Matplotlib 绘图艺术:从新手到高手的全面指南

引言

在数据科学和机器学习领域,数据可视化是一项至关重要的技能。一个优秀的可视化图表可以直观地展示数据的内在规律,帮助我们更好地理解数据,并做出更明智的决策。而在众多的绘图库中,Matplotlib 是 Python 中最强大、最灵活的绘图工具之一。无论你是数据科学家、工程师还是研究人员,掌握 Matplotlib 的基本绘图技巧都是必不可少的。

本文将带你从零开始,逐步了解 Matplotlib 的核心概念、基本语法,并通过丰富的实例和实战案例,帮助你快速上手并精通 Matplotlib 的基本绘图技术。无论你是初学者还是有经验的开发者,都能在这篇文章中找到有价值的内容。

基础语法介绍

什么是 Matplotlib?

Matplotlib 是一个用于创建高质量图表和图形的 Python 库。它最初由 John D. Hunter 在 2002 年开发,旨在为 Python 提供一个类似于 MATLAB 的绘图接口。经过多年的不断发展和完善,Matplotlib 已经成为 Python 生态系统中最受欢迎的绘图库之一。

核心概念

在使用 Matplotlib 进行绘图时,有几个核心概念需要了解:

  • Figure:整个绘图区域,可以包含一个或多个子图(Axes)。
  • Axes:具体的绘图区域,每个 Axes 对象可以包含多个绘图元素,如线条、标签、图例等。
  • Axis:坐标轴,负责绘制刻度和标签。
  • Artist:所有可见的绘图元素,如线条、文本、图例等,都是 Artist 的子类。

基本语法规则

Matplotlib 提供了两种主要的绘图方式:面向对象的方式pyplot 接口。面向对象的方式更加灵活和强大,而 pyplot 接口则更加简洁易用。

面向对象的方式
import matplotlib.pyplot as plt
import numpy as np# 创建一个 Figure 对象和一个 Axes 对象
fig, ax = plt.subplots()# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 绘制图形
ax.plot(x, y)
ax.set_title('Sine Wave')
ax.set_xlabel('Time (s)')
ax.set_ylabel('Amplitude')# 显示图形
plt.show()
pyplot 接口
import matplotlib.pyplot as plt
import numpy as np# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 绘制图形
plt.plot(x, y)
plt.title('Sine Wave')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')# 显示图形
plt.show()

基础实例

问题描述

假设我们有一组时间序列数据,表示某个传感器在一段时间内的温度变化。我们希望绘制这组数据的折线图,以便直观地观察温度的变化趋势。

代码示例

import matplotlib.pyplot as plt
import numpy as np# 生成数据
time = np.linspace(0, 24, 100)  # 一天的时间,单位为小时
temperature = 20 + 10 * np.sin(np.pi * time / 12)  # 模拟温度变化# 绘制图形
plt.figure(figsize=(10, 6))
plt.plot(time, temperature, label='Temperature', color='blue', linestyle='-', marker='o', markersize=5)
plt.title('Temperature Change Over Time')
plt.xlabel('Time (hours)')
plt.ylabel('Temperature (°C)')
plt.legend()
plt.grid(True)
plt.show()

代码解释

  • np.linspace(0, 24, 100):生成从 0 到 24 小时的 100 个等间距时间点。
  • 20 + 10 * np.sin(np.pi * time / 12):模拟温度变化,假设温度在一天内周期性变化。
  • plt.figure(figsize=(10, 6)):创建一个新的 Figure 对象,并设置其大小为 10 英寸宽、6 英寸高。
  • plt.plot(time, temperature, label='Temperature', color='blue', linestyle='-', marker='o', markersize=5):绘制折线图,设置标签、颜色、线型、标记和标记大小。
  • plt.title('Temperature Change Over Time'):设置图形的标题。
  • plt.xlabel('Time (hours)')plt.ylabel('Temperature (°C)'):设置 x 轴和 y 轴的标签。
  • plt.legend():显示图例。
  • plt.grid(True):显示网格线。
  • plt.show():显示图形。

