python常用库学习-Matplotlib使用

文章目录

      • [安装 Matplotlib](#安装 Matplotlib)
      • 导入库
      • 基本示例
        • [1. 绘制简单的线图](#1. 绘制简单的线图)
        • [2. 散点图](#2. 散点图)
        • [3. 柱状图](#3. 柱状图)
        • [4. 直方图](#4. 直方图)
        • [5. 子图](#5. 子图)
      • 更多高级功能
        • [1. 自定义样式](#1. 自定义样式)
        • [2. 文本和注释](#2. 文本和注释)
        • [3. 保存图形](#3. 保存图形)
      • [示例:使用 Matplotlib 绘制多个图表](#示例:使用 Matplotlib 绘制多个图表)
        • [示例 1: 绘制多个线图](#示例 1: 绘制多个线图)
        • [示例 2: 绘制散点图和直方图](#示例 2: 绘制散点图和直方图)
      • 参考文献

Matplotlib 是 Python 中一个非常流行的绘图库,它提供了大量的图形绘制功能,可以创建各种静态、动态和交互式的图表。下面是一些使用 Matplotlib 的基本示例和说明。

安装 Matplotlib

如果你还没有安装 Matplotlib,可以通过 pip 安装:

bash 复制代码
pip install matplotlib

导入库

python 复制代码
import matplotlib.pyplot as plt

基本示例

1. 绘制简单的线图
python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图形
plt.plot(x, y, label='sin(x)')

# 添加标题和标签
plt.title('Sine Wave')
plt.xlabel('x')
plt.ylabel('sin(x)')

# 添加图例
plt.legend()

# 显示图形
plt.show()
2. 散点图
python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.random.randn(100)
y = np.random.randn(100)

# 创建图形
plt.scatter(x, y, color='blue', alpha=0.5)

# 添加标题和标签
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()
3. 柱状图
python 复制代码
import matplotlib.pyplot as plt

# 创建数据
labels = ['A', 'B', 'C']
values = [3, 7, 2]
# 创建图形
plt.bar(labels, values)

# 添加标题和标签
plt.title('Bar Chart')
plt.xlabel('Category')
plt.ylabel('Value')

# 显示图形
plt.show()
4. 直方图
python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
data = np.random.randn(1000)

# 创建图形
plt.hist(data, bins=20, edgecolor='black')

# 添加标题和标签
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图形
plt.show()
5. 子图
python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))

# 第一个子图
ax1.plot(x, y1)
ax1.set_title('Sine Wave')
ax1.set_xlabel('x')
ax1.set_ylabel('sin(x)')

# 第二个子图
ax2.plot(x, y2)
ax2.set_title('Cosine Wave')
ax2.set_xlabel('x')
ax2.set_ylabel('cos(x)')

# 显示图形
plt.show()

更多高级功能

1. 自定义样式
python 复制代码
import matplotlib.pyplot as plt

# 设置样式
plt.style.use('seaborn')

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图形
plt.plot(x, y)

# 显示图形
plt.show()
2. 文本和注释
python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图形
plt.plot(x, y)

# 添加文本注释
plt.text(5, 0.5, r'$\sin(x)$', fontsize=14, color='red')

# 添加箭头注释
plt.annotate('Maximum',
             xy=(np.pi, 1), xycoords='data',
             xytext=(+10, +30), textcoords='offset points',
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

# 显示图形
plt.show()
3. 保存图形
python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图形
plt.plot(x, y)

# 保存图形
plt.savefig('sine_wave.png')

# 显示图形
plt.show()

示例:使用 Matplotlib 绘制多个图表

示例 1: 绘制多个线图
python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图形
plt.figure(figsize=(10, 5))

# 第一个线图
plt.subplot(1, 2, 1)
plt.plot(x, y1)
plt.title('Sine Wave')
plt.xlabel('x')
plt.ylabel('sin(x)')

# 第二个线图
plt.subplot(1, 2, 2)
plt.plot(x, y2)
plt.title('Cosine Wave')
plt.xlabel('x')
plt.ylabel('cos(x)')

# 显示图形
plt.show()
示例 2: 绘制散点图和直方图
python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.random.randn(1000)

# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))

# 散点图
ax1.scatter(x, np.random.randn(1000), alpha=0.5)
ax1.set_title('Scatter Plot')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('Y-axis')

# 直方图
ax2.hist(x, bins=20, edgecolor='black')
ax2.set_title('Histogram')
ax2.set_xlabel('Value')
ax2.set_ylabel('Frequency')

# 显示图形
plt.show()

以上就是使用 Matplotlib 进行数据可视化的基础介绍。Matplotlib 提供了许多其他高级功能,如三维图表、等高线图、误差线图等。如果需要绘制更复杂, 更全面的图形, 请参考文章末尾官网相关地址。

参考文献

官网地址
官方样例地址

相关推荐
运维笑谈6 分钟前
【python系列】python数据类型之元组
python
叫我:松哥12 分钟前
基于python的长津湖评论数据分析与可视化,使用是svm情感分析建模
python·支持向量机·数据挖掘·数据分析·情感分析·snownlp
萧鼎16 分钟前
轻松解析 PDF 文档:深入了解 Python 的 pdfplumber 库
服务器·python·pdf
有请小发菜17 分钟前
Python 编程开发(01):Bash 命令行基本操作
开发语言·python·bash
dreamsever19 分钟前
Glide源码学习
android·java·学习·glide
电子绿洲24 分钟前
低温存储开关机问题
嵌入式硬件·学习·硬件工程·信息与通信·智能硬件
电子绿洲24 分钟前
10M和100M网口的编码及EMC影响
嵌入式硬件·学习·硬件工程·信息与通信·智能硬件
不去幼儿园27 分钟前
【RL Base】多级反馈队列(MFQ)算法
人工智能·python·算法·机器学习·强化学习
土豆炒马铃薯。30 分钟前
CUDA,PyTorch,GCC 之间的版本关系
linux·c++·人工智能·pytorch·python·深度学习·opencv
克莱因蓝1271 小时前
在复现SDXL-Turbo和stable-diffusion-2-1系列大模型过程中遇到的问题以及解决方案
人工智能·学习·stable diffusion