Python中常用的可视化工具 Matplotlib 简单入门

Matplotlib是一个Python 2D画图库和一些根基的3D图表，可以天生各类名目图片。Matplotlib可用于Python剧本，Python shell，Jupyter条记本，Web应用措施处事器等等。

Matplotlib是约翰·亨特(John Hunter，1968-2012)的心血结晶，他和很多孝顺者一路投入了不行估计的时刻和精神来建造一套环球数千名科学家行使的软件。

查察Matplotlib 版本

>>> import matplotlib 
 
>>> matplotlib.__version__ 
 
'3.0.3' 

在Python 中挪用Matplotlib，凡是行使 import matplotlib.pyplot 挪用Matplotlib 集成的快速画图 pyplot模块。

Figure(整个图像)

在任何画图之前，必要一个Figure工具，可以领略成必要一张画板才气开始画图。

import matplotlib.pyplot as plt 
 
fig = plt.figure() 

在Matplotlib中，整个图像为一个Figure 工具。Figure工具中可以包括一个可能多个Axes工具，每个Axes 工具都是一个拥有本身坐标体系的画图地区。

Axes(轴线)

在拥有Figure工具之后，在作画前还必要轴，没有轴的话就没有画图基准，以是必要添加Axes。也可以领略成为真正可以作画的纸。

ax = fig.add_subplot(111) 
 
ax.set(xlim=[0, 5], ylim=[0, 6], title='An Example Axes', 
 
ylabel='Y-Axis', xlabel='X-Axis') 
 
plt.show() 

上述代码，在一幅图上添加了一个Axes，然后配置了这个Axes的X轴以及Y轴的取值范畴，以及一些文本信息。结果如下：

Matplotlib下, 一个 Figure 工具可以包括多个子图(Axes)，可以行使 subplot() 快速绘制，其挪用情势如下 :

subplot(numRows, numCols, plotNum) 

• 图表的整个画图地区被分成 numRows 行和 numCols 列;
• 然后凭证从左到右，从上到下的次序对每个子地区举办编号，左上的子地区的编号为1;
• plotNum 参数指定建设的 Axes 工具地址的地区;

对付上面的fig.add_subplot(111)就是添加Axes的，参数的表明的在画板的第1行第1列的第一个位置天生一个Axes工具来筹备作画。

也可以通过fig.add_subplot(2, 2, 1)的方法天生Axes，前面两个参数确定了面板的分别。

假如 numRows, numCols 和 plotNum 这三个数都小于 10 的话, 可以把它们缩写为一个整数, 譬喻 subplot(221) 和 subplot(2,2,1) 是沟通的。

subplot 在 plotNum 指定的地区中建设一个轴工具。假如新建设的轴和之前建设的轴重叠的话，之前的轴将被删除。

Multiple Axes 多个子图

下面的一次性天生全部 Axes：

简朴总结一下

• 在最顶层的是画布，称之为figure;
• 在画布上可以在差异的地区上绘制，这些地区称之为subplot;

每一个子图地区，又可以做如下分别：

• axis 也就是x,y坐标轴;
• tick 也就是每一个坐标轴的刻度;
• label 也就是坐标轴上的标签;
• title 也就是每一个子图的问题;
• data 是输入的数据绘制出的图像;

Matplotlib 画图演示代码

将这个图像分别成8个子地区，每个子地区绘制一个差异的图像。

import numpy as np  
import matplotlib.pyplot as plt  
x=[1,2,3,4]  
y=[3,5,10,25]  
# 建设子图  
plt.subplot(241)  
plt.plot(x,y)  
plt.title("plot")  
plt.subplot(242)  
plt.scatter(x, y)  
plt.title("scatter")  
plt.subplot(243)  
plt.pie(y)  
plt.title("pie")  
plt.subplot(244)  
plt.bar(x, y)  
plt.title("bar")  
plt.subplot(245)  
plt.boxplot(y, sym="o")  
plt.title("box")  
# sin/cos 图像  
plt.subplot(246)  
x = np.linspace(0, np.pi)  
y_sin = np.sin(x)  
y_cos = np.cos(x)  
plt.plot(x, y_sin)  
plt.plot(x, y_cos)  
# g-- 配置线条样式和颜色  
plt.subplot(247)  
plt.plot(x, y_sin, 'g--')  
plt.title("sin")  
# 加载当舆图片  
import matplotlib.image as mpimg  
img=mpimg.imread('666.jpg')  
plt.subplot(248)  
plt.imshow(img)  
plt.title("cool...") 
 plt.show() 

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!