matplotlib

from birthday import get_p
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()

m = 2000
n = [i for i in range(100)]
q = [get_p(m, i) for i in n]

plt.plot(n, q)
plt.xlabel("student number")
plt.ylabel("probability")
plt.legend()

plt.savefig(fname='pic.png')
plt.show()

创建图片与子图

若不创建实例，一切对象名均使用plt！

导入

import matplotlib.pyplot as plt

层次

• Figure：面板(图)，matplotlib 中的所有图像都是位于 figure 对象中，一个图像只能有一个 figure 对象。

• Subplot：子图，figure 对象下创建一个或多个 subplot 对象(即 axes)用于绘制图像。

创建图片

fig = plt.figure()

plt.figure()返回 figure 实例

一个空白的绘图窗口就会出现

重要参数

• num：新图的编号，默认递增

• figsize：宽度，高度，以英寸为单位

• dpi：分辨率，整数

• facecolor：背景颜色

• edgecolor：边框颜色

• frameon：若为 False，则没有边框

• clear：若为 True，如果图的编号已存在则先清除

创建子图

.add_subplot()

ax1 = fig.add_subplot(2, 2, 1)
#将fig分割成2行3列，画出并返回序号1的子图
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
#注意，此时fig上只有3张子图，其他子图没有被初始化

fig.add_subplot(nrows, ncols, index)以图片作为对象，返回 Axes 实例

你可以直接在其他空白的子图上调用 Axes 对象的实例方法进行绘图

plt.subplots()

使用子图网格创建图片是非常常见的任务，所以 matplotlib 包含了一个便捷方法 plt.subplots，它创建一个新的图片，然后返回包含了已生成子图对象的 NumPy 数组：

fig, axes = plt.subplots(2, 3)

API

plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

返回 figure 实例和子图数组

参数

• nrows，ncols：子图的行列数
• sharex, sharey
  • 设置为 True 或者 ‘all’ 时，所有子图共享 x 轴或者 y 轴，
  • 设置为 False or ‘none’ 时，所有子图的 x，y 轴均为独立，
  • 设置为 ‘row’ 时，每一行的子图会共享 x 或者 y 轴，
  • 设置为 ‘col’ 时，每一列的子图会共享 x 或者 y 轴。
• squeeze：设置返回的子图对象的数组格式。
  • 当为 False 时，不论返回的子图是只有一个还是只有一行，都会用二维数组格式返回他的对象。
  • 当为 True 时，如果子图只有一个，则返回的子图对象是标量形式，如果子图有（N×1）或（1×N）个，则返回的子图对象是一维数组，如果是（N×M）则返回二维数组。
• subplot_kw：字典格式，传递给 add_subplot()，用于创建子图
• gridspec_kw：字典格式，传递给GridSpec的构造函数，用于创建子图所摆放的网格。
• **fig_kw ：所有其他关键字参数都传递给 figure()调用。

格式

#单行单列，按照一维数组来表示
ax = fig.subplots(2,1)    	# 2*1
ax[0].plot([1,2], [3,4])	# 第一个图
ax[1].plot([1,2], [3,4])	# 第二个图

#多行多列，按照二维数组来表示
ax = fig.subplots(2,2)    	# 2*2
ax[0,1].plot([1,2], [3,4])	# 第一个图
ax[0,1].plot([1,2], [3,4])	# 第二个图
ax[1,0].plot([1,2], [3,4])	# 第三个图
ax[1,1].plot([1,2], [3,4])	# 第四个图

数组 axes 可以像二维数组那样方便地进行索引，例如，axes[0，1]

调整子图周围的间距

默认情况下，matplotlib 会在子图的外部和子图之间留出一定的间距。这个间距都是相对于图的高度和宽度来指定的，所以如果你通过编程或手动使用 GUI 窗口来调整图的大小，那么图就会自动调整。

可以使用图对象上的plt.subplots_adjust方法更改间距

plt.subplots_adjust(wspace=1,hspace=0)

API

plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

参数

• left, right, bottom, top：子图所在区域的边界
  • 当值大于 1.0 的时候子图会超出 figure 的边界从而显示不全；值不大于 1.0 的时候，子图会自动分布在一个矩形区域
  • 要保证 left < right, bottom < top，否则会报错

• wspace, hspace：子图之间的横向间距、纵向间距分别与子图平均宽度、平均高度的比值，也就是图片的宽度和高度百分比

修饰

设置标题

设置图片标题

plt.suptitle('The Title',fontsize=14,color='purple')

