使用matplotlib绘制坐标轴

python 复制代码
import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(8, 5))  # 设置图表大小


import mpl_toolkits.axisartist as axisartist
#定义主画板
fig = plt.figure(figsize=(8, 5))
# 定义艺术画板名称为ax,添加子图参数中绑定主画板
ax = axisartist.Subplot(fig,111)
#主画板中添加艺术画板
fig.add_axes(ax)
#实现箭头坐标轴装饰,首先在定义调用坐标轴位置,然后确定轴线_类型,
# 箭头样式:空->,实-|>
# 箭头尺寸:size=1.5
ax.axis['bottom'].set_axisline_style('-|>',size=1.5)
ax.axis['left'].set_axisline_style('->',size=1.8)
#艺术画板中隐藏坐标轴
ax.axis["top"].set_visible(False)
ax.axis["right"].set_visible(False)


plt.style.use('classic')
plt.rcParams['font.sans-serif'] = 'Simsun, Times New Roman'  # 选择一个本地的支持中文的字体
plt.rcParams['axes.unicode_minus'] = False   #解决符号无法显示

fontsize = 12

x1 = [0,0.5,2,16]
y1 = [5.67,9.19,5.83,3.842]
x2 = [0,0.5,2,16]
y2 = [10.58,15.738,10.08,5.928]



# 创建图表

# 添加网格线
plt.grid(True, linestyle='--', alpha=0.1)
# 绘制折线图
plt.plot(x1, y1, marker='o', linestyle='-', color='b', label='Group1',linewidth=0.5)
plt.plot([x1[0], x1[3]], [y1[0], y1[3]], marker='o', linestyle='-', color='b',linewidth=0.5)

plt.plot(x2, y2, marker='^', linestyle='-', color='r', label='Group2',linewidth=0.5)
plt.plot([x2[0], x2[3]], [y2[0], y2[3]], marker='^', linestyle='-', color='r',linewidth=0.5)


# # 需要标注的关键节点
# key_points1 = [(1,8.1), (12, 4.3), (5, 5.4)]
# key_text1 = ['-2.24','-0.114','-0.246']
# plt.annotate(
#         f'{key_text1[0]}',  # 标注文本
#         xy=key_points1[0],  # 标注点的坐标
#         xytext=(key_points1[0][0]+0.5,key_points1[0][1]+0.5),  # 文本位置
#         arrowprops=dict(facecolor='red', arrowstyle='->',edgecolor='r',linewidth=1),  # 箭头样式
#         fontsize=fontsize,  # 字体大小
#         color='red'  # 文本颜色
#     )
# plt.annotate(
#         f'{key_text1[1]}',  # 标注文本
#         xy=key_points1[1],  # 标注点的坐标
#         xytext=(key_points1[1][0] - 2, key_points1[1][1]-1),  # 文本位置
#         arrowprops=dict(facecolor='red', arrowstyle='->',edgecolor='r'),  # 箭头样式
#         fontsize=fontsize,  # 字体大小
#         color='red'  # 文本颜色
#     )
# plt.annotate(
#         f'{key_text1[2]}',  # 标注文本
#         xy=key_points1[2],  # 标注点的坐标
#         xytext=(key_points1[2][0] + 1, key_points1[2][1] + 1),  # 文本位置
#         arrowprops=dict(facecolor='red', arrowstyle='->',edgecolor='r'),  # 箭头样式
#         fontsize=fontsize,  # 字体大小
#         color='red'  # 文本颜色
#     )
#
# # 需要标注的关键节点
# key_points2 = [(2, 4), (4, 8), (7, 7)]
# key_text2 = ['-3.77','-0.293','-0.506']
# plt.annotate(
#         f'{key_text2[0]} ',  # 标注文本
#         xy=key_points2[0],  # 标注点的坐标
#         xytext=(int(key_points2[0][0] -1), int(key_points2[0][1] - 1)),  # 文本位置
#         arrowprops=dict(facecolor='red', arrowstyle='->',edgecolor='red'),  # 箭头样式
#         fontsize=fontsize,  # 字体大小
#         color='red'  # 文本颜色
#     )
# plt.annotate(
#         f'{key_text2[1]} ',  # 标注文本
#         xy=key_points2[1],  # 标注点的坐标
#         xytext=(key_points2[1][0] -1, key_points2[1][1] - 1),  # 文本位置
#         arrowprops=dict(facecolor='red', arrowstyle='->',edgecolor='red'),  # 箭头样式
#         fontsize=fontsize,  # 字体大小
#         color='red'  # 文本颜色
#     )
# plt.annotate(
#         f'{key_text2[2]}',  # 标注文本
#         xy=key_points2[2],  # 标注点的坐标
#         xytext=(key_points2[2][0] -1, key_points2[2][1] - 1),  # 文本位置
#         arrowprops=dict(facecolor='red', arrowstyle='->',edgecolor='red'),  # 箭头样式
#         fontsize=fontsize,  # 字体大小
#         color='red'  # 文本颜色
#     )



# 添加标题和标签
# plt.title('简单折线图示例', fontsize=16)
plt.xlabel('Time', fontsize=fontsize)
plt.ylabel('Cortisol', fontsize=fontsize)
plt.xlim(0,17)
plt.ylim(0,17)
plt.yticks(np.arange(0,17,1))
plt.xticks(np.arange(0,17,1))
# 添加图例
plt.legend(loc='best', fontsize=fontsize)
plt.savefig(r'折线图.jpg',dpi=300,bbox_inches='tight')
# 显示图表
plt.show()
import webbrowser
webbrowser.open('折线图.jpg')
相关推荐
Gyoku Mint17 小时前
机器学习×第二卷:概念下篇——她不再只是模仿,而是开始决定怎么靠近你
人工智能·python·算法·机器学习·pandas·ai编程·matplotlib
搏博2 天前
将图形可视化工具的 Python 脚本打包为 Windows 应用程序
开发语言·windows·python·matplotlib·数据可视化
Code_流苏5 天前
Python趣学篇:交互式词云生成器(jieba + Tkinter + WordCloud等)
python·pillow·matplotlib·tkinter·wordcloud·jieba分词·词云生成器
AndrewHZ7 天前
【图像处理入门】2. Python中OpenCV与Matplotlib的图像操作指南
图像处理·python·opencv·计算机视觉·matplotlib·图像操作
无闻墨客8 天前
数据可视化--使用matplotlib绘制高级图表
python·机器学习·信息可视化·matplotlib·可视化·数据可视化
Echo-J9 天前
数据可视化(第4、5、6次课)
python·信息可视化·matplotlib·数据可视化
ayas1231911 天前
numpy与matplotlib学习——数据可视化入门
学习·numpy·matplotlib
zhangfeng113312 天前
Python 和 matplotlib 保存图像时,确保图像的分辨率和像素符合特定要求(如 64x64),批量保存 不溢出内存
开发语言·python·matplotlib
李昊哲小课15 天前
matplotlib基本绘图
人工智能·数据分析·matplotlib·数据可视化·pyecharts·seaborn
云攀登者-望正茂15 天前
如何在Mac 上使用Python Matplotlib
python·macos·matplotlib