21、numpy—Matplotlib

NumPy Matplotlib

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。

引例：np.arange() 函数创建 x 轴上的值。y 轴上的对应值存储在另一个数组对象 y 中。 这些值使用 matplotlib 软件包的 pyplot 子模块的 plot() 函数绘制。

 import numpy as np
 from matplotlib import pyplot as plt
 x = np.arange(1, 11)
 y = 2 * x + 5
 print('x:{}\ty:{}'.format(x, y))
 plt.title("Matplotlib demo")
 plt.xlabel("x axis caption")
 plt.ylabel("y axis caption")
 plt.plot(x, y)
 plt.show()

执行结果：

x:[ 1  2  3  4  5  6  7  8  9 10]    y:[ 7  9 11 13 15 17 19 21 23 25]

图形由 show() 函数显示

1、中文显示问题

打印系统字体：

 import matplotlib
 a = sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])
 for i in a:
     print(i)

执行结果：

打印出你的 font_manager 的 ttflist 中所有注册的名字，找一个看中文字体例如：STFangsong(仿宋）,然后添加以下代码即可：

plt.rcParams['font.family']=['STFangsong']

例子：

 import numpy as np
 from matplotlib import pyplot as plt
 plt.rcParams['font.family'] = ['STFangsong']
 x = np.arange(1, 11)
 y = 2 * x + 5
 plt.title("中文- 测试")
 plt.xlabel("x 轴")
 plt.ylabel("y 轴")
 plt.plot(x, y)
 plt.show()

执行结果：

2、离散图设置和颜色设置

作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。 可以使用以下格式化字符。

字符	描述	字符	m描述
'-'	实线样式	'_'	水平线标记
'--'	短横线样式	'$#124'	c垂直线标记
'-.'	点划线样式	'd'	窄菱形标记
':'	虚线样式	'D'	菱形标记
'.'	点标记	'x'	X标记
','	像素标记	'+'	+标记
'o'	圆标记	'h'	六边形标记 1
'v'	倒三角标记	'H'	六边形标记 2
'^'	正三角标记	'*'	星形标记
'<'	左三角标记	'p'	五边形标记
'>'	右三角标记	's'	正方形标记
'1'	下箭头标记	'3'	左箭头标记
'2'	上箭头标记	'4'	右箭头标记

以下是颜色的缩写：

字符	颜色
'b'	蓝色
'g'	绿色
'r'	红色
'c'	青色
'm'	品红色
'y'	黄色
'k'	黑色
'w'	白色

比如我们要显示蓝色的圆来代表点，我们可以使用'ob'作为plot()函数的格式字符串：

将plt.plot(x, y)改为
plt.plot(x, y, 'ob')

我们可以得到输出图：

3、绘制正弦波

以下实例使用 matplotlib 生成正弦波图。

 import numpy as np
 import matplotlib.pyplot as plt
 plt.rcParams['font.family'] = ['STFangsong']
 x = np.arange(0, 4*np.pi, 0.1)
 y = np.sin(x)
 plt.title('正弦波绘制')
 plt.xlabel('x轴')
 plt.ylabel('y轴')
 plt.plot(x, y, 'r')
 plt.show()

执行结果：

4、subplot() 函数允许你在同一图中绘制不同的东西。

以下实例绘制正弦和余弦值:

import numpy as np
import matplotlib.pyplot as plt
# 计算正弦和余弦曲线上的点的 x 和 y 坐标
x = np.arange(0,  4 * np.pi,  0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)
# 建立 subplot 网格，高为 2，宽为 1
# 激活第一个 subplot
plt.subplot(2,  1,  1)
# 绘制第一个图像
plt.plot(x, y_sin)
plt.title('Sine')
# 将第二个 subplot 激活，并绘制第二个图像
plt.subplot(2,  1,  2)
plt.plot(x, y_cos)
plt.title('Cosine')
# 展示图像
plt.show()

执行输出结果：

5、Matplotlib中柱状图bar使用

pyplot 子模块提供 bar() 函数来生成条形图。

以下实例生成两组 x 和 y 数组的条形图。

 from matplotlib import pyplot as plt
 x =  [5,8,10]
 y =  [12,16,6]
 x2 =  [6,9,11]
 y2 =  [6,15,7]
 plt.bar(x, y, align =  'center')
 plt.bar(x2, y2, color =  'g', align =  'center')
 plt.title('Bar graph')
 plt.ylabel('Y axis')
 plt.xlabel('X axis')
 plt.show()

执行结果：

6、直方图numpy.histogram()

numpy.histogram() 函数是数据的频率分布的图形表示。 水平尺寸相等的矩形对应于类间隔，称为 bin，变量 height 对应于频率。

numpy.histogram()函数将输入数组和 bin 作为两个参数。 bin 数组中的连续元素用作每个 bin 的边界。

 import numpy as np 

 a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
 np.histogram(a,bins =  [0,20,40,60,80,100])
 hist,bins = np.histogram(a,bins =  [0,20,40,60,80,100])
 print (hist)
 print (bins)

执行结果：

[3 4 5 2 1]
[  0  20  40  60  80 100]

plt()

Matplotlib 可以将直方图的数字表示转换为图形。 pyplot 子模块的 plt() 函数将包含数据和 bin 数组的数组作为参数，并转换为直方图。

 import numpy as np
 import matplotlib.pyplot as plt

 a = np.array([22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27])
 np.histogram(a, bins=[0, 20, 40, 60, 80, 100])
 hist, bins = np.histogram(a, bins=[0, 20, 40, 60, 80, 100])
 print(hist)
 print(bins)
 plt.hist(a, bins)
 plt.show()

执行结果：