python强大的绘图模块matplotlib示例讲解详解编程语言

# 导入常用的包 
import numpy as np 
import matplotlib.pyplot as plt 
  
# 生成-1到1的数据，一共生成100个，也可以生成1到-1的数据，这些数据是平均分布的 
# 定义x轴的数据 
x = np.linspace(-1,1,100) 
  
# 定义y轴的数据 
y = x * 2 + 100 
plt.plot(x,y) 
  
# 显示图像 
plt.show() 

import numpy as np 
  
import matplotlib.pyplot as plt 
  
x = np.linspace(-1,1,100) 
  
y1 = x * 2 + 100 
  
  
y2 = x ** 2 
  
# 创建一个画布 
  
# figsize：设置画布的大小 
plt.figure(figsize=(2,2)) 
plt.plot(x,y1) 
  
# 创建第二个画布 
plt.figure() 
plt.plot(x,y2) 
  
plt.show() 

import numpy as np 
  
import matplotlib.pyplot as plt 
  
x = np.linspace(-1,1,100) 
  
y1 = x * 2 + 0.5 
  
  
y2 = x ** 2 
  
  
  
# color:表示设置线的颜色 
# linewidth:表示设置线的宽度 
# linestyle:表示设置线的风格 
plt.figure(figsize=(2,2)) 
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--') 
  
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-') 
  
plt.show() 
  
# 上面的效果就是2条曲线被放到一个画布中 

import numpy as np 
  
import matplotlib.pyplot as plt 
  
# 设置坐标轴 
x = np.linspace(-3,3,100) 
  
y1 = x * 2 + 0.5 
  
y2 = x ** 2 
  
  
plt.figure(figsize=(6,6)) 
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--') 
  
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-') 
  
# 限制x轴的显示范围 
plt.xlim((-1,2)) 
  
# 限制y轴的显示范围 
plt.ylim((-1,5)) 
  
# 给x轴加描述 
plt.xlabel("xxxxxx") 
# 给y轴加描述 
plt.ylabel("yyyyyy") 
  
  
  
# 替换一下横坐标的显示 
temp = np.linspace(-2,2,11) 
plt.xticks(temp) 
  
# 替换纵坐标的标签，用level0代替之前的-1 
plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"]) 
  
plt.show() 

import numpy as np 
  
import matplotlib.pyplot as plt 
  
# 设置坐标轴 
x = np.linspace(-3,3,100) 
  
y1 = x * 2 + 0.5 
  
y2 = x ** 2 
  
  
plt.figure(figsize=(6,6)) 
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--') 
  
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-') 
  
# 限制x轴的显示范围 
plt.xlim((-1,2)) 
  
# 限制y轴的显示范围 
plt.ylim((-1,5)) 
  
# 给x轴加描述 
plt.xlabel("xxxxxx") 
# 给y轴加描述 
plt.ylabel("yyyyyy") 
  
  
  
# 替换一下横坐标的显示 
temp = np.linspace(-2,2,11) 
plt.xticks(temp) 
  
# 替换纵坐标的标签，用level0代替之前的-1 
# plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"]) 
  
# 获取边框 
ax = plt.gca() 
# 设置右边框的颜色为红色 
ax.spines["right"].set_color("r") 
  
# 去掉上边框 
ax.spines["top"].set_color(None) 
  
# 把x轴的刻度设置为bottom 
ax.xaxis.set_ticks_position("bottom") 
# 把y轴的客户设置为left 
ax.yaxis.set_ticks_position("left") 
  
# 设置x和y交汇的点，x轴是0，y是也是0，也就是x轴和y轴的都是0点交汇 
ax.spines["bottom"].set_position(("data",0)) 
ax.spines["left"].set_position(("data",0)) 
  
plt.show() 

#Auther Bob 
#--*--conding:utf-8 --*-- 
import numpy as np 
 
import matplotlib.pyplot as plt 
 
# 设置图例 
x = np.linspace(-3, 3, 100) 
 
y1 = x * 2 + 0.5 
 
y2 = x ** 2 
 
plt.figure(figsize=(6, 6)) 
 
# 首先要为两条线分别取名，这里的逗号必须要有 
l1, = plt.plot(x, y1, color='r', linewidth=1.0, linestyle='--') 
 
l2, = plt.plot(x, y2, color='b', linewidth=5.0, linestyle='-') 
 
# handles控制图例中要说明的线 
# labels为两条线分别取一个label 
# loc控制图例的显示位置，一般用best，由代码为我们选择最优的位置即可 
 
plt.legend(handles=[l1, l2], labels=["test1", "test2"], loc='best') 
 
# 限制x轴的显示范围 
plt.xlim((-1, 2)) 
 
# 限制y轴的显示范围 
plt.ylim((-1, 5)) 
 
# 给x轴加描述 
plt.xlabel("xxxxxx") 
# 给y轴加描述 
plt.ylabel("yyyyyy") 
 
# 替换一下横坐标的显示 
temp = np.linspace(-2, 2, 11) 
plt.xticks(temp) 
 
# 替换纵坐标的标签，用level0代替之前的-1 
plt.yticks([-1, 0, 1, 2, 3, 4, 5], ["level0", "level1", "level2", "level3", "level4", "level5", "level6"]) 
 