若要直接在 figure 上操作

plt.title('The Title',fontsize=14,color='purple')
#传figure的名字最好
fig.title('The Title',fontsize=14,color='purple')

常用参数

• fontsize：设置字体大小，默认 12，
  • ['xx-small', 'x-small', 'small', ‘medium’, ‘large’, ’x-large’, ‘xx-large’]
• fontweight：设置字体粗细
  • [‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’]
• fontstyle：设置字体类型
  • [ ‘normal’, ‘italic’, ‘oblique’ ]；italic 斜体，oblique 倾斜
• color：设置字体颜色
• verticalalignment：设置水平对齐方式
  • [ ‘center’ , ‘top’ , ‘bottom’ ,’baseline’]
• horizontalalignment：设置垂直对齐方式
  • ['left', 'right', 'center']
• rotation：旋转角度
  • [‘vertical’, ‘horizontal’] 也可以为数字
• alpha：透明度，参数值 0 至 1 之间
• backgroundcolor：标题背景颜色
• bbox：给标题增加外框
  • ‘boxstyle’ ：方框外形
  • ‘facecolor’ ：(简写 fc)背景颜色
  • ‘edgecolor’ ：(简写 ec)边框线条颜色
  • ‘edgewidth’ ：边框线条大小

设置子图标题

ax1.set_title('graph1')

用 Axe 对象接受此函数

参数见 2.1.1

轴操作

set 方法允许批量设置绘图属性，如

props = {
    'title': 'My first matplotlib plot',
    'xlabel': 'Stages'
}
ax1.set(**props)

改变轴刻度

ax1.set_xticks([0,25,50,75,100])
ax1.set_yticks([10,20,30,40,50])

若要直接在figure上操作

plt.xticks([0,25,50,75,100])
plt.yticks([10,20,30,40,50])

添加轴标签

添加与刻度对应的标签

ax1.set_xticklabels(['one','two','three','four','five'])
ax1.set_yticklabels(['a','b','c','d','e'])

添加单一轴标签

ax1.set_xlabel('stage')

参数见 2.1.1

若要直接在figure上操作

plt.yticks([-2,-1.8,-1,1.22,3],['really bad','bad','normal','good','really ',
                                'good'])
#或
plt.xlabel('x-year',fontsize=14)
plt.ylabel('y-income',fontsize=14)

设置显示范围

plt.xlim(xmin, xmax)

xmin：x 轴上的最小值

xmax：x 轴上的最大值

y 轴亦如是

ax.get_lim()
ax.set_lim()

添加图例

.lengend()自动接受图像的label值，（label值在画图时传入）

ax1.legend(loc=4)

常用参数

• loc：设置图列位置，数字代表在第几象限
  • ['best','upper right','upper left', 'lower left','lower right', 'right', 'center left', 'center right', 'lower center','upper center','center']
• fontsize：设置图例字体大小
  • int or float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
• 设置图例边框及背景
  • frameon=False：去掉图例边框
  • edgecolor='blue'：设置图例边框颜色
  • facecolor='blue'：设置图例背景颜色,若无边框,参数无效
• title：设置图例标题
• markerfirst：如果为 True（默认），则图例标记位于图例标签的左侧
• ncol：设置图例分为 n 列展示

若要直接在 figure 上操作

plt.legend()

添加注释

.text()

plt.text(0.4,0.8,"This is a text",rotation=45)

API

.text(x,y,string,fontsize=15,verticalalignment=“top”,horizontalalignment=“right”)

参数

• x,y：设置坐标值值
• string：设置说明文字
• 其余详见 2.1.1

.annotate()

plt.annotate('Testing',xy=(0.4,0.6),fontsize=20,color='b')

API

.annotate(string, xy=(x,y) ,xytext=(l1,l2) ,… )

参数

• string：设置注释文本内容
• xy：设置被注释的坐标点
• xytext：设置注释文字的坐标位置

添加网格

plt.grid(linestyle="--", alpha=0.5)

绘制参考线

plt.axhline(y, c, ls, lw) 	#绘制平行于x轴的水平参考线
plt.axvline(x, c, ls, lw)  	#绘制平行于y轴的垂直参考线

y或x：水平参考线的出发点

c：参考线的线条颜色

ls：参考线的线条风格

lw：参考线的线条宽度

其他坐标轴设置

.axis()

