Matplotlib基础-画布

Matplotlib 库是一个用于数据可视化和绘图的 Python 库。

它提供了大量的函数和类,可以帮助用户轻松地创建各种类型的图表,包括直方图、箱形图、散点图、饼图、条形图和密度图等。

使用 Matplotlib 的过程中,遇到的难点并不在于绘制各类的图形,因为每种图形都有其对应的API。
难点在于对绘制的图形进行调整,这些调整包括:

  1. 图形的大小
  2. 多个图形的组合
  3. 坐标轴的方向,刻度的精度
  4. 图形的颜色和字体

等等。

进行这些调整需要对 Matplotlib 的绘图机制和其中的主要元素有个整体的了解。

本篇首先整体介绍下Matplotlib绘制的图形中的主要元素,然后重点介绍下其中第一个重要的元素--画布

1. 主要元素

下面绘制一个简单的图形来演示Matplotlib绘图时的主要元素。

python 复制代码
import numpy as np

import matplotlib
import matplotlib.pyplot as plt

%matplotlib inline

#绘制一个展示主要元素的图
x = np.array(range(0, 8))
y1 = np.sin(x)

fig = plt.figure()
fig.set_size_inches(10,4)
fig.set_facecolor('lightgreen')
fig.suptitle("整个图形的总标题")
fig.subplots_adjust(wspace=0.3)

ax1 = fig.add_subplot(121)
ax1.plot(x, y1)
ax1.set_title("图1 标题")
ax1.set_xlabel("图1--x轴")
ax1.set_ylabel("图1--y轴")

ax2 = fig.add_subplot(122)
y2 = np.cos(x)
ax2.plot(x, y1)
ax2.plot(x, y2)
ax2.set_title("图2 标题")
ax2.set_xlabel("图2--x轴")
ax2.set_ylabel("图2--y轴")
ax2.legend(labels=["sin", "cos"])

fig.show()

上例中,我们绘制了2个子图。

主要的元素包括,图形的大小,图形的标题(主标题和子图标题),坐标轴(轴标签和刻度),图例,子图中曲线(这里可以根据情况换成其他图形,比如柱状图,散点图等等)。

上面的示例代码不用太关心,这里只是为了显示Matplotlib的主要元素。

后续的文章会介绍各个主要元素的常用属性,最终的目的是能够灵活的绘制出符合显示要求的图形,而不仅仅只是绘制出图形。

本篇介绍的主要元素是画布

2. 画布

画布 是其他所有的元素的载体,可以说是最重要,也是最容易被忽视的元素。

绘制图形之前,第一件事就是创建画布

2.1. 主要属性

创建画布之后,一般主要用到的属性是调整画布的大小颜色
Matplotlib画布的大小通过设置英寸和dpi来实现,dpi表示一英寸有多少像素。

2.1.1. 画布大小

比如下面的示例:

python 复制代码
fig = plt.figure(figsize=[6, 3], dpi=100)
fig.suptitle("标题")
x = np.array(range(0, 8))
y = np.sin(x)
plt.plot(x, y)

修改dpi=200,图形明显变大和清晰。

python 复制代码
fig = plt.figure(figsize=[6, 3], dpi=200)

2.1.2. 画布颜色

除了大小 ,设置画布颜色 也是比较常用的。

颜色主要有两种,背景色和边框颜色(默认的边框宽度是0,所以要设置边框颜色时,别忘了设置边框的宽度)。

比如:下面示例设置了背景色浅绿色 ,边框宽度10,颜色红色

python 复制代码
fig = plt.figure(facecolor="lightgreen",
                edgecolor="red",
                linewidth=10)
fig.suptitle("标题")
x = np.array(range(0, 8))
y = np.sin(x)
plt.plot(x, y)

2.2. 主要方法

除了属性,画布还有几个方法也是经常使用的。

2.2.1. 设置标题

上面的示例中已经包含了,也就是 suptitle() 方法。

2.2.2. 添加子图

添加子图用 add_subplot() 方法,这个方法的参数一般是三个数组 xyz
x表示有几行,y表示有几列,z表示是第一个子图。

比如:一行两列2个图

python 复制代码
fig = plt.figure()

fig.add_subplot(121)
fig.add_subplot(122)

比如:2行一列2个图:

python 复制代码
fig = plt.figure()

fig.add_subplot(211)
fig.add_subplot(212)

比如:2行2列4个图:

python 复制代码
fig = plt.figure()

fig.add_subplot(221)
fig.add_subplot(222)
fig.add_subplot(223)
fig.add_subplot(224)

2.2.3. 保存图像

画布还有个重要的功能就是把显示的图形保存下来,即 savefig() 方法。

可以把绘制的图形保存到磁盘,用于分享或者制作报告。

python 复制代码
fig.savefig("d:/share/image.png")

3. 总结回顾

画布 让我们可以整体上设置图形的质量和排版,分析和作图过程中虽然不用过多考虑它,但是最终如果要出报告和文档时,画布的设置就会变得重要。

画布是绘图的第一步,接下来这个系列会逐步介绍 Matplotlib的其他主要元素。

相关推荐
java1234_小锋1 小时前
基于Python的旅游推荐协同过滤算法系统(去哪儿网数据分析及可视化(Django+echarts))
python·数据分析·旅游
视频砖家2 小时前
观众信息设置与统计(视频高级分析与统计功能)
数据分析·视频观看分析·视频数据分析
SelectDB3 小时前
Apache Doris 实时更新技术揭秘:为何在 OLAP 领域表现卓越?
数据库·数据分析·apache
聚客AI6 小时前
搜索引擎vs向量数据库:LangChain混合检索架构实战解析
人工智能·pytorch·语言模型·自然语言处理·数据分析·gpt-3·文心一言
一条破秋裤7 小时前
一份多光谱数据分析
笔记·数据挖掘·数据分析
德育处主任Pro7 小时前
「py数据分析」04如何将 Python 爬取的数据保存为 CSV 文件
数据库·python·数据分析
瓦力wow7 小时前
数据分析-名词
运维·服务器·数据分析
cal_7 小时前
数据分析中的拉链表解析
大数据·数据挖掘·数据分析
亿信华辰软件8 小时前
亿信华辰赋能大学教务数据分析实战记
大数据·数据分析
王小王-1239 小时前
基于Python的程序员数据分析与可视化系统的设计与实现
python·数据挖掘·数据分析·招聘数据分析·程序员数据分析·招聘薪资数据分析·智联招聘可视化