plt.yticks([]) # 去除黑框 ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) ax.spines['bottom'].set_visible(False) ax.spines['left'].set_visible(False) # 设置各个子图间间距 plt.subplots_adjust(left=0.10, top=0.88, right=0.65, bottom=0.08, wspace=0.02, hspace=0.02) ax.imshow(Xtrain[i],cmap="binary")

提高分辨率

如果感觉默认生成的图形分辨率不够高，可以尝试修改 dpi 来提高分辨率

 plt.figure(figsize = (7,6),dpi =100)

设置绘图风格

有时我们会觉得matplotlib默认制作出来的图片太朴素了，不够高级，其实开发者也内置了几十种主题让我们自己选择，只要使用plt.style.use(‘主题名')指定主题即可

 plt.style.use('ggplot')

常用的样式有

Solarize_Light2
_classic_test_patch
bmh
classic
dark_background
fast
fivethirtyeight
ggplot
grayscale
seaborn
seaborn-bright
seaborn-colorblind
seaborn-dark
seaborn-dark-palette
seaborn-darkgrid
seaborn-deep
seaborn-muted
seaborn-notebook
seaborn-paper
seaborn-pastel
seaborn-poster
seaborn-talk
seaborn-ticks
seaborn-white
seaborn-whitegrid
tableau-colorblind10

添加标题

 plt.title("2020-2021北山啦粉丝数增长图")

显示网格

 plt.grid() plt.grid(color='g',linewidth='1',linestyle='-.')

图例设置

 plt.legend(["2020","2021"],loc="best")

也可以给图例添加标题

 plt.plot([1,3,5,7],[4,9,6,8],"ro--") plt.plot([1,2,3,4], [2,4,6,8],"gs-.") plt.legend(["2020","2021"],loc="best",title="标题") plt.title("2020-2021北山啦粉丝数增长图")

添加公式

有时我们在绘图时需要添加带有数学符号、公式的文字，

 plt.text(11000,0.45,r'拟合曲线为$f(x) = x^2-4x+0.5$')

图形交互设置

jupyter中的魔法方法

 %matplotlib notebook 弹出可交互的matplotlib窗口 %matplotlib qt5 弹出matplotlib控制台 %matplotlib inline 直接嵌入图表，不需要使用plt.show()

保存图片

 plt.savefig("pic.png-600",dpi=100,bbox_inches="tight")

读取图片

方法一

 from PIL import Image image = Image.open("./pic.png-600") image.show()

方法二

 import matplotlib.pyplot as plt X = plt.imread("./pic.png-600") plt.imshow(X)

条形图

 def f(t): return np.exp(-t) * np.cos(2*np.pi*t) a = np.arange(0,5,0.02) plt.subplot(211) plt.plot(a,f(a)) plt.subplot(212) plt.plot(a,np.cos(2*np.pi*a),'r--') plt.show()

 b = np.arange(0,2,0.02) plt.plot(b,np.sin(2*np.pi*b),'--',b,np.cos(2*np.pi*b),"*")

散点图

 import numpy as np import matplotlib.pyplot as plt # Fixing random state for reproducibility np.random.seed(19680801) N = 50 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.rand(N) area = (30 * np.random.rand(N))**2  # 0 to 15 point radii plt.scatter(x, y, s=area, c=colors, alpha=0.5) plt.show()

带表格的图形

 import numpy as np import matplotlib.pyplot as plt data = [[ 66386, 174296,  75131, 577908,  32015], [ 58230, 381139,  78045,  99308, 160454], [ 89135,  80552, 152558, 497981, 603535], [ 78415,  81858, 150656, 193263,  69638], [139361, 331509, 343164, 781380,  52269]] columns = ('Freeze', 'Wind', 'Flood', 'Quake', 'Hail') rows = ['%d year' % x for x in (100, 50, 20, 10, 5)] values = np.arange(0, 2500, 500) value_increment = 1000 # Get some pastel shades for the colors colors = plt.cm.BuPu(np.linspace(0, 0.5, len(rows))) n_rows = len(data) index = np.arange(len(columns)) + 0.3 bar_width = 0.4 # Initialize the vertical-offset for the stacked bar chart. y_offset = np.zeros(len(columns)) # Plot bars and create text labels for the table cell_text = [] for row in range(n_rows): plt.bar(index, data[row], bar_width, bottom=y_offset, color=colors[row]) y_offset = y_offset + data[row] cell_text.append(['%1.1f' % (x / 1000.0) for x in y_offset]) # Reverse colors and text labels to display the last value at the top. colors = colors[::-1] cell_text.reverse() # Add a table at the bottom of the axes the_table = plt.table(cellText=cell_text, rowLabels=rows, rowColours=colors, colLabels=columns, loc='bottom') # Adjust layout to make room for the table: plt.subplots_adjust(left=0.2, bottom=0.2) plt.ylabel("Loss in ${0}'s".format(value_increment)) plt.yticks(values * value_increment, ['%d' % val for val in values]) plt.xticks([]) plt.title('Loss by Disaster') plt.show()