plt常用函数介绍一

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 复制代码
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:

  1. 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。
  2. figsize: 指定图形的尺寸,以元组 (width, height) 的形式指定,单位为英寸。
  3. dpi:每英寸点数,用于指定图形的分辨率。
  4. facecolor: 图形的背景色。
  5. edgecolor: 图形的边框颜色。
  6. frameon:是否显示边框。
  7. FigureClass: 用于指定图形对象的类。
  8. clear: 是否清除图形对象。

示例:

python 复制代码
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 复制代码
plt.subplot(nrows, ncols, index, **kwargs)

参数说明:

  1. nrows: 子图网格的行数。
  2. ncols: 子图网格的列数。
  3. 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 复制代码
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 复制代码
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:

  1. nrows: 子图网格的行数。
  2. ncols: 子图网格的列数。
  3. sharex: 是否共享x轴刻度。
  4. sharey: 是否共享y轴刻度。
  5. squeeze: 是否压缩返回的 Axes 数组。
  6. subplot_kw: 用于创建每个子图的关键字参数。
  7. gridspec_kw:用于创建子图网格的关键字参数。
  8. fig_kw: 用于创建图形窗口的关键字参数。

示例:

python 复制代码
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 复制代码
plt.xticks(ticks=None, labels=None, **kwargs)

参数说明:

  1. ticks:要设置的刻度位置的列表或数组。
  2. labels:与刻度位置对应的标签列表或数组。
  3. **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 复制代码
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 复制代码
plt.xlim(left, right)

参数说明:

  1. left:x 轴的最小值。
  2. 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 复制代码
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()
相关推荐
API快乐传递者1 小时前
淘宝反爬虫机制的主要手段有哪些?
爬虫·python
阡之尘埃3 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
丕羽6 小时前
【Pytorch】基本语法
人工智能·pytorch·python
bryant_meng6 小时前
【python】Distribution
开发语言·python·分布函数·常用分布
Java Fans7 小时前
深入了解逻辑回归:机器学习中的经典算法
机器学习
m0_594526307 小时前
Python批量合并多个PDF
java·python·pdf
工业互联网专业8 小时前
Python毕业设计选题:基于Hadoop的租房数据分析系统的设计与实现
vue.js·hadoop·python·flask·毕业设计·源码·课程设计
钱钱钱端8 小时前
【压力测试】如何确定系统最大并发用户数?
自动化测试·软件测试·python·职场和发展·压力测试·postman
慕卿扬8 小时前
基于python的机器学习(二)—— 使用Scikit-learn库
笔记·python·学习·机器学习·scikit-learn
Json____8 小时前
python的安装环境Miniconda(Conda 命令管理依赖配置)
开发语言·python·conda·miniconda