参数

• ‘equal’：x,y 轴刻度等长
• ‘off’：关闭坐标轴
• [a, b, c, d]：设置 x 轴的范围为[a, b]，y 轴的范围为[c, d]

绘图

点图，线图

.plot(x,y)

API

#单条线：
plot([x], y, [fmt], data=None, **kwargs)
#多条线一起画
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

参数

• x,y：数据，x 可选

• fmt：定义基本属性

• fmt = '[color][marker][line]'

• **kwargs

  • label

  • linestyle (ls)

    • {''-', '--', '-.', ':', ' '}

  • linewidth (lw)：线宽

  • color

    • 可以用缩写、RGB、灰度字符串

    character	color
    ‘b’	blue
    ‘g’	green
    ‘r’	red
    ‘c’	cyan
    ‘m’	magenta
    ‘y’	yellow
    ‘k’	black
    ‘w’	white

  • marker

    character	description
    '.'	point marker
    ','	pixel marker
    'o'	circle marker
    'v'	triangle_down marker
    '^'	triangle_up marker
    '<'	triangle_left marker
    '>'	triangle_right marker
    '1'	tri_down marker
    '2'	tri_up marker
    '3'	tri_left marker
    '4'	tri_right marker
    's'	square marker
    'p'	pentagon marker
    '*'	star marker
    'h'	hexagon1 marker
    'H'	hexagon2 marker
    '+'	plus marker
    'x'	x marker
    'D'	diamond marker
    'd'	thin_diamond marker
    `'	'`
    '_'	hline marker

  • alpha：透明值，接受 0~1 之间的浮点数

例

x = [1, 2, 3, 4] 
y = [5, 6, 4, 10]
plt.plot(x, y, 'r.:', label = 'a',)
plt.xlabel('this is x')
plt.ylabel('this is y')
plt.title('This is a demo')
plt.legend() 
plt.show()

散点图

.scatter(x,y)

x = np.arange(10)
y = np.random.randn(10)
plt.scatter(x, y, color='red', marker='+')
plt.show()

气泡图

加入了第三个值 s 可以理解成普通散点，画的是二维，泡泡图体现了 Z 的大小

• s：散点标记的大小

• c：散点标记的颜色

• cmap：将浮点数映射成颜色的颜色映射率

np.random.seed(19680801)

N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (30 * np.random.rand(N))**2  # to 15 point radii

plt.scatter(x, y, s=area, c=colors, alpha=0.5)
plt.show()

柱状图

.bar(x, y)
.barh(x, y) #横向柱状图

• x：标示在 x 轴上的定性数据的类别

• y：每种定性数据的类别的数量

• align：每个柱状图的位置对齐方式

  • {'center', 'edge'}, optional, default: 'center'}

A = ['A', 'B', 'C', 'D', 'E']
x = range(len(A))
y = [1984, 3514, 4566, 7812, 1392]
x_ = [i+0.2 for i in x]
y_ = [3154, 1571, 4566, 9858, 2689]
# 2.创建画布
plt.figure(figsize=(8,6),dpi=100)
# 3.绘制柱状图
plt.bar(x, y, width=0.2, label='1')
plt.bar(x_,y_, width=0.2, label='2')
# 显示图例
plt.legend()
# 修改x轴刻度显示
plt.xticks([i+0.1 for i in x], A)
# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)
# 4.显示图像
plt.show()

x = [1, 2, 3, 4, 5]
y = [6, 10, 4, 5, 1]
y1 = [2, 6, 3, 8, 5]

plt.bar(x, y, align="center", color="#66c2a5", tick_label=["A", "B", "C", "D", "E"], label="班级A")
plt.bar(x, y1, align="center", bottom=y, color="#8da0cb", label="班级B")

plt.xlabel("测试难度")
plt.ylabel("试卷份数")

plt.legend()

plt.show()

直方图

直方图用于表明数据分布情况，横轴是数据，纵轴是出现的次数（也就是频数）

.hist(x)

x：在 x 轴上绘制箱体的定量数据输入值

重要参数

• x : arrays(一个或多个)，在 x 轴上绘制箱体的定量数据输入值

• range : 设置显示范围（tuple or None, optional）

• bins：x 轴的分段数，默认为 10

• histtype : 选择展示的类型,默认为 bar

  • {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}

• align : 对齐方式

  • {‘left’, ‘mid’, ‘right’}

• orientation : 直方图方向

  • {‘horizontal’, ‘vertical’}

• log : boolean，log 刻度

• color：颜色设置

• label：刻度标签

例

np.random.seed(19680801)

