Matplotlib

基本用法

首先來看一個matplotlib最基本的用法

這里需要匯入兩個庫

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1,1,50) # 制作橫坐標點
y = 2*x+1 # 函式y
plt.plot(x,y)
plt.show() # 將圖顯示出來

運行代碼，可以看到如下結果

在這里插入圖片描述

另外說明一下圖中下面幾個按鈕的作用
在這里插入圖片描述

按鈕一：還原圖，即回到最初始的狀態

按鈕二：回傳上一步

按鈕三：回傳下一步

按鈕四：移動圖形

按鈕五：可以用一個矩形框住某個部分，來達到區域放大的效果

按鈕六：配置

按鈕七：保存圖片

figure影像

細心的小伙伴可以看見前面的圖中有一個Figure 1，如果我們想要多個figure影像怎么實作呢？

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
y2 = x**2 # 函式y2
plt.figure() # 定義figure1
plt.plot(x,y1)
plt.figure() # 定義figure2
plt.plot(x,y2)
plt.show() # 將圖顯示出來

運行代碼，可以看到我們得到了兩個不同的figure：figure1和figure2；

在這里插入圖片描述

figure()函式中是可以指明引數的，例如如下代碼：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
y2 = x**2 # 函式y2
plt.figure() # 定義figure1
plt.plot(x,y1)
plt.figure(num=3,figsize=(8,5)) # 定義figure2
plt.plot(x,y2)
plt.show() # 將圖顯示出來

運行可以看到如下結果：

在這里插入圖片描述

可以看到我們得到了兩個figure：figure1和figure3，

figure中num=3的意思表示當前figure的編號為3，如果不指定num的話，則默認按照升序顯示，figsize表示設定figure的length和width，可以看到figure3明顯和figure1不一樣；

如果我們想把兩個函式影像放到同一個figure中，只需要同時plot兩個函式即可，同時函式影像的style也是可以改變的，代碼如下：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
y2 = x**2 # 函式y2
plt.figure() # 定義figure1
plt.plot(x,y1)
plt.plot(x,y2,color='red',linewidth=3,linestyle='--') # color為線的顏色 linewidth為線的粗度 linestyle為線的型別 這里為虛線
plt.show() # 將圖顯示出來

運行結果：

在這里插入圖片描述

設定坐標軸

設定坐標軸范圍

如果要設定x坐標軸的范圍，只需要用到plt.xlim()函式即可，

同理y坐標軸只需要使用plt.ylim()，

例如：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
y2 = x**2 # 函式y2
plt.figure() # 定義figure1
plt.plot(x,y1)
plt.plot(x,y2,color='red',linewidth=3,linestyle='--') # color為線的顏色 linewidth為線的粗度 linestyle為線的型別 這里為虛線
plt.xlim((-1,2)) #設定x軸范圍
plt.ylim((-2,3)) #設定y軸范圍
plt.show() # 將圖顯示出來

運行結果：

在這里插入圖片描述

可以看到坐標軸x，y的范圍就被修改了，

添加說明性文字

如果想在x，y坐標軸加上相關說明性文字，只需要使用函式plt.xlabel()和plt.ylabel()即可

例如：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
y2 = x**2 # 函式y2
plt.figure() # 定義figure1
plt.plot(x,y1)
plt.plot(x,y2,color='red',linewidth=3,linestyle='--') # color為線的顏色 linewidth為線的粗度 linestyle為線的型別 這里為虛線
plt.xlim((-1,2)) #設定x軸范圍
plt.ylim((-2,3)) #設定y軸范圍
plt.xlabel('This is X') #設定x軸說明
plt.ylabel('This is Y') #設定y軸說明
plt.show() # 將圖顯示出來

在這里插入圖片描述

改變坐標軸端點

如果想要修改坐標軸上每個端點的引數，需要用到plt.xticks()函式，

例如，修改x軸上端點：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
y2 = x**2 # 函式y2
plt.figure() # 替換前
plt.plot(x,y1)
plt.plot(x,y2,color='red',linewidth=3,linestyle='--') # color為線的顏色 linewidth為線的粗度 linestyle為線的型別 這里為虛線
plt.xlabel('This is X')
plt.ylabel('This is Y')
plt.figure() # 替換后
plt.plot(x,y1)
plt.plot(x,y2,color='red',linewidth=3,linestyle='--')
plt.xlabel('This is X')
plt.ylabel('This is Y')
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks) # 替換
plt.show() # 將圖顯示出來

