Skip to content

matplotlib

第一张图片

import matplotlib.pyplot as plt

# 定义 x 和 y 坐标数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

# 创建一个新的图形窗口，并设置大小
plt.figure(figsize=(8, 5))

# 绘制线图
plt.plot(x, y)
plt.plot([1,2,43,32])
# 多次使用plot便可以绘制多条折线


# 设置 x 和 y 轴标签
plt.xlabel('X')
plt.ylabel('Y')

# 设置图形标题
plt.title('My First Plot')

# 显示图形
plt.show()

线条

颜色(color)

matplotlib提供了多种线条颜色的选择，包括以下几种种类：

  1. 单字符表示颜色：'b'代表蓝色，'g'代表绿色，'r'代表红色，'c'代表青色，'m'代表洋红色，'y'代表黄色，'k'代表黑色，'w'代表白色。

  2. HTML颜色代码表示颜色：可以使用HTML颜色代码来指定线条的颜色，比如'#FF0000'代表红色。

  3. RGB元组表示颜色：可以使用一个包含三个元素的元组来指定线条的颜色，每个元素的取值范围是0到1，分别代表红、绿、蓝三个通道的亮度。例如(1, 0, 0)表示红色。

  4. 颜色缩写：可以使用一些常用的缩写来表示颜色，比如'blue'代表蓝色，'green'代表绿色，'red'代表红色，'cyan'代表青色，'magenta'代表洋红色，'yellow'代表黄色，'black'代表黑色，'white'代表白色。

另外，还可以使用alpha参数来指定线条的透明度，取值范围是0到1，其中0表示完全透明，1表示完全不透明。

线条种类(linestyle)

线型 描述
: ------ : : -------------- :
'-' 实线
'--' 虚线
'-.' 点划线
':' 点线
'None' 无线
' ' 无线
'' 无线
'.' 点标记
',' 像素标记
'o' 圆形标记
'v' 朝下三角形标记
'^' 朝上三角形标记
'<' 朝左三角形标记
'>' 朝右三角形标记
'1' 倒三角形标记
'2' 正三角形标记
'3' 左三角形标记
'4' 右三角形标记
's' 正方形标记
'p' 五边形标记
'*' 星形标记
'h' 六边形1标记
'H' 六边形2标记
'+' 加号标记
'x' X形标记
'D' 菱形标记
'd' 细菱形标记
'|' 垂直线标记
'_' 水平线标记

线条位置

在matplotlib中，可以通过设置线条的位置来控制线条在图中的位置。

具体的方法有以下几种：

  1. 使用axhline()和axvline()函数绘制水平线和垂直线。这些函数接受一个参数y或x，用于指定线条的位置。例如，axhline(y=0.5)表示绘制一条位于y轴0.5位置的水平线。

  2. 使用ax.axline()函数绘制直线。该函数接受两个参数slope和intercept，用于指定直线的斜率和截距。例如，ax.axline(slope=0.5, intercept=0.2)表示绘制一条斜率为0.5，截距为0.2的直线。

  3. 使用ax.plot()函数绘制曲线。在绘制曲线时，可以通过调整曲线数据的位置来控制线条的位置。例如，通过将y轴的数据向上或向下平移，可以改变曲线在图中的位置。

多个坐标系-多个图

# 创建第一个坐标系，并绘制图形
plt.subplot(2, 2, 1)  # 创建2行2列的坐标系，选择第1个坐标系
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])  # 绘制图形

# 创建第二个坐标系，并绘制图形
plt.subplot(2, 2, 2)  # 创建2行2列的坐标系，选择第2个坐标系
plt.plot([1, 2, 3, 4], [1, 8, 27, 64])  # 绘制图形

# 创建第三个坐标系，并绘制图形
plt.subplot(2, 2, 3)  # 创建2行2列的坐标系，选择第3个坐标系
plt.plot([1, 2, 3, 4], [1, 10, 100, 1000])  # 绘制图形

# 创建第四个坐标系，并绘制图形
plt.subplot(2, 2, 4)  # 创建2行2列的坐标系，选择第4个坐标系
plt.plot([1, 2, 3, 4], [1, 2, 3, 4])  # 绘制图形

# 显示图形
plt.show()

绘制不同类型的图像

  1. plot(): 绘制==线型==图，可以用来绘制折线图、曲线图等。
  2. scatter(): 绘制==散点==图，可以用来展示两个变量之间的关系。
  3. bar(): 绘制条形图，可以用来比较不同类别或不同时间点的数据。
  4. hist(): 绘制直方图，可以用来展示数据的分布情况。
  5. boxplot(): 绘制箱线图，可以用来展示数据的中位数、四分位数等统计信息。
  6. pie(): 绘制饼图，可以用来展示数据的占比情况。
  7. heatmap(): 绘制热力图，可以用来展示数据的相关性或密度分布情况。
  8. contour(): 绘制等高线图，可以用来展示二维数据的等值线。
  9. imshow(): 绘制图像，可以用来展示二维数据的图像。
  10. subplot(): 绘制多个子图，可以在一个图中同时展示多个图形。

实时更新的图像

Todo: