python绘图总结

1 二维图像

1.1 二维曲线

plot(x, y, ls="-", lw=1.5, label=None)

x, y：横坐标和纵坐标
ls：颜色、点标记、线型列表，如 ls=‘r*-’ 表示红色实线、*形点，ls=‘g.’ 表示绿色散点
lw：线宽度
label：线标签

plot(x, y, color, marker, linestyle)

x, y：横坐标和纵坐标
color：颜色，取值：b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)
marker：标记形状，取值：. , o v ^ < > 1 2 3 4 s p * h H + x D d | _
linestyle：线型，取值：- – -. :

import numpy as np
import matplotlib.pyplot as pltx=np.arange(0,12,0.3)
y1=np.sin(x)
y2=np.cos(x)plt.figure()  #新建一个图像窗口
plt.rcParams['font.sans-serif']=['SimHei']  #正常显示标题中中文
plt.rcParams['axes.unicode_minus'] = False  #正常显示坐标轴中中文plt.subplot(1,2,1)  #使用第1个窗格
plt.plot(x,y1,'r*-') #绘图
#plt.plot(x,y1,color='r',marker='*',linestyle='-') #和上面等价
plt.title("正弦曲线")  #标题
plt.xlabel('x轴')  #x轴命名
plt.ylabel('y轴')  #y轴命名
plt.grid()  #添加网格
plt.legend(['sinx'])  #显示图例plt.subplot(1,2,2)  #使用第2个窗格
plt.plot(x,y1,'r*-',label='sinx')  #绘制正弦图像
plt.plot(x,y2,'g.--',label='cosx')  #绘制余弦图像
plt.title('正弦曲线、余弦曲线')  #标题
plt.legend()  #显示图例

1.2 二维散点图

scatter(x, y, s=20, c='b', marker='o', cmap, alpha)

x, y：横坐标和纵坐标
s：点大小
c：点颜色，取值：b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)
marker：点标记，取值：. , o v ^ < > 1 2 3 4 s p * h H + x D d | _
cmap：颜色图谱
alpha：透明度，取值：0~1，超过1时当1算，低于1时当0算
linewidths：边框宽度

import numpy as np
import matplotlib.pyplot as pltsize=100 
x=np.random.uniform(size=size)
y=np.random.uniform(size=size)
s=np.random.uniform(5,400,size=size)  #点大小
c=np.random.uniform(size=size)  #点颜色
lw=np.random.uniform(1,4,size=size)  #边框宽度plt.figure()  #新建一个图像窗口plt.subplot(1,2,1)  #使用第1个窗格
plt.scatter(x,y,s=s,c=c,alpha=0.5,linewidths=lw,edgecolors='m')  #绘制散点图plt.subplot(1,2,2)  #使用第2个窗格
plt.scatter(x,y,s=s,c=c,cmap='rainbow',alpha=0.5)  #绘制散点图

cmap 为颜色图谱，取值如下：（见cmap设置颜色的参数）

1.3 图像修饰

figure( num, figsize, dpi )：新建一个空白图像窗口，num为窗口名字，figsize为窗口尺寸，dpi为分辨率
title( )：标题
xlabel( )：x轴标签
ylabel( )：y轴标签
xlim( xmin, xmax )：x轴图像显示范围
ylim( ymin, ymax )：y轴图像显示范围
axis( xmin, xmax, ymin, ymax )：设置x轴和y轴显示范围
xticks( ticks, labels )：x轴刻度标记，ticks为需要标记的坐标，labels为对应ticks的标签
yticks( )：y轴刻度标记，ticks为需要标记的坐标，labels为对应ticks的标签
vlines( x, ymin, ymax, colors=‘k’, linestyles=‘solid’, label=‘’ )：绘制垂直分割线
hlines( y, xmin, xmax, colors=‘k’, linestyles=‘solid’, label=‘’ )：绘制水平分割线
text( x, y, s )：说明文字，(x,y)为文字显示位置，s为文字内容
subplot( rows, cols, num )：多窗格绘图，rows表示行数，cols表示列数，num表示窗格序号
legend( labels )：显示图例，labels为各曲线的图例标签列表，若在plot()中已给标签，这里可以省略参数
grid()：显示网格
show( )：显示图像
savefig( name, dpi )：保存图片，默认以png格式保存，dpi为分辨率
gca( )：获取坐标轴(axis)对象