運行結果：

在這里插入圖片描述

例如，將y軸修改為文字：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
y2 = x**2 # 函式y2
plt.figure(figsize=(10,10)) # 替換前
plt.plot(x,y1)
plt.plot(x,y2,color='red',linewidth=3,linestyle='--') # color為線的顏色 linewidth為線的粗度 linestyle為線的型別 這里為虛線
plt.xlabel('This is X')
plt.ylabel('This is Y')
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks)
# 將y軸上每個固定的數字修改為對應的文字，例如y軸上-3的位置標志really bad
plt.yticks([-3,-2,-1.22,1,3,],
            [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])
plt.show() # 將圖顯示出來

運行結果：

在這里插入圖片描述

修改坐標軸位置

修改坐標軸位置，首先需要用到gca，即get current axis，得到當前的axis，

ax = plt.gca() #得到gca
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

ax.spines的意思是骨架，即我們得到的圖中，分為top，bottom，right和left，

在這里插入圖片描述

這里我們將right和top的color設定為none，即去掉上邊框和右邊框，

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
y2 = x**2 # 函式y2
plt.figure(figsize=(10,10)) # 替換前
plt.plot(x,y1)
plt.plot(x,y2,color='red',linewidth=3,linestyle='--') # color為線的顏色 linewidth為線的粗度 linestyle為線的型別 這里為虛線
plt.xlabel('This is X')
plt.ylabel('This is Y')
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks)
# 將y軸上每個固定的數字修改為對應的文字，例如y軸上-3的位置標志really bad
plt.yticks([-3,-2,-1.22,1,3,],
            [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
plt.show() # 將圖顯示出來

運行結果：

在這里插入圖片描述

可以看到邊框消失了，

同時我們可以把left和bottom分別當做y軸和x軸，并將（0,0）設定為坐標系原點，

ax.xaxis.set_ticks_position('bottom') #將bottom設定為x
ax.yaxis.set_ticks_position('left') #將left設定為y
ax.spines['bottom'].set_position(('data',0)) #設定bottom的起點為0
ax.spines['left'].set_position(('data',0)) #設定left的起點為0

之后我們可以看到如下結果：

在這里插入圖片描述

legend圖例

如果同一個figure中有多條線，我們想要分辨每一條線的話，需要用到函式legend函式，

# 給兩條線設定一個label標簽
plt.plot(x,y1,label='Line One')
plt.plot(x,y2,color='red',linewidth=3,linestyle='--',label='Line Two')
# 使用legend函式
plt.legend()

運行結果如下：

在這里插入圖片描述

可以在右下角看見一個標識每條線的圖例

legend()函式是可以指明引數的，例如：

l1,=plt.plot(x,y1,label='Line One')
l2,=plt.plot(x,y2,color='red',linewidth=3,linestyle='--',label='Line Two')
# 在legend中指明了labels則不會顯示前面宣告的label loc表示圖例的位置best表示自動選擇一個最佳位置
plt.legend(handles[l1,l2,],labels=['aaa','bbb'],loc='best')

運行結果：

在這里插入圖片描述

Annotation注解

annotation注解主要在圖中添加標識，例如有時候我們想要特別標注某個點，

假設我們要在函式y=2x+1中特別標注（1,3）這個點，

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
plt.figure(figsize=(8,5),) # 替換前
plt.plot(x,y1,)
# 設定坐標軸
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
# 點(x0,y0)
x0 = 1
y0 = 2*x0 + 1
# scatter是做散點圖用的，我們只傳入了一個點，所以它只會顯示一個點
plt.scatter(x0,y0,s=50,color='b')
plt.show() # 將圖顯示出來

運行結果：

在這里插入圖片描述

標注完這個點后，如果我們想在這個點上加上一些說明性的文字，則我們有兩種方式：

Method One

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
plt.figure(figsize=(8,5),) # 替換前
plt.plot(x,y1,)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
x0 = 1
y0 = 2*x0 + 1
# scatter是做散點圖用的，我們只傳入了一個點，所以它只會顯示一個點
plt.scatter(x0,y0,s=50,color='b')
plt.plot([x0,x0],[y0,0],'k--',lw=2.5) # 做出直線x=1 注意plot引數中[x0,x0]為兩個點的橫坐標 而不是一個點的橫縱坐標
# method1
# xy 表示箭頭指向的地方
# xycoords前面的xy是以data值作為基準
# xytext即圖片中2x+1=3的位置
# textcoords 暫時不清楚
# fontsize字體大小
# arrowprops 箭頭style的定義
plt.annotate(r'$2x+1=%s$' % y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),
             textcoords='offset points',fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
plt.show() # 將圖顯示出來

