Matplotlib学习(一)快速上手

一、安装

       使用pip3安装
        pip3 install matplotlib

二、编写测试程序

import matplotlib.pyplot as plt
%matplotlib inline #兼容性写法,有些系统不需要也可执行
plt.figure() #创建画布
plt.plot([2,0,4], [1,1,9], [4,5,6], [1,3,2]) #画图
plt.show()

效果:

代码执行效果图

matplotlib结构图:
Matplotlib结构图

三、Matplotlib的三层结构

1:容器层

   画板(Canvas):位于最底层,充当画板,默认开启,不需要调用函数。
   画布(Figure):位于Canvas上层,充当画布角色,调用plt.figure()
   绘图区/坐标系(axes):位于Figure之上,相当于绘图区角色,默认创建一个,指定绘图区个数:plt.subplots()
   一个Figure可包含多个axes,但一个axes只能属于一个figure
   一个axes可包含多个axis(坐标轴),包含两个为2D,包含三个为3D坐标

2:辅助层:

   axes(绘图区)内的除了根据数据绘制的图像之外的内容,主要包括axes外观,边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容

3:图像层

   axes(绘图区)内通过plot、scatter、bar、histrgram、pie等函数根据数据回执出的图像

总结:
   Canvas(画板)位于最底层,用户一般接触不到
   Figure(画布)建立在Canvas上
   Axes(绘图区)建立在Figure之上
   坐标轴(axis)、图例(legend)等辅助显示层以及图像层建立在Axes之上

三层结构示意图

四、画布层面完善折线图-----设置画布大小、像素、保存图片

import matplotlib.pyplot as plt
%matplotlib inline
plt.figure(figsize=(10,5), dpi=80) #创建画布,制定画布大小,即dpi像素
plt.plot([2,0,4], [1,1,9], [4,5,6], [1,3,2]) #画图
plt.savefig("./a.png") #保持图像,一定要在show前面,否则为空图片
plt.show() #plt调用show后会释放资源,因此save要放到之前

1.使用figsize 和dpi参数制定画布大小以及像素值
2.使用savefig保存图像,注意:savefig一定要在show之前,因为show会释放画布资源。

优化后的折线图

五、辅助层完善则线图

xticks、yticks设置x、y轴的描述
grid设置网格线
xlabel、ylabel设置x、y轴标题
title设置画布标题

#模拟某地11点-12点的温度变化曲线图

import random
import matplotlib.pyplot as plt

%matplotlib inline

x = range(60) #x轴一小时时间点
y = [random.uniform(15,18) for i in x] #y轴温度变化
x_lable = ["11点{}分".format(i) for i in x] #x轴坐标描述

#画布
plt.figure(figsize=(10,5), dpi=80)

#画图
plt.plot(x, y)

#设置x,y轴的坐标显示
plt.xticks(x[::5], x_lable[::5])
plt.yticks(range(40)[::5])

#显示网格
plt.grid(linestyle="--", alpha=0.5)

#添加标题
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("上海温度变化曲线图")

#显示图
plt.show()

效果:

完善后效果图

六、图像层完善--添加多条折线

添加多条折线、设置折线样式:plt.plot(x, y_shanghai, color = "r", label="上海")
添加图例:plt.legend()

#模拟某地11点-12点的温度变化曲线图

import random
import matplotlib.pyplot as plt

%matplotlib inline

x = range(60) #x轴一小时时间点
y_shanghai = [random.uniform(15,18) for i in x] #y轴温度变化
y_beijing = [random.uniform(10,12) for i in x] #y轴温度变化
x_lable = ["11点{}分".format(i) for i in x] #x轴坐标描述

#画布
plt.figure(figsize=(10,5), dpi=80)

#画图
#plt.plot(x, y_shanghai, x, y_beijing)
plt.plot(x, y_shanghai, color = "r", label="上海")
plt.plot(x, y_beijing, color = "b", linestyle="--", label="北京")

#显示图例
plt.legend()

#设置x,y轴的坐标显示
plt.xticks(x[::5], x_lable[::5])
plt.yticks(range(40)[::5])

#显示网格
plt.grid(linestyle="--", alpha=0.5)

#添加标题
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("上海-北京温度变化曲线图")

#显示图
plt.show()

效果:

效果图

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容