【Python数据可视化】Matplotlib学习笔记之pyplot(2)
简介：Matplotlib 是一个Python的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形 。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。
编程环境：Python 3.8
pycharm 2017
需要安装的库：numpy，matplotlib
源码链接：python-matplotlib-26个编程实例.rar
接上篇【Python数据可视化】Matplotlib学习笔记之pyplot(1) <<<点此阅读
'''8.面向对象的方法绘图'''
import numpy as np
import matplotlib.pyplot as plt
from pylab import *
'''
1.pyplot 经典高层封装
简单易用，交互使用方便，可以根据命令实时作图
但底层定制能力不强
'''
m=np.arange(0,10,1)
n=np.random.randn(len(m))
plt.plot(m,n)
plt.title('pyplot')
plt.show()
'''
2.pylab 将matplotlib和numpy合并的模块，模拟MATLAB编程环境
完全封装，环境最接近MATLAB，不推荐使用
'''
x=arange(0,10,1)
y=randn(len(x))
plot(x,y)
title('pylab')
show()
'''
3.面向对象的方式，matplotlib的精髓，更基础和底层的方式
（object-oriented），接近matplotlib基础和底层的方式。
难度稍大，但定制能力强。
总结：实战中推荐，总和使用OO和pyplot的方式，显示导入numpy
常用模块导入代码：
import numpy as np
import matplotlib.pyplot as plt
'''
a=np.arange(0,10,1)
b=np.random.randn(len(a))
fig=plt.figure()
ax=fig.add_subplot(111)
l,=plt.plot(a,b)
t=ax.set_title("object-oriented")
plt.show()
python
运行
'''9.使用subplot绘制子图'''
import numpy as np
import matplotlib.pyplot as plt
'''
matplotlib对象简介
FigureCanvas--画布
Figure--------图
Axes----------坐标轴
1. fig=plt.figure()
Figure 实例
可以添加Axes实例
2.ax=fig.add_subplot(111) ----添加子图
返回Axes实例
参数一：子图总行数
参数二：子图总列数
参数三：子图位置
在Figure上添加Axes的常用方法
'''
x=np.arange(1,100)
fig=plt.figure()
ax1=fig.add_subplot(221)
ax2=fig.add_subplot(222)
ax3=fig.add_subplot(223)
ax4=fig.add_subplot(224)
ax1.plot(x,x)
ax2.plot(x,x**2/100)
ax3.plot(x,-x)
ax4.plot(x,np.log(x))
plt.show()
x=np.arange(1,100)
plt.subplot(221)
plt.plot(x,x)
plt.subplot(222)
plt.plot(x,-x)
plt.subplot(223)
plt.plot(x,np.log(x))
plt.subplot(224)
plt.plot(x,x**2)
plt.show()
python
运行
'''10.创建多图'''
import numpy as np
import matplotlib.pyplot as plt
'''创建多个Figure'''
fig1=plt.figure()
ax1=fig1.add_subplot(111)
ax1.plot([1,2,3],[3,2,1])
fig2=plt.figure()
ax2=fig2.add_subplot(111)
ax2.plot([1,2,3],[1,2,3])
plt.show()
'''11.添加网格'''
import numpy as np
import matplotlib.pyplot as plt
'''plt封装方式'''
y=np.arange(1,5)
plt.plot(y,y*2,'r')
plt.grid(True)
plt.title('plt')
plt.grid(color='k',linewidth='0.5',linestyle='-.')
plt.show()
'''面向对象'''
x=np.arange(0,10,1)
fig=plt.figure(figsize=(16,8),dpi=128)
ax=fig.add_subplot(111)
plt.plot(x,x**2,'c')
ax.grid(color='g',linewidth='0.5',linestyle='--')
plt.show()
python
运行
'''12.添加图例legend'''
import numpy as np
import matplotlib.pyplot as plt
'''plt方式'''
x=np.arange(1,11,1)
plt.plot(x,x*2,label='Normal')
plt.plot(x,x*3,label='Fast')
plt.plot(x,x*4,label='Faster')
plt.legend(loc=0,ncol=2)
'''显示图例 loc 位置 0 best
1 upper right
2 upper left
3 lower left
4 lower right
5 right
6 center left
7 center right
8 lower center
9 upper center
10 center
ncol 图例列数
'''
plt.legend(['A','B','C'])
plt.show()
'''面向对象'''
fig=plt.figure()
ax=fig.add_subplot(111)
l,=plt.plot(x,x)
'''1.使用ax绘图例'''
'''2.1使用set_label绘制图例
2.2 set后显示图例'''
'''3.直接在plot里绘制图例'''
l,=plt.plot(x,x**2,label='label via plot')
ax.legend()
plt.show()
python
运行
接下篇【Python数据可视化】Matplotlib学习笔记之pyplot(3) <<<点此阅读
相关知识
【Python数据可视化】Matplotlib学习笔记之pyplot(2)
【Python数据可视化秘籍】：Matplotlib和Seaborn图表绘制高级技巧
Python数据分析数据可视化
python之数据分析Matplotlib
Python可视化实战：使用Matplotlib创建精美图表
Python中的数据可视化：Matplotlib基础与高级技巧
Python优雅地可视化数据
Python中的数据可视化：使用Matplotlib创建交互式图表
python之sklearn
Python 教程：浏览并可视化数据
网址: 【Python数据可视化】Matplotlib学习笔记之pyplot(2) https://m.huajiangbk.com/newsview2500233.html
| 上一篇: 是工具更是艺术：8个数据可视化交 |
下一篇: 花了几十万开发的数据可视化大屏， |