運行后結果：

在這里插入圖片描述

備注：如果想要明白每個引數確切的含義，建議大家自己手動修改，自己去體會一下，多試幾次就明白了

Method Two

我們在Method One的基礎上，再次加上一下說明性的文字：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 2*x+1 # 函式y1
plt.figure(figsize=(8,5),) # 替換前
plt.plot(x,y1,)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
x0 = 1
y0 = 2*x0 + 1
# scatter是做散點圖用的，我們只傳入了一個點，所以它只會顯示一個點
plt.scatter(x0,y0,s=50,color='b')
plt.plot([x0,x0],[y0,0],'k--',lw=2.5) # 做出直線x=1 注意plot引數中[x0,x0]為兩個點的橫坐標 而不是一個點的橫縱坐標
# method1
# xy 表示箭頭指向的地方
# xycoords前面的xy是以data值作為基準
# xytext即圖片中2x+1=3的位置
# textcoords 暫時不清楚
# fontsize字體大小
# arrowprops 箭頭style的定義
plt.annotate(r'$2x+1=%s$' % y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),
             textcoords='offset points',fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
# method2
# 前面兩個數字表示文字的位置 后面的字串中\+空格用來轉義空格 \mu \sigma_i 用來轉義特殊的數學符號
plt.text(-3.7,3,r'$This\ is\ the\ some\ text.\ \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size':16,'color':'r'})
plt.show() # 將圖顯示出來

運行結果：

在這里插入圖片描述

坐標軸刻度

有時候如果影像中的線條過粗或者線條數目過多，可能會擋住我們坐標軸上面的資料，比如出現下圖中的情況：

在這里插入圖片描述

可能有的人說，線條變細一點就好了，這確實是一個辦法，但是有沒有更好的解決方案呢，其實很簡單，我們只需要給他們設定一個Zorder就好啦，Zorder我個人理解為是一個優先級，Zorder值越大的就先顯示，不知道這么說各位能不能理解，還是先上代碼和運行結果吧，

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50) # 制作橫坐標點
y1 = 0.1*x # 函式y1
plt.figure(figsize=(8,5),) # 替換前
# 這里設定原始直線的Zorder的值為1
plt.plot(x,y1,lw=10,zorder=1)
plt.ylim(-2,2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

for label in ax.get_xticklabels()+ax.get_yticklabels():
    # 設定坐標軸上標點的zorder值為2
    label.set_zorder(2)
    label.set_fontsize(12)
    # 設定background alpha為透明度
    label.set_bbox(dict(facecolor='white',edgecolor='None',alpha=0.7))

plt.show() # 將圖顯示出來

在這里插入圖片描述

可以發現坐標軸刻度是先顯示的，

如果把plt.plot(x,y1,lw=10,zorder=1)修改成plt.plot(x,y1,lw=10,zorder=3)會發生什么？感興趣的可以自己下去試一下，相信試過之后你就會理解Zorder的含義了，

Scatter散點圖

可能學習Matplotlib的同學，不僅僅只是想來做一些數學方面的圖，可能還有別的需求，接下來一一介紹Matplotlib其他強大的地方，

散點圖：即在影像上顯示一系列的點，這些點可能有規律，可能沒有規律，

通過matplotlib做散點圖其實也很簡單，

還記得前面介紹Annotation的時候介紹過的Scatter么，忘記的同學可以回去看一看，我們使用scatter就可以了，

首先生成資料：

n = 1024
# normal 的意思是一個正態分布 0表示正態分布的均值，1表示正態分布的方差，n表示輸出值的維度，
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
T = np.arctan2(Y,X) # for color value

然后使用**plt.scatter()**函式

plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.show() # 將圖顯示出來

運行結果：

在這里插入圖片描述

如果想要進一步美化這個圖形，例如去掉坐標軸：

plt.xlim((-1.5,1.5))
plt.ylim((-1.5,1.5))
plt.xticks(()) # 傳入一個空值即可
plt.yticks(()) # 傳入一個空值即可

然后繼續觀察散點圖：

在這里插入圖片描述

可以看到比之前的要美觀

這只是最基礎的用法，有更高要求的小伙伴可以自行下去做進一步研究，

Bar柱狀圖

首先造資料,這里我們想顯示兩個柱狀圖，一個分布于x軸上方，另外一個分布于x軸下方，

n = 12
X = np.arange(n)
Y1 = (1 - X/float(n))*np.random.uniform(0.5,1.0,n) # 向上的柱狀圖
Y2 = (1 - X/float(n))*np.random.uniform(0.5,1.0,n) # 向下的柱狀圖

