Matplotlib 绘图实用大全

本文只介绍最简单基本的画图方法

预设

要想画出来的图有些逼格，首先应该进行如下设置

plt.rcParams['font.sans-serif']=['SimHei']    #画图时显示中文字体
plt.rcParams['axes.unicode_minus'] = False     #防止因修改成中文字符，导致某些 unicode 字符不能显示
plt.subplots_adjust(left=None, bottom=None, right=None, top=None,
                wspace=0.3)    #设置制子图之间的左右间距，left 等是设置画图区域与画布之间的间
 
font1 = {'family' : 'SimHei',
'weight' : 'normal',
'size'   : 15,
}   #设置图例（legend）文字的格式的

绘制多幅图

基本格式：

fig = plt.figure(figsize=())
ax1 = plt.subplot(m,n,1)  #m 为行、n为列、1 为图序
plt.plot(xxxxx)

ax2 = plt.subplot(m,n,2)
plt.plot(xxxx)

......
示例如下：
```python
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,2*np.pi,100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = x+1

fig = plt.figure(figsize=(12,4))  #宽度、高度
ax1 = plt.subplot(1,3,1)
plt.plot(x,y1,linewidth=1.5,color='c',label=r'$y_1$',marker='o',markersize=4)
plt.xlabel('x',fontsize=24)
plt.ylabel(r'$y_1$',fontsize=24)
plt.ylim([-1,1])
plt.xlim([0,2*np.pi])
plt.legend(prop=font1,loc='best')
plt.grid()


ax2 = plt.subplot(1,3,2)
plt.plot(x,y2,linewidth=3,color='r',label=r'$y_2$',linestyle='-.')
plt.xlabel('x',fontsize=24)
plt.ylabel(r'$y_2$',fontsize=24)
plt.ylim([-1,1])
plt.xlim([0,2*np.pi])
plt.legend(prop=font1,loc='best')
plt.grid()


ax3 = plt.subplot(1,3,3)
plt.plot(x,y3,linewidth=1.5,color='b',label=r'$y_3$',linestyle='--')
plt.xlabel('x',fontsize=24)
plt.ylabel(r'$y_3$',fontsize=24)
plt.legend(prop=font1,loc='best')
plt.grid()

另外。plt.title 也可以设图片的标题，子图的标题也行

画骨骼图

先看效果：

这里要用 axe 来画图，而不能直接用 plt，代码如下：

def sigmoid(x):
    return 1./(1.+np.exp(-x))

def relu(x):
    return np.where(x<0,0,x)

def tanh(x):
    return 2*sigmoid(2*x)-1

font1 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 14,
}


def plot_tran_fun():   
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
     
    fig = plt.figure(figsize=(8,6))
    ax1 = plt.subplot(2,2,1)
     
    x = np.arange(-10, 10)
    y = sigmoid(x)
    ax.spines['top'].set_color('none')
    ax.spines['right'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.spines['bottom'].set_position(('data',0))
    ax.set_xticks([-10,-5,0,5,10])
    ax.yaxis.set_ticks_position('left')
    ax.spines['left'].set_position(('data',0))
    ax.plot(x,y,label="Sigmoid",color = "blue")
    plt.legend(prop=font1,loc='lower right')
#    plt.show()
#
#    
    ax2 = plt.subplot(2,2,2)
    x = np.arange(-10, 10)
    y = tanh(x)
    ax.spines['top'].set_color('none')
    ax.spines['right'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.spines['bottom'].set_position(('data',0))
    ax.set_xticks([-10,-5,0,5,10])
    ax.yaxis.set_ticks_position('left')
    ax.spines['left'].set_position(('data',0))
    ax.plot(x,y,label="Tanh",color = "blue")
    plt.legend(prop=font1)
#    ax.show()   
#    
    ax = fig.add_subplot(223)
#     
    x = np.arange(-10, 10)
    y = relu(x)
    ax.spines['top'].set_color('none')