进阶实例

问题描述

假设我们有一个包含多个变量的数据集,我们希望在一个图形中同时绘制这些变量的变化趋势,并添加图例和注释,以便更好地解释数据。

高级代码实例

import matplotlib.pyplot as plt
import numpy as np# 生成数据
time = np.linspace(0, 24, 100)  # 一天的时间,单位为小时
temperature = 20 + 10 * np.sin(np.pi * time / 12)  # 温度变化
humidity = 50 + 20 * np.cos(np.pi * time / 12)  # 湿度变化# 绘制图形
plt.figure(figsize=(12, 8))# 绘制温度曲线
plt.plot(time, temperature, label='Temperature', color='blue', linestyle='-', marker='o', markersize=5)# 绘制湿度曲线
plt.plot(time, humidity, label='Humidity', color='green', linestyle='--', marker='x', markersize=7)# 添加注释
plt.annotate('Highest Temperature', xy=(12, 30), xytext=(15, 35),arrowprops=dict(facecolor='black', shrink=0.05))# 设置图形属性
plt.title('Temperature and Humidity Change Over Time')
plt.xlabel('Time (hours)')
plt.ylabel('Value')
plt.legend()
plt.grid(True)# 显示图形
plt.show()

代码解释

  • plt.plot(time, humidity, label='Humidity', color='green', linestyle='--', marker='x', markersize=7):绘制湿度曲线,设置标签、颜色、线型、标记和标记大小。
  • plt.annotate('Highest Temperature', xy=(12, 30), xytext=(15, 35), arrowprops=dict(facecolor='black', shrink=0.05)):在图形中添加注释,指向最高温度点。
  • 其他部分与基础实例类似,不再赘述。

实战案例

问题描述

假设我们在一个电商平台上收集了一段时间内的用户购买数据,包括用户的购买时间和购买金额。我们希望分析用户的购买行为,并绘制出每日购买金额的分布图,以便更好地了解用户的购买习惯。

解决方案

我们可以使用 Matplotlib 绘制柱状图来展示每日购买金额的分布情况。通过这种方式,我们可以直观地看到哪些日子的购买金额较高,从而为营销策略提供依据。

代码实现

import matplotlib.pyplot as plt
import pandas as pd# 读取数据
data = pd.read_csv('user_purchases.csv')# 数据预处理
data['date'] = pd.to_datetime(data['purchase_time']).dt.date
daily_purchases = data.groupby('date')['amount'].sum()# 绘制柱状图
plt.figure(figsize=(12, 6))
plt.bar(daily_purchases.index, daily_purchases.values, color='skyblue')# 设置图形属性
plt.title('Daily Purchase Amount Distribution')
plt.xlabel('Date')
plt.ylabel('Purchase Amount ($)')
plt.xticks(rotation=45)
plt.tight_layout()# 显示图形
plt.show()

代码解释

  • pd.read_csv('user_purchases.csv'):读取用户购买数据。
  • data['date'] = pd.to_datetime(data['purchase_time']).dt.date:将购买时间转换为日期格式。
  • daily_purchases = data.groupby('date')['amount'].sum():按日期分组,计算每日购买金额的总和。
  • plt.bar(daily_purchases.index, daily_purchases.values, color='skyblue'):绘制柱状图,设置颜色。
  • plt.xticks(rotation=45):旋转 x 轴标签,防止重叠。
  • plt.tight_layout():自动调整布局,使图形更美观。

扩展讨论

自定义样式

Matplotlib 提供了丰富的自定义选项,可以通过 rcParams 来全局设置图形的样式。例如,可以设置默认的字体、颜色、线宽等。

import matplotlib.pyplot as plt# 设置全局样式
plt.rcParams['font.size'] = 14
plt.rcParams['lines.linewidth'] = 2
plt.rcParams['axes.labelsize'] = 16
plt.rcParams['axes.titlesize'] = 18
plt.rcParams['xtick.labelsize'] = 14
plt.rcParams['ytick.labelsize'] = 14# 绘制图形
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]plt.plot(x, y)
plt.title('Customized Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

保存图形

除了在屏幕上显示图形外,Matplotlib 还支持将图形保存为多种格式的文件,如 PNG、PDF、SVG 等。

import matplotlib.pyplot as plt# 绘制图形
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]plt.plot(x, y)
plt.title('Saved Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')# 保存图形
plt.savefig('saved_plot.png', dpi=300)

