matplotlib图表组成元素

一、函数

1、plot()    ——   展示变量的趋势与变化

用法：

plt.plot(x,y,ls="-",lw=2,label="plot figure")

参数说明：

x:x轴上的数值
y:y轴上的数值
ls:折线图的线条风格
lw:折线图的线条宽度
label:标记图形内容的标签文本

代码实例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.cos(x)                    #定义生成图像所需要的数据

plt.plot(x,y,ls="-",lw=2,label="plot figure")    #生成图像

plt.legend()    #生成文本标签

plt.show()    #显示图像

生成的图像：

2、散点图scatter()  ——  寻找变量间的关系

plt.scatter(x,y,c="b",label="scatter figure")

参数说明：

x:x轴上的数值
y:y轴上的数值
c:散点图中标记的颜色
label:标记图形内容的标签文本

代码实例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.random.rand(1000)                    #定义生成图像所需要的数据

plt.scatter(x,y,label="scatter figure")

plt.legend()

plt.show()

生成图像：

3、xlim()  ——  设置想轴的数值显示范围

plt.xlim(xmin,xmax)

参数说明:

xmin：x轴上的最小值
xmax：x轴上的最大值
注：ylim()与xlim()的用法相同

代码示例:

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.random.rand(1000)                    #定义生成图像所需要的数据

plt.scatter(x,y,label="scatter figure")

plt.legend()

plt.xlim(0.05,10)
plt.ylim(0,1)

plt.show()

生成的图像：

4、xlabel() —— 设置x轴的标签文本

plt.xlabel(string)

参数说明：

string:标签文本内容
注：xlabel()与ylabel()用法相同

代码实例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.random.rand(1000)                    #定义生成图像所需要的数据

plt.scatter(x,y,label="scatter figure")

plt.legend()

plt.xlabel("x-axis")
plt.ylabel("y-axis")

plt.show()

输出图像：

5、grid() —— 绘制刻度线的网格线

plt.grid(linestyle=":",color="r")

参数说明：

linestyle：网格线的线条风格
color：网格线的线条颜色

代码实例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.sin(x)                    #定义生成图像所需要的数据

plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")

plt.legend()

plt.xlabel("x-axis")
plt.ylabel("y-axis")

plt.grid(linestyle=":",color="r")

plt.show()

输出图像：

6、函数axhline() —— 绘制平行于x轴的水平参考线

plt.axhline(y=0.0,c="r",ls="--",lw=2)

参数说明：

y：水平参考线的出发点
c：参考线的线条颜色
ls：参考线的线条风格
lw：参考线的线条宽度

代码示例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.sin(x)                    #定义生成图像所需要的数据

plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")

plt.legend()

plt.axhline(y=0.0,c="r",ls="--",lw=2)
plt.axvline(x=4.0,c="r",ls="--",lw=2)

plt.show()

输出图像：

7、函数axvspqn()绘制垂直于x轴的参考区域

plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=0.3)

参数说明：

xmin：参考区域的起始位置
xmax：参考区域的终止位置
facecolor：参考区域的填充颜色
alpha：参考区域的填充颜色的透明度
注：上面的功能同样可用在axhspan()

代码示例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.sin(x)                    #定义生成图像所需要的数据

plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")

plt.legend()

plt.axvspan(xmin=4.0,xmax=6.0,facecolor="y",alpha=0.3)
plt.axhspan(ymin=0.0,ymax=0.5,facecolor="y",alpha=0.3)

plt.show()

输出图像：

8、函数annotate() —— 添加图形内容细节的指向型注释文本

plt.annotate(string,xy=(np.pi/2,1.0),xytext=((np.pi/2)+0.15,1.5),weight="bold",color="b",
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))

参数说明：

string：图形内容注释文本
xy：被注释图形内容的位置坐标
xytext：注释文本的位置坐标
weight：注释文本的字体粗细风格
color：注释文本的字体颜色
arrowprops：指示被注释内容的箭头的属性字典

代码实例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.sin(x)                    #定义生成图像所需要的数据

plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")

plt.legend()

plt.annotate("maximum",xy=(np.pi/2,1.0),xytext=((np.pi/2)+1.0,0.8),weight="bold",color="b",
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))

plt.show()

输出图像：

9、函数text() —— 添加图形内容细节的无指向型注释文本

plt.text(x,y,string,weight="bold",color="b")

参数说明：

x：注释文本内容所在的位置的横坐标
y：注释文本内容所在的位置的纵坐标
string：注释文本内容
weight：注释文本内容的粗细的风格
color：注释文本内容的字体颜色

代码实例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.sin(x)                    #定义生成图像所需要的数据

plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")

plt.legend()

plt.text(3.10,0.09,"y = sin(x)",weight="bold",color="b")

plt.show()

图像输出：

10、函数title() —— 添加图形内容的标题

plt.title(string)

代码实例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.sin(x)                    #定义生成图像所需要的数据

plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")

plt.legend()

plt.title("y = sin(x)")

plt.show()

图像输出：

11、函数legend() —— 标识不同图形的文本标签图例

plt.legend(loc="lower left")

代码实现：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)
y = np.sin(x)                    #定义生成图像所需要的数据

plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")

plt.legend(loc="lower left")

plt.show()

输出图像：

组合应用，代码示例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.5,3.5,100)
y = np.sin(x)
y1 = np.random.rand(100)        #定义生成图像所需要的数据

#生成散点图
plt.scatter(x,y1,c="0.25",label = "scatter figure")
#生成函数图像
plt.plot(x,y,ls="--",lw=2,c="c",label="plot figure")
#设置图像上边框和右边框的颜色为无
for spine in plt.gca().spines.keys():
    if spine == "top" or spine == "right":
        plt.gca().spines[spine].set_color("none")
#调整刻度位置
plt.gca().xaxis.set_ticks_position("bottom")
plt.gca().yaxis.set_ticks_position("left")
#设置坐标范围
plt.xlim(0.0,4.0)
plt.ylim(-3.0,3.0)
#设置坐标轴名称
plt.xlabel("x-axis")
plt.ylabel("y-axis")
#显示网格图
plt.grid(True,ls=":",color="r")
#绘制平行于x轴的水平参考线
plt.axhline(y=0.0,c="r",ls="--",lw=2)
#绘制垂直于x轴的参考区域
plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=0.3)
#添加指向型注释文本
plt.annotate("maximum",xy=(np.pi/2,1.0),xytext=((np.pi/2)+0.15,1.5),weight="bold",color="r",
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="r"))
plt.annotate("spines",xy=(0.75,-3),xytext=(0.35,-2.25),weight="bold",color="b",
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
plt.annotate("",xy=(0,-2.78),xytext=(0.4,-2.32),
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
plt.annotate("",xy=(3.5,-2.98),xytext=(3.0,-2.80),weight="bold",color="r",
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
#设置文本注释框
plt.text(2.5,-2.50,"'|' is tickline",weight="bold",color="b")
plt.text(2.5,-2.70,"3.5 is tickline1",weight="bold",color="b")
#设置图像标题
plt.title("Structure of Matplotlib")
#显示图例
plt.legend(loc="upper right")
#显示图像
plt.show()

图像输出：