Python 数据科学
速查表
Matplotlib
天善智能 商业智能与大数据社区 www.hellobi.com
DataCamp
Learn Python for Data Science Interactively
准备数据
参阅 列表与 NumPy
1
>>> import numpy as np
>>> x = np.linspace(0, 10, 100)
>>> y = np.cos(x)
>>> z = np.sin(x)
显示图形
>>> plt.show()
Matplotlib 2.0.0 - Updated on: 02/2017
保存
保存画布
>>> plt.saveg('foo.png')
保存透明画布
>>> plt.saveg('foo.png', transparent=True)
6
5
>>> g = plt.gure()
>>> g2 = plt.gure(gsize=plt.gaspect(2.0))
2
图形解析与工作流
>>> g.add_axes()
>>> ax1 = g.add_subplot(221) # row-col-num
>>> ax3 = g.add_subplot(212)
>>> g3, axes = plt.subplots(nrows=2,ncols=2)
>>> g4, axes2 = plt.subplots(ncols=3)
自定义图形
颜色、色条与色彩表
标记
线型
数学符号
文本与标注
尺寸限制、图例和布局
Matplotlib 绘图的基本步骤：
1 准备数据 2 创建图形 3 绘图 4 自定义设置 5 保存图形 6 显示图形
>>> import matplotlib.pyplot as plt
>>> x = [1,2,3,4]
>>> y = [10,20,25,30]
>>> g = plt.gure()
>>> ax = g.add_subplot(111)
>>> ax.plot(x, y, color='lightblue', linewidth=3)
>>> ax.scatter([2,4,6],
[5,15,25],
color='darkgreen',
marker='^')
>>> ax.set_xlim(1, 6.5)
>>> plt.saveg('foo.png')
>>> plt.show()
Step 3, 4
Step 2
Step 1
Step 3
Step 6
图形解析
工作流
4
尺寸限制与自动调整
>>> ax.margins(x=0.0,y=0.1)
>>> ax.axis('equal')
>>> ax.set(xlim=[0,10.5],ylim=[-1.5,1.5])
>>> ax.set_xlim(0,10.5)
图例
>>> ax.set(title='An Example Axes',
ylabel='Y-Axis',
xlabel='X-Axis')
>>> ax.legend(loc='best')
标记
>>> ax.xaxis.set(ticks=range(1,5),
ticklabels=[3,100,-12,"foo"])
>>> ax.tick_params(axis='y',
direction='inout',
length=10)
子图间距
>>> g3.subplots_adjust(wspace=0.5,
hspace=0.3,
left=0.125,
right=0.9,
top=0.9,
bottom=0.1)
>>> g.tight_layout()
坐标轴边线
>>> ax1.spines['top'].set_visible(False)
>>> ax1.spines['bottom'].set_position(('outward',10))
画布
图形是以坐标轴为核心绘制的，大多数情况下，子图就可以满足需
求。子图是栅格系统的坐标轴。
>>> data = 2 * np.random.random((10, 10))
>>> data2 = 3 * np.random.random((10, 10))
>>> Y, X = np.mgrid[-3:3:100j, -3:3:100j]
>>> U = -1 - X**2 + Y
>>> V = 1 + X - Y**2
>>> from matplotlib.cbook import get_sample_data
>>> img = np.load(get_sample_data('axes_grid/bivariate_normal.npy'))
>>> g, ax = plt.subplots()
>>> lines = ax.plot(x,y)
>>> ax.scatter(x,y)
>>> axes[0,0].bar([1,2,3],[3,4,5])
>>> axes[1,0].barh([0.5,1,2.5],[0,1,2])
>>> axes[1,1].axhline(0.45)
>>> axes[0,1].axvline(0.65)
>>> ax.ll(x,y,color='blue')
>>> ax.ll_between(x,y,color='yellow')
用线或标记连接点
缩放或着色未连接的点
绘制等宽纵向矩形
绘制等高横向矩形
绘制与轴平行的横线
绘制与轴垂直的竖线
绘制填充多边形
填充y值和0之间
3
一维数据
>>> g, ax = plt.subplots()
>>> im = ax.imshow(img,
色彩表或RGB数组
cmap='gist_earth',
interpolation='nearest',
vmin=-2,
vmax=2)
二维数据或图片
向量场
>>> axes[0,1].arrow(0,0,0.5,0.5)
>>> axes[1,1].quiver(y,z)
>>> axes[0,1].streamplot(X,Y,U,V)
为坐标轴添加箭头
二维箭头
二维箭头
数据分布
>>> ax1.hist(y)
>>> ax3.boxplot(y)
>>> ax3.violinplot(z)
直方图
箱形图
小提琴图
>>> axes2[0].pcolor(data2)
>>> axes2[0].pcolormesh(data)
>>> CS = plt.contour(Y,X,U)
>>> axes2[2].contourf(data1)
>>> axes2[2]= ax.clabel(CS)
二维数组伪彩色图
二维数组等高线伪彩色图
等高线图
等高线图标签
Figure
Axes/Subplot
Y-axis
X-axis
一维数据
二维数据或图片
>>> plt.plot(x, x, x, x**2, x, x**3)
>>> ax.plot(x, y, alpha = 0.4)
>>> ax.plot(x, y, c='k')
>>> g.colorbar(im, orientation='horizontal')
>>> im = ax.imshow(img,
cmap='seismic')
>>> g, ax = plt.subplots()
>>> ax.scatter(x,y,marker=".")
>>> ax.plot(x,y,marker="o")
>>> plt.title(r'$sigma_i=15$', fontsize=20)
>>> ax.text(1,
-2.1,
'Example Graph',
style='italic')
>>> ax.annotate("Sine",
xy=(8, 0),
xycoords='data',
xytext=(10.5, 0),
textcoords='data',
arrowprops=dict(arrowstyle="->"
,
connectionstyle="arc3"),)
>>> plt.plot(x,y,linewidth=4.0)
>>> plt.plot(x,y,ls='solid')
>>> plt.plot(x,y,ls='--')
>>> plt.plot(x,y,'--',x**2,y**2,'-.')
>>> plt.setp(lines,color='r',linewidth=4.0)
>>> import matplotlib.pyplot as plt
关闭与清除
>>> plt.cla()
>>> plt.clf()
>>> plt.close()
清除坐标轴
清除画布
关闭窗口
呆鸟 㨄
Matplotlib
Matplotlib 是 Python 的二维绘图库，用于生成符合出版质量或
跨平台交互环境的各类图形。
绘制图形
坐标轴
绘图例程
原文作者
添加内边距
将图形纵横比设置为1
设置x轴与y轴的限制
设置x轴的限制
设置标题与x、y轴的标签
自动选择最佳的图例位置
手动设置X轴刻度
设置Y轴长度与方向
调整子图间距
设置画布的子图布局
隐藏顶部坐标轴线
设置底部边线的位置为outward