动态更新图形

在某些应用场景中,我们可能需要实时更新图形,例如监控系统的状态。Matplotlib 提供了 FuncAnimation 类来实现动态更新图形。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation# 初始化数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 创建图形
fig, ax = plt.subplots()
line, = ax.plot(x, y)# 更新函数
def update(frame):line.set_ydata(np.sin(x + frame / 10.0))return line,# 创建动画
ani = FuncAnimation(fig, update, frames=np.arange(0, 100), blit=True)# 显示图形
plt.show()

总结

通过本文的介绍,相信你已经对 Matplotlib 的基本绘图有了较为全面的了解。无论是简单的折线图、柱状图,还是复杂的动态图形,Matplotlib 都能为你提供强大的支持。

如果你有任何疑问或建议,欢迎在评论区留言交流。祝你在数据可视化的道路上越走越远!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/59701.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【大语言模型】ACL2024论文-07 BitDistiller: 释放亚4比特大型语言模型的潜力通过自蒸馏

【大语言模型】ACL2024论文-07 BitDistiller: 释放亚4比特大型语言模型的潜力通过自蒸馏 目录 文章目录 【大语言模型】ACL2024论文-07 BitDistiller: 释放亚4比特大型语言模型的潜力通过自蒸馏目录摘要研究背景问题与挑战如何解决创新点算法模型实验效果代码推荐阅读指数&…

RocketMQ部署教程

拉取 RocketMQ 镜像: 首先,从 Docker Hub 获取最新的 RocketMQ 镜像: docker pull apache/rocketmq:latest创建 Docker 网络: 为了使各容器之间能够通信,创建一个名为 rocketmq 的网络: docker network cre…

ORACLE批量插入更新如何拆分大事务?

拆分大事务 一、批量插入更新二、拆分事务之前文章MYSQL批量插入更新如何拆分大事务?说明了Mysql如何拆分,本篇文章探讨Oracle或OceanBase批量插入更新拆分大事务的问题 一、批量插入更新 oracle批量插入更新可使用merge语法eg: merge test ausing test_tmp bon (a.id = b.id…

鸿蒙next打包流程

目录 下载团结引擎 添加开源鸿蒙打包支持 打包报错 路径问题 安装DevEcoStudio 可以在DevEcoStudio进行打包hap和app 包结构 没法直接用previewer运行 真机运行和测试需要配置签名,DevEcoStudio可以自动配置, 模拟器安装hap提示报错 安装成功,但无法打开 团结1.3版本新增工具…

chatgpt3.5权重参数有多少MB;llama7B权重参数有多少MB

目录 chatgpt3.5权重参数有多少MB llama7B权重参数有多少MB chatgpt3.5权重参数有多少MB 关于ChatGPT 3.5的权重参数占用的存储空间大小,虽然直接给出具体的MB数值可能较为困难(因为这取决于多种因素,如参数表示的精度、是否进行了压缩等),但可以根据其参数量来估算一个…

基于Jeecgboot3.6.3vue3的flowable流程online表单的审批使用介绍

更多技术支持与服务请加入我的知识星球或加我微信,名称:亿事达nbcio技术交流社区https://t.zsxq.com/iPi8F 今天介绍一下基于jeecgboot3.6.3的flowable流程使用online表单进行审批的情况 1、首先建立一个online应用类型的流程,如下: 2、进行…

【LeetCode】【算法】238. 除自身以外数组的乘积

LeetCode 238. 除自身以外数组的乘积 题目描述 给你一个整数数组 nums,返回 数组 answer ,其中 answer[i] 等于 nums 中除 nums[i] 之外其余各元素的乘积 。 题目数据保证数组 nums之中任意元素的全部前缀元素和后缀的乘积都在 32 位整数范围内。 请不…

如何构建一个可扩展的测试自动化框架?