这里仅介绍 xticks() 的用法：

import numpy as np
import matplotlib.pyplot as pltx=np.arange(0,15.7,0.1)
y=np.sin(x)plt.figure()  #新建一个图像窗口
plt.plot(x,y,'r.')  #绘图ticks=np.arange(0,6)*np.pi
labels=['0π','1π','2π','3π','4π','5π']
plt.xticks(ticks,labels)  #x轴示数标记
plt.grid()  #显示网格

1.4 坐标轴控制

1.4.1 坐标轴刻度间隔

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocatorx=np.arange(0,15.7,0.1)
y=np.sin(x)plt.figure()  #新建一个图像窗口
plt.plot(x,y,'r.')  #绘图ax=plt.gca()  #获取坐标轴(axis)对象
ax.xaxis.set_major_locator(MultipleLocator(3.14))  #设置x轴示数间隔
plt.grid()  #显示网格

可以看到，x 轴刻度为 3.14

1.4.2 坐标轴刻度格式

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FormatStrFormatterx=np.arange(0,15.7,0.1)
y=np.sin(x)plt.figure()  #新建一个图像窗口
plt.plot(x,y,'r.')  #绘图ax=plt.gca()  #获取坐标轴(axis)对象
ax.yaxis.set_major_formatter(FormatStrFormatter('%.1f'))  #设置y轴示数格式
plt.grid()

可以看到，y 轴刻度只显示1位小数。此方法也可以避免坐标轴示数有时候自动变成+e**的情况发生。

2 三维图像

2.1 三维坐标轴对象（`Axes3D`）

在绘制三维图像时，需要先创建三维坐标轴对象 Axes3D ，创建方法主要有以下2种：

方法一：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D  #虽然没有明确调用 Axes3D，也不能省略，否则会报错fig=plt.figure()  #创建一个图像窗口
ax=plt.axes(projection='3d')  #创建三维坐标轴对象

方法二：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3Dfig=plt.figure()  #创建一个图像窗口
ax=Axes3D(fig)  #创建三维坐标轴对象

运行代码，可以看到创建了一个空的三维图像窗口，如下：

多窗格绘图：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D  #虽然没有明确调用 Axes3D，也不能省略，否则会报错fig=plt.figure()  #创建一个图像窗口
ax=fig.add_subplot(rows,cols,num,projection='3d')  #添加一个三维子图

2.2 三维曲线

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3Dt=np.linspace(0,20,70)  #参数，生成[0,20]之间70个点
x=np.sin(t)
y=np.cos(t)
z=2*tfig=plt.figure()  #创建一个图像窗口
ax=Axes3D(fig)  #创建三维坐标轴对象ax.plot(x,y,z,'r*-')  #绘制3维曲线

2.3 三维散点图

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3Dsize=150  #点个数
x=np.random.randint(0,30,size)
y=np.random.randint(0,30,size)
z=np.random.randint(0,30,size)fig=plt.figure()  #创建一个图像窗口
ax=Axes3D(fig)  #创建三维坐标轴对象s=np.random.randint(0,200,size)  #点大小
c=np.random.randint(0,256,size)  #点颜色
ax.scatter(x,y,z,s=s,c=c,alpha=0.8)  #绘制3维散点图

2.4 三维曲面

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3Dx=np.linspace(0,10,50)
y=np.linspace(0,9,45)
X,Y=np.meshgrid(x,y)  #生成格点，并将所有格点的x轴值和y轴值分别保存到 X 和 Y 中，X 和 Y 的维度：(45,50)
Z=np.sin(X)+np.cos(Y)  #每个格点对应的函数值，维度：(45,50)fig=plt.figure()  #创建一个图像窗口ax=fig.add_subplot(1,2,1,projection='3d')  #添加一个三维子图
ax.plot_surface(X,Y,Z,cmap='hot')  #绘制三维曲面，cmap为颜色图谱ax=fig.add_subplot(1,2,2,projection='3d')  #添加一个三维子图
ax.plot_surface(X,Y,Z,cmap='rainbow')  #绘制三维曲面，cmap为颜色图谱