    ax.spines['right'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.spines['bottom'].set_position(('data',0))
    ax.set_xticks([-10,-5,0,5,10])
    ax.yaxis.set_ticks_position('left')
    ax.spines['left'].set_position(('data',0))
    ax.plot(x,y,label="ReLU",color = "blue")
    plt.legend(prop=font1)     
#    
    ax = fig.add_subplot(224)
#     
    x = np.arange(-10, 10)
    y = x
    ax.spines['top'].set_color('none')
    ax.spines['right'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.spines['bottom'].set_position(('data',0))
    ax.set_xticks([-10,-5,0,5,10])
    ax.yaxis.set_ticks_position('left')
    ax.spines['left'].set_position(('data',0))
    ax.plot(x,y,label="Linear",color = "blue")
    plt.legend(prop=font1)
     
    
plot_tran_fun()

其他画图

画出包围部分

一般用在画积分面积的时候，代码如下：

fig = plt.figure(figsize=(6,4))
plt.plot(x,y1,x,y2)
plt.fill_between(x,y1,y2,facecolor='k',alpha=0.2)
plt.text(1.5,0,'包围部分',fontsize=20)
plt.title('画出包围部分',fontsize=16)

散点图

plt.scatter(x,y,s=None,c=None,marker=None,alpha=None)

其中 s 为每一个点的大小，若传入的是一个列表或者 array，则array匹配每一个点的大小； c 表示点的颜色，若传入的是列表或者 array，则匹配每一个点的颜色

from sklearn.datasets import make_gaussian_quantiles  
X, y = make_gaussian_quantiles(n_samples=300,n_features=2, n_classes=2)  #产生数据集
X0 = X[y.ravel()==0]
plt.scatter(X0[:, 0], X0[:, 1], marker='o')  
X1 = X[y.ravel()==1]
plt.scatter(X1[:, 0], X1[:, 1], marker='x') 

柱状图

plt.bar(x,height,width,color)
其中 height 是柱状图的高度，即 y；

x = np.arange(10)
y1 = np.random.randn(10)
y2 = np.random.randn(10)
fig = plt.figure(figsize=(6,4))
plt.bar(x,y1,width=0.35,color='g')
plt.bar(x+0.35,y2,width=0.35,color='b')
plt.xlabel('x',fontsize=16)
plt.ylabel('y',fontsize=16)

饼状图

plt.pie(x,labels=None,explode=None,colors=None,autopct=None)
其中：x 为待表示数据；label 接受一个 array，分别对应 x 的标签，explode 接受 array，表示饼状图离圆心的距离（用半径的百分比表示）；colors 可以接受 array，表示每一个饼的颜色，autopct 是设置比例的表示方法，如 %1.1f %%（第二个 % 是为了转意）

x = [15,20,30,40]
explode = [0.05]*len(x)
autopct = '%1.1f %%'
labels = ['one','two','three','four']
fig = plt.figure(figsize=(6,4))
patches,l_text,p_text = plt.pie(x,labels=labels,explode=explode,autopct=autopct)
#l_text,p_text 是为了设置饼状图的文本。l_text 是labels的文本，p_text 是图内部的文本（比例）
for t in l_text:
    t.set_size(30)
for t in p_text:
    t.set_size(20)

箱型图

plt.boxplot(df,sym,meanline)
df：为箱型图绘制的数据，以列为单位进行绘制
sym：为异常点的形状
meanline：是否展示平均线

import pandas as pd
df = pd.DataFrame(np.random.randn(5,4),columns=['A','B','C','D'])
fig = plt.figure(figsize=(6,4))
plt.boxplot(df,sym='o',meanline=True)

若要设置 xticks，则需要用到 ax，如下：

df = pd.DataFrame(np.random.randn(5,4),columns=['A','B','C','D'])
fig = plt.figure(figsize=(6,4))
ax = plt.subplot()

ax.boxplot(df,sym='o')
ax.set_xticklabels(['A','B','C','D'])

频率直方图

import pandas as pd
x = np.random.normal(0,1,size=(100))
fig = plt.figure(figsize=(6,4))
bin_num = 10
plt.hist(x,bin_num)

本文地址：https://blog.csdn.net/weixin_42141390/article/details/110436069