然后使用plt.bar()函式

plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')
plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')

facecolor:為圖形顏色

edgecolor:為邊框顏色，這里選擇白色，

接著，我們設定一下坐標軸：

plt.xlim(-.5,n)
plt.ylim(-1.25,1.25)
plt.xticks(())
plt.yticks(())

然后show：

plt.show() # 將圖顯示出來

可以看到以下結果：

在這里插入圖片描述

這個時候這個圖形還不夠完善，我們想要在柱狀圖上面得知某個矩形代表的值為多少，這個時候我們只需要使用一個回圈就好：

for x,y in zip(X,Y1):
    # ha:horizontal alignment
    plt.text(x,y+0.05,'%.2f' % y,ha='center',va='bottom')
for x,y in zip(X,Y2):
    # ha:vertical alignment
    plt.text(x,-y-0.05,'-%.2f' % y,ha='center',va='top')

ha和va為對其方式，一個為水平，一個為垂直

效果圖：

在這里插入圖片描述

Contours等高線圖

如何畫出地理課本上美妙的山峰等高線圖形呢？

首先我們定義一個等高線函式f

def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

不用過多糾結這個函式，它只是一個計算公式而已，

造資料

n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
# 對numpy.meshgrid()最簡潔且清晰的解釋就是：把兩個陣列的笛卡爾積內的元素的第一二個坐標分別放入兩個矩陣中，
X,Y = np.meshgrid(x,y)

然后使用plt.contourf方法，初步畫出等高線圖

plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)

引數8表示將整個圖形分的份數，如果是0，則為兩份，可以推測如果是8的話應該是分成10份，可以試著數一數

cmap可以理解為色譜，根據公式f算出來的數值，每個數值對應一個顏色，hot為暖色系，還有其他色系，

可以參照下面的表格

引數	含義
cmap = plt.cm.gray	回傳線性灰度色圖
cmap = plt.cm.hot	從黑平滑過度到紅、橙色和黃色的背景色，然后到白色
cmap = plt.cm.cool	包含青綠色和品紅色的陰影色，從青綠色平滑變化到品紅色
cmap = plt.cm.bone	具有較高的藍色成分的灰度色圖，用于對灰度圖添加電子的視圖
cmap = plt.cm.white	全白的單色色圖
cmap = plt.cm.spring	包含品紅和黃的陰影顏色
cmap = plt.cm.summer	包含綠和黃的陰影顏色
cmap = plt.cm.autumn	從紅色平滑變化到橙色，然后到黃色
cmap = plt.cm.winter	包含藍和綠的陰影色

初步運行結果：

在這里插入圖片描述

然后進行美化，用黑色線條圈出每一個等高線

# use plt.contour to add contour lines
C = plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=.0)

在這里插入圖片描述

最后加上數值：

# adding label
plt.clabel(C,inline=True,fontsize=10)

最終效果：

在這里插入圖片描述

3D影像

除了2D圖之外，可能還需要繪制3D影像，

首先需要引入一個庫，

from mpl_toolkits.mplot3d import Axes3D

然后定義一個figure，并獲取到該figure的axis

fig = plt.figure()
ax = Axes3D(fig)

然后造一些資料

X = np.arange(-4,4,0.25)
Y = np.arange(-4,4,0.25)
X,Y = np.meshgrid(X,Y)
R = np.sqrt(X**2+Y**2)
Z = np.sin(R)

然后呼叫函式plot_surface()

ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'),edgecolor='black')

rstride和cstride分別為row和column的跨度，可以自己修改引數去體會

運行結果：

在這里插入圖片描述

同時如果我們想把這個圖分別投影到x,y,z軸，例如z軸：

# z表示z軸 同理x，y分別表示x軸和y軸 offset=-2為投影的偏移量
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')
# 便于美觀 設定一下z軸的lim
ax.set_zlim(-2,2)

效果圖：

在這里插入圖片描述

subplot多合一顯示

如果想在一個figure中顯示多個圖形，我們需要使用subplot函式

import matplotlib.pyplot as plt
plt.figure()
# 注意觀察第三個引數的變化
plt.subplot(2,2,1)
plt.plot([0,1],[0,1])
plt.subplot(2,2,2)
plt.plot([0,1],[0,1])
plt.subplot(2,2,3)
plt.plot([0,1],[0,1])
plt.subplot(2,2,4)
plt.plot([0,1],[0,1])
plt.show() # 將圖顯示出來