n_bins = 10
x = np.random.randn(1000, 3)

fig, axes = plt.subplots(nrows=2, ncols=2)
ax0, ax1, ax2, ax3 = axes.flatten()

colors = ['red', 'tan', 'lime']
ax0.hist(x, n_bins, density=True, histtype='bar', color=colors, label=colors)
ax0.legend(prop={'size': 10})
ax0.set_title('bars with legend')

ax1.hist(x, n_bins, density=True, histtype='barstacked')
ax1.set_title('stacked bar')

ax2.hist(x,  histtype='barstacked', rwidth=0.9)

ax3.hist(x[:, 0], rwidth=0.9)
ax3.set_title('different sample sizes')

fig.tight_layout()
plt.show()

饼图

饼图自动根据数据的百分比画饼

.pie(x)

重要参数

• x: 定性数据的不同类别的百分比

• explode:指定饼图某些部分的突出显示，即呈现爆炸式，传入元组，每个数据分别为 0-1 的浮点，表示分离的程度

  • sizes = [15, 30, 45, 10]
    explode = (0, 1, 0, 0)

• labels：为饼图添加标签说明，类似于图例说明

• colors：指定饼图的填充色

• autopct：设置百分比格式，如'%.1f%%'为保留一位小数

• shadow：是否添加饼图的阴影效果

• pctdistance：设置百分比标签与圆心的距离

• labeldistance：设置各扇形标签（图例）与圆心的距离；

• startangle：设置饼图的初始摆放角度, 180 为水平；

• radius：设置饼图的半径大小；

• wedgeprops：设置饼图内外边界的属性，如边界线的粗细、颜色等, 如

• wedgeprops = {'linewidth': 1.5, 'edgecolor':'green'}

• textprops：设置饼图中文本的属性，如字体大小、颜色等；

• center：指定饼图的中心点位置，默认为原点

例

labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.2, 0, 0)  # only "explode" the 2nd slice (i.e. 'Hogs')

fig1, (ax1, ax2) = plt.subplots(2)
ax1.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True)
ax1.axis('equal')
ax2.pie(sizes, autopct='%1.2f%%', shadow=True, startangle=90, explode=explode,
    pctdistance=1.12)
ax2.axis('equal')
ax2.legend(labels=labels, loc='upper right')

plt.show()

箱型图

.boxplot(x)

• x：数据
• vert：方向

x = np.random.randn(1000)

plt.boxplot(x)

plt.xticks([1], ["随机数生成器AlphaRM"])
plt.ylabel("随机数值")
plt.title("随机数生成器抗干扰能力的稳定性")

plt.grid(axis="y", ls=":", lw=1, color="gray", alpha=0.4)

plt.show()

棉棒图

绘制离散有序数据

.stem(x, y)

• x：制定棉棒的 x 轴基线上的位置

• y：绘制棉棒的长度

• linefmt：棉棒的样式

• markerfmt*：棉棒末端的样式

• basefmt*：指定基线的样式

import matplotlib.pyplot as plt
import numpy as np

a = np.linspace(0.5, 2*np.pi, 20)
b = np.random.randn(20)

plt.stem(a, b, linefmt="-.", markerfmt="o", basefmt="-")

plt.show()

三维图

fig = plt.figure(5)
ax=fig.add_subplot(1,1,1,projection='3d')     #绘制三维图

x,y=np.mgrid[-2:2:20j,-2:2:20j]  #获取x轴数据，y轴数据
z=x*np.exp(-x**2-y**2)   #获取z轴数据

ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8)  #绘制三维图表面
ax.set_xlabel('x-name')     #x轴名称
ax.set_ylabel('y-name')     #y轴名称
ax.set_zlabel('z-name')     #z轴名称

plt.show()

其他

保存

.savefig(path, dpi, facecolor, edgecolor,bbox_inches)

参数

• path：文件路径
• dpi：分辨率
• facelolor，edgecolor：子图之外的图形背景颜色，默认为‘w’
• format：文件格式
  • 'png','pdf','svg','ps',''eps'......
• bbox_inches：要保存的图片范围，若传递'tight'，会去除图片周围空白部分

解决中文乱码问题

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
# 或
import matplotlib as mpl
mpl.rc("font", family='MicroSoft YaHei', weight='bold')
# 或
from matplotlib.font_manager import FontProperties
myfont=FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf',size=14)
sns.set(font=myfont.get_name())