目录
前言
Matplotlib是Python中的一个库,它是数字的-NumPy库的数学扩展。 Pyplot是Matplotlib模块的基于状态的接口。在Pyplot中可以使用各种图,例如线图,轮廓图,直方图,散点图,3D图等。
plt.figure()
plt.figure() 是 Matplotlib 库中的一个函数,用于创建一个新的图形窗口或图形对象。在使用 Matplotlib 进行数据可视化时,我们通常会使用 plt.figure() 来创建一个新的图形对象,然后在这个图形对象上绘制图表、图像或子图等内容。
该函数的语法为:
python
plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class 'matplotlib.figure.Figure'>, clear=False, **kwargs)
参数说明:
- num: 图形的编号,如果为None,则创建一个新的图形窗口,如果指定了编号,则可以通过 plt.figure(num) 调用该图形窗口。
- figsize: 指定图形的尺寸,以元组 (width, height) 的形式指定,单位为英寸。
- dpi:每英寸点数,用于指定图形的分辨率。
- facecolor: 图形的背景色。
- edgecolor: 图形的边框颜色。
- frameon:是否显示边框。
- FigureClass: 用于指定图形对象的类。
- clear: 是否清除图形对象。
示例:
python
import matplotlib.pyplot as plt
# 创建一个新的图形对象
plt.figure(figsize=(8, 6), dpi=80)
# 绘制图表、图像等内容
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
# 显示图形
plt.show()
plt.subplot()
plt.subplot() 是 Matplotlib 库中的一个函数,用于在一个图形窗口中创建一个或多个子图。在使用 Matplotlib 进行数据可视化时,我们通常会使用 plt.subplot() 来创建一个子图,并在这个子图上绘制具体的图表、图像等内容。
该函数的语法为:
python
plt.subplot(nrows, ncols, index, **kwargs)
参数说明:
- nrows: 子图网格的行数。
- ncols: 子图网格的列数。
- index: 子图的索引,从左上角开始,从左到右,从上到下依次递增。
subplot可以将figure划分为n个子图,但每条subplot命令只会创建一个子图 ,如果要绘制多个子图,可以考虑使用for 循环。
示例:
python
import matplotlib.pyplot as plt
# plt.figure(figsize = (10,6))
# 创建一个 2x2 的子图网格,并选择第一个子图进行绘制
plt.subplot(2, 2, 1)
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
# 选择第二个子图进行绘制
plt.subplot(2, 2, 2)
plt.bar(['A', 'B', 'C', 'D'], [10, 20, 15, 30])
# 选择第三个子图进行绘制
plt.subplot(2, 2, 3)
plt.scatter([1, 2, 3, 4], [1, 4, 9, 16])
# 选择第四个子图进行绘制
plt.subplot(2, 2, 4)
plt.pie([30, 20, 25, 25], labels=['A', 'B', 'C', 'D'])
# 显示图形
plt.show()
plt.subplots()
plt.subplots() 是 Matplotlib 库中的一个函数,用于创建一个新的图形窗口并返回一个包含所有子图的 Figure 对象和 Axes 对象数组。在使用 Matplotlib 进行数据可视化时,我们通常会使用 plt.subplots() 来创建一个包含多个子图的图形窗口。
该函数的语法为:
python
fig, ax = plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)
参数说明:
- nrows: 子图网格的行数。
- ncols: 子图网格的列数。
- sharex: 是否共享x轴刻度。
- sharey: 是否共享y轴刻度。
- squeeze: 是否压缩返回的 Axes 数组。
- subplot_kw: 用于创建每个子图的关键字参数。
- gridspec_kw:用于创建子图网格的关键字参数。
- fig_kw: 用于创建图形窗口的关键字参数。
示例:
python
import matplotlib.pyplot as plt
# 创建一个包含2x2子图的图形窗口
fig, ax = plt.subplots(nrows=2, ncols=2)
# 在第一个子图中绘制折线图
ax[0, 0].plot([1, 2, 3, 4], [1, 4, 9, 16])
# 在第二个子图中绘制散点图
ax[0, 1].scatter([1, 2, 3, 4], [1, 4, 9, 16])
# 在第三个子图中绘制柱状图
ax[1, 0].bar(['A', 'B', 'C', 'D'], [10, 20, 15, 30])
# 在第四个子图中绘制饼图
ax[1, 1].pie([30, 20, 25, 25], labels=['A', 'B', 'C', 'D'])
# 显示图形
plt.show()
plt.xticks()
plt.xticks() 是 Matplotlib 库中用于设置 x 轴刻度的函数。它允许我们自定义 x 轴上的刻度位置和标签。
该函数的语法为:
python
plt.xticks(ticks=None, labels=None, **kwargs)
参数说明:
- ticks:要设置的刻度位置的列表或数组。
- labels:与刻度位置对应的标签列表或数组。
- **kwargs:其他关键字参数,用于控制刻度的外观样式,例如颜色、字体大小等。
在 Matplotlib 中 plt.ticks() 函数 表示的是刻度, plt.xticks() 就表示x 轴刻度,plt.yticks() 就表示y 轴刻度。plt.xticks([]) # 不显示x 轴刻度
plt.yticks([]) # 不显示y 轴刻度。
示例:
python
import matplotlib.pyplot as plt
# 创建一个简单的折线图
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y)
# 设置 x 轴刻度的位置和标签
plt.xticks([1, 2, 3, 4, 5], ['A', 'B', 'C', 'D', 'E'])
# 显示图形
plt.show()
plt.xlim()
plt.xlim() 是 Matplotlib 库中用于设置 x 轴显示范围的函数。它允许我们指定 x 轴的数据范围,即设置 x 轴的最小值和最大值。
该函数的语法为:
python
plt.xlim(left, right)
参数说明:
- left:x 轴的最小值。
- right:x 轴的最大值。
在 Matplotlib中的 plt.xlim() 函数用来显示x轴的作图范围,plt.ylim() 用来显示y轴的作图范围。
示例:
python
import matplotlib.pyplot as plt
# 创建一个简单的折线图
x = [1, 2, 3, 4, 5,7]
y = [2, 3, 5, 7, 11,16]
plt.plot(x, y)
# 设置 x 轴的显示范围
plt.xlim(1, 5)
# 显示图形
plt.show()