以下为作者观点: 假设你是测试自动化方面的新手,想参与构建一个框架。在这种情况下,重要的是要了解框架所需的组件,以及它们是如何组合的。思考项目的具体需求和目标,以及可能遇到的困难和挑战。 假如你是一个测试架…

实战:索引的命中机制

在 SQL Server 中,查询是否能命中索引(即是否能使用 Index Seek)取决于多个因素,包括索引的结构、查询条件的排列、和数据库优化器的策略。以下是一些常见的命中索引和不能命中索引的情况,及其详细解释: 一、命中索引的情况 1. 前导列匹配(典型的命中索引场景) 索引结…

使用Docker快速部署FastAPI Web应用

Docker是基于 Linux 内核的cgroup、namespace以及 AUFS 类的Union FS 等技术,对进程进行封装隔离,一种操作系统层面的虚拟化技术。Docker中每个容器都基于镜像Image运行,镜像是容器的只读模板,容器是模板的一个实例。镜像是分层结…

C++【string类,模拟实现string类】

🌟个人主页:落叶 🌟当前专栏: C专栏 目录 为什么学习string类 C语言中的字符串 标准库中的string类 auto和范围for auto关键字 迭代器 范围for string类的常用接口说明和使用 1. string类对象的常见构造 2.string类对象的容量操作 3…

android——jetpack startup初始化框架

一、jetpack startup Android Jetpack Startup是一个库,它简化了Android应用启动过程,尤其是对于那些需要处理复杂数据绑定和初始化逻辑的应用。它的核心在于提供了一个StartupComponent,用于声明应用的初始化逻辑,这个逻辑会在首…

A019基于SpringBoot的校园闲置物品交易系统

🙊作者简介:在校研究生,拥有计算机专业的研究生开发团队,分享技术代码帮助学生学习,独立完成自己的网站项目。 代码可以查看文章末尾⬇️联系方式获取,记得注明来意哦~🌹 赠送计算机毕业设计600…

【赵渝强老师】Redis的RDB数据持久化

Redis 是内存数据库,如果不将内存中的数据库状态保存到磁盘,那么一旦服务器进程退出会造成服务器中的数据库状态也会消失。所以 Redis 提供了数据持久化功能。Redis支持两种方式的持久化,一种是RDB方式;另一种是AOF(ap…

Excel:vba实现批量插入图片批注

实现的效果:实现的代码如下: Sub InsertImageNamesAndPictures()Dim PicPath As StringDim PicName As StringDim PicFullPath As StringDim RowNum As IntegerDim Name As StringDim Comment As CommentDim folder As FileDialog 定义文件选择对话框 清…

tomcat启动失败和缓存清理办法

tomcat只在学校接触过并且是在window xp和win7的电脑上配置过(中途升级过电脑系统),只记得在windows系统上可以将其设置成服务管理。但我已毕业10多年了,学的知识早就不知道丢哪里了。这次为了修改一个07,08年的项目&a…

SpringBoot使用ApplicationContext.getBean启动报空指针处理记录

问题:项目启动报空指针 定位:新增filter中init方法使用getbean控制 解决:在新增filter上加注解 DependsOn({"applicationContextUtils"}) Component DependsOn({"applicationContextUtils"})//此处解决空指针问题 pu…

ReactPress:深入解析技术方案设计与源码

ReactPress Github项目地址:https://github.com/fecommunity/reactpress 欢迎提出宝贵的建议,欢迎一起共建,感谢Star。 ReactPress是一个基于React框架开发的开源发布平台,它不仅仅是一个简单的博客系统,更是一个功能全…

华为OD机试真题-用户调度问题-2024年OD统一考试(E卷)

最新华为OD机试考点合集:华为OD机试2024年真题题库(E卷+D卷+C卷)_华为od机试题库-CSDN博客 每一题都含有详细的解题思路和代码注释,精编c++、JAVA、Python三种语言解法。帮助每一位考生轻松、高效刷题。订阅后永久可看,发现新题及时跟新。 题目描述 在通信系统中,一…

Docker 基础命令简介

目录 Docker 基础命令 1. Docker 版本信息 2. 获取 Docker 帮助 3. 列出所有运行中的容器 4. 运行一个新的容器 5. 查看容器日志 6. 停止容器 7. 启动已停止的容器 8. 删除容器 9. 列出所有镜像 10. 拉取镜像 11. 构建镜像 12. 删除镜像 13. 执行命令 14. 查看容…