Matplotlib是一个Python 2D绘图库,它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。它可以生成图表、直方图、功率谱、条形图、误差图、散点图等。本文重点介绍线形图相关api的使用方法!
生成常用图型的API
线形图
方法plot
散点图
方法scatter()
饼图
方法pie()
条形图
方法bar()
更多图形展示请参考官网:
http://www.matplotlib.org.cn/tutorials/introductory/sample_plots.html#line-plot
线性plot api详解
基础api
- 实例代码
- from matplotlib import pyplot as plt
- y = [0.21, 0.01, 0.0, 0.9]#纵轴坐标数据
- x = [1, 2,3,4] #横轴坐标数据,如果不写,默认数据就是自增1
- plt.title("cpu Test")#图片标题
- plt.xlabel("time(s)") #横轴文字
- plt.ylabel("cpu(%)")#纵轴文字
- plt.yscale('linear') #设置线性轴,包括: linear、log、symlog、logit
- plt.plot(y,color="blue",linewidth=2,marker="o",markersize=5,markerfacecolor="yellow",markeredgewidth=1,markeredgecolor="red")
- plt.show() #图片展示
- plt.savefig('d:\\testblueline.jpg') #保存图片到d盘
生成图形展示如下:
plt.plot参数解释如下
- y是纵轴数据
- color="blue" 线条显示蓝色
- linewidth=2 线条宽度是2
- marker="o" 节点图形是O
- markersize=5 节点大小是5
- markerfacecolor="yellow" 节点颜色是黄色
- markeredgewidth=1 节点边缘线条宽度是1
- markeredgecolor="red" 节点边缘线条颜色是红色
- plt.show() 图片展示
- plt.savefig('d:\\testblueline.jpg') 保存图片到d盘
同一张图显示多组数据并设置节点形状
- 实例代码
- from matplotlib import pyplot as plt
- import numpy as np
- # 数据范围是0-5,间隔是0.5
- t = np.arange(0, 5,0.5)
- # 红色 --, 蓝色方块 绿色三角
- plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
- plt.show()
生成图形展示如下:
设置坐标轴取值范围
- 实例代码
- from matplotlib import pyplot as plt
- y=[1,2,3,4,5,6,7,8,9]
- plt.plot(y)
- plt.ylabel('test data')
- plt.ylim(1,5) 设置y轴显示的数据范围是1-5,方法xlim设置x轴显示范围
- plt.show()
设置坐标轴显示刻度
- 实例代码
- import numpy as np
- from matplotlib import pyplot as plt
- y=[1,2,3,4,5,6,7,8,9]
- plt.plot(y)
- plt.ylabel('test data')
- plt.xticks(np.arange(0, 10, step=2)) #x轴刻度显示范围是0-10,刻度是2,y轴刻度使用plt.yticks()
- plt.show()
subplot创建多个子图
在matplotlib下,一个Figure对象可以包含多个子图(Axes),可以使用subplot()快速绘制
- 实例代码
- from matplotlib import pyplot as plt
- names = ['group_a', 'group_b', 'group_c']
- values = [1, 10, 100]
- plt.figure(figsize=(9, 3)) #设置主图长款大小
- plt.subplot(131) #131表示一行、三列,第一个
- plt.bar(names, values)
- plt.subplot(132) #132表示一行、三列,第二个
- plt.scatter(names, values)
- plt.subplot(133) #133表示一行、三列,第三个
- plt.plot(names, values)
- plt.suptitle('Categorical Plotting')
- plt.show()