#【matplotlib】19.基本用法

2021.1.19 画figure图基本方法。参考：
https://m.runoob.com/matplotlib/matplotlib-pyplot.html
https://mofanpy.com/tutorials/data-manipulation/plt/figure

matplotlib 是python的画图包

19.1 基础使用

plot图，就是以点组成的图

知道x和方程

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(-3,3,50)
y1 = 2*x + 1

#定义个窗口
plt.figure()
plt.plot(x,y)
plt.show()

在这里插入图片描述

知道两个点

(-3,-5),(3,7)两点的x存到xpoint

plt.figure()
xpoint = np.array([-3,3])
ypoint = np.array([-5, 7])
plt.plot(xpoint,ypoint)
plt.show()

在这里插入图片描述

# 例2
xpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])plt.plot(xpoints, ypoints)
plt.show()

在这里插入图片描述

画多条图像，并且设着一些参数

num= :就是图像的编号
figsize 窗口尺寸
linewidth 线宽
linestyle:‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
color:‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。

# 方法1 单独设着
y2 = x**2 + 1#num=3 尺寸
plt.figure(num= 3,figsize=(8,5))plt.plot(x,y1)
plt.plot(x, y2, color = "red", linestyle = "--", linewidth = 1.0)
plt.show()

在这里插入图片描述

# 方法2plt.figure()plt.plot(x,y1,x,y2)
plt.show()

在这里插入图片描述

描绘坐标点

xpoints = np.array([1, 8])
ypoints = np.array([3, 10])plt.plot(xpoints, ypoints, 'o')
plt.show()

在这里插入图片描述

19.2 设置坐标轴

xlim(),ylim(),xlabel(),ylabel()

xlim(),ylim(): x,y范围
xlabel(),ylabel():x,ylabal

plt.figure(num= 4,figsize=(8,5))plt.xlim((-1,2))
plt.ylim((-2,3))plt.xlabel("I am X")
plt.ylabel("I am Y")plt.plot(x,y1)
plt.plot(x, y2, color = "red", linestyle = "--", linewidth = 1.0)plt.show()

在这里插入图片描述

设置刻度 plt.xticks

plt.xticks
plt.xticks

plt.figure(num= 4,figsize=(8,5))
![在这里插入图片描述](https://img-blog.csdnimg.cn/9ad560bb8adf4ed9913dc083693042a7.png#pic_center)plt.xlim((-1,2))
plt.ylim((-2,3))plt.xlabel("I am X")
plt.ylabel("I am Y")plt.plot(x,y1)
plt.plot(x, y2, color = "red", linestyle = "--", linewidth = 1.0)new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],['$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
plt.show()

设置值边框用.spines[]

① 获取坐标轴信息plt.gca()
② .spines[‘XXX’]设置边框，有“right”“left”“bottom”“top”

#数据准备
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2# 获得坐标信息
plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim((-1, 2))
plt.ylim((-2, 3))#轴信息准备
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],['$really\ bad$', '$bad$', '$normal$', '$good$', '$really\ good$'])#隐藏右侧和上次坐标轴
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
plt.show()

在这里插入图片描述

调整坐标轴

.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：bottom.（所有位置：top，bottom，both，default，none)
.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）

#数据准备
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2# 获得坐标信息
plt.figure(num= 5,figsize=(8,5))
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim((-1, 2))
plt.ylim((-2, 3))#轴信息准备
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],['$really\ bad$', '$bad$', '$normal$', '$good$', '$really\ good$'])#隐藏右侧和上次坐标轴
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')# x坐标轴调整
ax.xaxis.set_ticks_position('top')
ax.spines['bottom'].set_position(('data', 0))#y坐标轴调整
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.show()

在这里插入图片描述

ax.xaxis.set_ticks_position('top'):x坐标轴刻度在哪里显示,我这里放到上面了
ax.spines['bottom'].set_position(('data', 0)):就是下坐标轴，放到了数据的0位置；axes应该是按比例，0.1就是10%的位置

19.3 Legend 图例

图例就是这个图什么颜色的什么线段代表什么的注释

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2plt.figure()
#set x limits
plt.xlim((-1, 2))
plt.ylim((-2, 3))# set new sticks
new_sticks = np.linspace(-1, 2, 5)
plt.xticks(new_sticks)
# set tick labels
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])# set line syles
l1, = plt.plot(x, y1, label='linear line')
l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='best')

<matplotlib.legend.Legend at 0x20f0711b1c0>

在这里插入图片描述

我们以前有label,用了legend 可以将以前的覆盖到给与新的意义
如果想用legend,那么在返回值明明的时候要加, 如l1,l2,，并在handles中引用
loc='best':表示显示的位置是最佳位置，也就是随着窗口变化，这个图示会自己调整位置，出现在数据最少的地方。其他还有

‘best’ : 0,
‘upper right’ : 1,
‘upper left’ : 2,
‘lower left’ : 3,
‘lower right’ : 4,
‘right’ : 5,
‘center left’ : 6,
‘center right’ : 7,
‘lower center’ : 8,
‘upper center’ : 9,
‘center’ : 10,

19.4 标注

19.4.1 Annotation

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(-3, 3, 50)
y = 2*x + 1plt.figure(num=1, figsize=(8, 5),)
plt.plot(x, y,)ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))# 画辅助线
x0 = 1
y0 = 2*x0 + 1
plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)
# set dot styles
plt.scatter([x0, ], [y0, ], s=50, color='b')# 添加注释
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))

Text(30, -30, '$2x+1=3$')

在这里插入图片描述

plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)：

我们确定了两点（x0,y0）和（0，y0）.
两点间画了个虚线，k是黑色black

添加注释 annotate

r'$2x+1=%s$' % y0:就是显示的信息2x+1=y0
xy=就是此时的具体的值（x0,y0）
xycoords='data' 是说基于数据的值来选位置,
xytext=(+30, -30) 和对于标注位置的描述一正一负就是线的右下角，30就是大概距离
textcoords='offset points' ： xy 偏差值,
arrowprops是对图中箭头类型的一些设置.

19.4.2 tick

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(-3, 3, 50)
y = 0.1*xplt.figure()
# 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
plt.plot(x, y, linewidth=10, zorder=1)
plt.ylim(-2, 2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

在这里插入图片描述

数据会遮住坐标轴或刻度

plt.figure()
# 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
plt.plot(x, y, linewidth=10, zorder=1)
plt.ylim(-2, 2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))for label in ax.get_xticklabels() + ax.get_yticklabels():label.set_fontsize(12)# 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=0.001))
plt.show()

在这里插入图片描述

label in ax.get_xticklabels() + ax.get_yticklabels():所有坐标艾格处理
label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))：坐标轴背景白色不要边框透明度；
zorder指定绘图的各个组件相互叠加的顺序：https://cloud.tencent.com/developer/ask/sof/467726