# 为图像加一个图例，用来对图像做说明 
 
 
 
plt.show() 

import numpy as np 
  
import matplotlib.pyplot as plt 
  
# 为图像做标注 
x = np.linspace(-3,3,100) 
  
y1 = x * 2 
  
# y2 = x ** 2 
  
  
plt.figure(figsize=(6,6)) 
  
  
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='-') 
  
  
  
  
  
# 给x轴加描述 
plt.xlabel("xxxxxx") 
# 给y轴加描述 
plt.ylabel("yyyyyy") 
  
# ====================================================== 
# 在x轴为x0，y轴为x0 * 2上画一个点，这个点的颜色是红色，大小为50，这个大小就是这个点显示的大小 
x0 = 0.5 
y0 = x0 * 2 
# scatter是画点的方法 
plt.scatter(x0,y0,color='g',s=50) 
  
# 画线 
# 这条线是第一个点的坐标为[x0,y0],第二个点的坐标为[x0,-6]，后面就是设置线的风格，线的颜色，线的宽度 
  
plt.plot([x0,x0],[y0,-6],color='k',linestyle='--',linewidth=1.0) 
  
  
  
# 画箭头和描述 
  
  
# xy代表我们的点 
# xytext代码我们描述的位置，基于当前的点，在x轴+30，在y轴-30 
# r'$2*x={n}$是我们要显示的文字信息，格式必须要这样 
# textcoords表示作为起点 
# fontsize表示设置字体大小 
# arrowprops设置箭头 
# arrowstyle设置箭头的样式 
# connectionstyle设置风格.2表示弧度 
plt.annotate(r'$2*0.5={n}$'.format(n = y0),xy=(x0,y0),xytext=(+30,-30),textcoords='offset points',fontsize=10,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')) 
  
# 显示文字描述，从x轴为-1，y轴为2开始显示，$$中就是要显示的字符，这里如果要显示空格，则需要转义 
# fontdict设置字体 
plt.text(-1,2,r'$1/ 2/ 3/ 4$',fontdict={"size":16,"color":"r"}) 
  
# ========================================================= 
  
# 为图像加一个图例，用来对图像做说明 
  
plt.show() 

import numpy as np 
  
import matplotlib.pyplot as plt 
  
  
  
  
# 绘制散点图 
# plt.scatter(np.arange(1,10,1),np.arange(10,19,1)) 
  
# plt.scatter(np.linspace(-3,3,10),np.linspace(-3,3,10)) 
  
  
x = np.random.normal(1,10,500) 
y = np.random.normal(1,10,500) 
  
print(x) 
# s设置点的大小 
# c是颜色 
# alpha是透明度 
plt.scatter(x,y,s=50,c='b',alpha=0.5) 
plt.show() 

import numpy as np 
  
import matplotlib.pyplot as plt 
  
  
# 绘制直方图 
x = np.arange(10) 
y = x ** 2 + 10 
  
  
# facecolor设置柱体的颜色 
# edgecolor设置边框的颜色 
  
plt.bar(x,y,facecolor='g',edgecolor='r') 
  
# 绘制翻转过来的直方图 
# plt.bar(x,-y) 
  
#显示文字 
for x,y in zip(x,y): 
    plt.text(x,y,"{f}".format(f=y),ha="center",va='bottom') 
plt.show() 

#Auther Bob 
#--*--conding:utf-8 --*-- 
import numpy as np 
import matplotlib.pyplot as plt 
 
 
 
 
# plt.figure() 
# 有一个两行两列的单元格，这个位于第一个单元格 
# plt.subplot(2,2,1) 
 
# 画一条【0,0】-----》【1,1】的直线 
# plt.plot([0,1],[0,1]) 
 
 
 
# 有一个两行两列的单元格，这个位于第一个单元格 
# plt.subplot(2,2,2) 
 
# 画一条【0,0】-----》【1,1】的直线 
# plt.plot([0,1],[0,1]) 
 
 
 
# 有一个两行两列的单元格，这个位于第一个单元格 
# plt.subplot(2,2,3) 
 
# 画一条【0,0】-----》【1,1】的直线 
# plt.plot([1,0],[0,1]) 
# plt.show() 
 
 
 
# 上面的例子，每张图他显示的大小是一样的，我们想显示不同的大小该怎么办？ 
 
plt.figure() 
# 有一个两行三列的单元格，这个位于第一个单元格 
plt.subplot(2,1,1) 
 
# 画一条【0,0】-----》【1,1】的直线 
plt.plot([0,1],[0,1]) 
 
 
 
# 有一个两行三列的单元格，这个位于第四个单元格，因为第一个单元格占了3个位子，所以这里就是第四个 
plt.subplot(2,3,4) 
 
# 画一条【0,0】-----》【1,1】的直线 
plt.plot([0,1],[0,1]) 
 
 
 
# 有一个两行三列的单元格，这个位于第五个单元格 
plt.subplot(2,3,5) 
 
# 画一条【0,0】-----》【1,1】的直线 
plt.plot([1,0],[0,1]) 
plt.show()