效果：

在這里插入圖片描述

如果有的圖形需要獨占一塊比較大的位置：只需要修改引數即可：

import matplotlib.pyplot as plt
import numpy as np
plt.figure()
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])
plt.subplot(2,3,4)
plt.plot([0,1],[0,1])
plt.subplot(2,3,5)
plt.plot([0,1],[0,1])
plt.subplot(2,3,6)
plt.plot([0,1],[0,1])
plt.show() # 將圖顯示出來

效果：

在這里插入圖片描述

subplot分格顯示

這里再介紹幾種簡單的方法

介紹前，先引入一個庫

import matplotlib.gridspec as gridspec

Method One

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.gridspec as gridspec
# method 1:subplot2grid
plt.figure()
# (3,3)表示將整個figure分成3*3的網格，(0,0)表示ax1這個子圖是從0行0列開始畫的，下標從0開始，即0行~2行，0列~2列，colspan和rowspan表示子圖的跨度，不設定默認為1
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax1.plot([1,2],[1,2])
# 設定x軸說明
ax1.set_xlabel('this is ax1\'s s')
# 設定title 其他的設定類似于set_XXX()方法
ax1.set_title('this is ax1')
ax2 = plt.subplot2grid((3,3),(1,0),colspan=2,)
ax3 = plt.subplot2grid((3,3),(1,2),rowspan=2,)
ax4 = plt.subplot2grid((3,3),(2,0))
ax4 = plt.subplot2grid((3,3),(2,1))
plt.tight_layout()
plt.show() # 將圖顯示出來

效果：

在這里插入圖片描述

結合效果圖和代碼中的引數仔細體會這種方法

Method Two

# method 2:gridspec
plt.figure()
gs = gridspec.GridSpec(3,3)
ax1 = plt.subplot(gs[0,:])
ax2 = plt.subplot(gs[1,:2])
ax3 = plt.subplot(gs[1:,2])
ax4 = plt.subplot(gs[2,0])
ax5 = plt.subplot(gs[2,1])
plt.tight_layout()
plt.show() # 將圖顯示出來

也是使用類似于索引的方式實作，效果圖：

在這里插入圖片描述

Method Three

# 在括號中定義每個ax，2,2表示figure為2*2表格，sharex=true表示共享x軸
f,((ax11,ax12),(ax21,ax22)) = plt.subplots(2,2,sharex=True,sharey=True)
ax11.scatter([1,2],[1,2])
plt.tight_layout()
plt.show() # 將圖顯示出來

效果圖：

在這里插入圖片描述

以上就是三種方法，使用分格顯示，小伙伴們覺得那種簡單就用哪一種吧！！！

圖中圖

如果想在一個圖中顯示另外一個圖，怎么做呢？

import matplotlib.pyplot as plt
fig = plt.figure()
x = [1,2,3,4,5,6,7]
y = [1,3,4,2,5,8,6]

然后定義left,bottom,width,height

# left和bottom表示從figure的離left 10%以及離bottom 10%的位置開始畫 width和height表示圖的寬和長占比figure的80%和80%
left,bottom,width,height = 0.1,0.1,0.8,0.8

# 做出ax1
ax1 = fig.add_axes([left,bottom,width,height])
ax1.plot(x,y,'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')

同理ax2

left,bottom,width,height = 0.2,0.6,0.25,0.25
ax2 = fig.add_axes([left,bottom,width,height])
ax2.plot(x,y,'b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')

也可以直接使用plt.axes()方法

plt.axes([0.6,0.2,0.25,0.25])
plt.plot(y[::-1],x,'g')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')

效果圖：

在這里插入圖片描述

次坐標軸

當我們需要顯示兩個y軸的時候，我們可以使用twinx共享x軸

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0,10,0.1)
y1 = 0.05 * x **2
y2 = -1 * y1
fig,ax1 = plt.subplots()
# 共享x軸
ax2 = ax1.twinx()
ax1.plot(x,y1,'g-')
ax2.plot(x,y2,'b--')

ax1.set_xlabel('X data')
ax1.set_ylabel('Y1',color='g')
ax2.set_ylabel('Y2',color='b')
plt.show()

效果：

在這里插入圖片描述

結束

matplotlib的基本用法就介紹到這里，我是看b站莫煩python up主的視頻做的筆記！謝謝大家！

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/252135.html

標籤：python

上一篇：【每日藍橋】14、一三年省賽Java組真題“三部排序”

下一篇：模擬登錄12306（selenium+超級鷹）

Matplotlib快速入門--小白

Matplotlib

目錄

基本用法

figure影像

設定坐標軸

legend圖例

Annotation注解

坐標軸刻度

Scatter散點圖

Bar柱狀圖

Contours等高線圖

3D影像

subplot多合一顯示

subplot分格顯示

圖中圖

次坐標軸

結束