Python画图

大家好，我是讯享网，很高兴认识大家。

前言

Python画图主要用到matplotlib这个库。具体来说是pylab和pyplot这两个子库。这两个库可以满足基本的画图需求。

（文末送读者福利）

pylab神器：pylab.rcParams.update(params)。这个函数几乎可以调节图的一切属性，包括但不限于：坐标范围，axes标签字号大小，xtick,ytick标签字号，图线宽，legend字号等。

（文末送读者福利）

scatter和 plot 函数的不同之处

scatter才是离散点的绘制程序，plot准确来说是绘制线图的，当然也可以画离散点。

scatter/scatter3做散点的能力更强，因为他可以对散点进行单独设置
所以消耗也比plot/plot3大
所以如果每个散点都是一致的时候，还是用plot/plot3好以下
如果要做一些plot没法完成的事情那就只能用scatter了

scatter强大，但是较慢。所以如果你只是做实例中的图，plot足够了。

plt.ion()用于连续显示。

#plot the real data
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(x_data, y_data)
plt.ion()#本次运行请注释，全局运行不要注释
plt.show()
首先在python中使用任何第三方库时，都必须先将其引入。即：

import matplotlib.pyplot as plt

讯享网

讯享网from matplotlib.pyplot import *

1.建立空白图

fig = plt.figure()

也可以指定所建立图的大小

讯享网fig = plt.figure(figsize=(4,2))

也可以建立一个包含多个子图的图，使用语句：

plt.figure(figsize=(12,6)) plt.subplot(231) plt.subplot(232) plt.subplot(233) plt.subplot(234) plt.subplot(235) plt.subplot(236) plt.show()

其中subplot()函数中的三个数字，第一个表示Y轴方向的子图个数，第二个表示X轴方向的子图个数，第三个则表示当前要画图的焦点。

当然上述写法并不是唯一的，比如我们也可以这样写：

讯享网fig = plt.figure(figsize=(6, 6)) ax1 = fig.add_subplot(221) ax2 = fig.add_subplot(222) ax3 = fig.add_subplot(223) ax4 = fig.add_subplot(224) plt.show()

在这里插入图片描述
讯享网
plt.subplot(111)和plt.subplot(1,1,1)是等价的。意思是将区域分成1行1列，当前画的是第一个图（排序由行至列）。

plt.subplot(211)意思就是将区域分成2行1列，当前画的是第一个图（第一行，第一列）。以此类推，只要不超过10，逗号就可省去。

ax1.axis([-1, 1, -1, 1])

或者：

讯享网plt.axis([-1, 1, -1, 1])

效果如下：

在这里插入图片描述

2.向空白图中添加内容，想你所想，画你所想

首先给出一组数据：

x = [1, 2, 3, 4, 5] y = [2.3, 3.4, 1.2, 6.6, 7.0]

A.画散点图*

讯享网plt.scatter(x, y, color='r', marker='+') plt.show()

效果如下：

在这里插入图片描述
这里的参数意义：

b---blue c---cyan g---green k----black m---magenta r---red w---white y----yellow

有四种表示颜色的方式:

用全名
16进制，如：#FF00FF
灰度强度，如：‘0.7’
控制标记风格：marker为散点的标记，标记风格有多种：

讯享网. Point marker , Pixel marker o Circle marker v Triangle down marker ^ Triangle up marker < Triangle left marker > Triangle right marker 1 Tripod down marker 2 Tripod up marker 3 Tripod left marker 4 Tripod right marker s Square marker p Pentagon marker * Star marker h Hexagon marker H Rotated hexagon D Diamond marker d Thin diamond marker | Vertical line (vlinesymbol) marker _ Horizontal line (hline symbol) marker + Plus marker x Cross (x) marker

B.函数图（折线图）

数据还是上面的。

fig = plt.figure(figsize=(12, 6)) plt.subplot(121) plt.plot(x, y, color='r', linestyle='-') plt.subplot(122) plt.plot(x, y, color='r', linestyle='--') plt.show()

效果如下：

在这里插入图片描述
这里有一个新的参数linestyle，控制的是线型的格式：符号和线型之间的对应关系

讯享网- 实线 -- 短线 -. 短点相间线 ： 虚点线

另外除了给出数据画图之外，我们也可以利用函数表达式进行画图，例如：y=sin(x)

from math import * from numpy import * x = arange(-math.pi, math.pi, 0.01) y = [sin(xx) for xx in x] plt.figure() plt.plot(x, y, color='r', linestyle='-.') plt.show()

效果如下：

在这里插入图片描述

C.扇形图

示例：

讯享网import matplotlib.pyplot as plt y = [2.3, 3.4, 1.2, 6.6, 7.0] plt.figure() plt.pie(y) plt.title('PIE') plt.show()

效果如下：

在这里插入图片描述

D.柱状图bar

示例：

import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2.3, 3.4, 1.2, 6.6, 7.0] plt.figure() plt.bar(x, y) plt.title("bar") plt.show()

效果如下：

在这里插入图片描述

E.二维图形（等高线，本地图片等）

讯享网import matplotlib.pyplot as plt import numpy as np import matplotlib.image as mpimg # 2D data delta = 0.025 x = y = np.arange(-3.0, 3.0, delta) X, Y = np.meshgrid(x, y) Z = Y2 + X2 plt.figure(figsize=(12, 6)) plt.subplot(121) plt.contour(X, Y, Z) plt.colorbar() plt.title("contour") # read image img=mpimg.imread('marvin.jpg') plt.subplot(122) plt.imshow(img) plt.title("imshow") plt.show() #plt.savefig("matplot_sample.jpg")

效果图：

在这里插入图片描述

F.对所画图进行补充

__author__ = 'wenbaoli' import matplotlib.pyplot as plt from math import * from numpy import * x = arange(-math.pi, math.pi, 0.01) y = [sin(xx) for xx in x] plt.figure() plt.plot(x, y, color='r', linestyle='-') plt.xlabel(u'X')#fill the meaning of X axis plt.ylabel(u'Sin(X)')#fill the meaning of Y axis plt.title(u'sin(x)')#add the title of the figure plt.show()

效果图：

在这里插入图片描述
画网络图，要用到networkx这个库，下面给出一个实例：

讯享网import networkx as nx import pylab as plt g = nx.Graph() g.add_edge(1,2,weight = 4) g.add_edge(1,3,weight = 7) g.add_edge(1,4,weight = 8) g.add_edge(1,5,weight = 3) g.add_edge(1,9,weight = 3) g.add_edge(1,6,weight = 6) g.add_edge(6,7,weight = 7) g.add_edge(6,8,weight = 7) g.add_edge(6,9,weight = 6) g.add_edge(9,10,weight = 7) g.add_edge(9,11,weight = 6) fixed_pos = {1:(1,1),2:(0.7,2.2),3:(0,1.8),4:(1.6,2.3),5:(2,0.8),6:(-0.6,-0.6),7:(-1.3,0.8), 8:(-1.5,-1), 9:(0.5,-1.5), 10:(1.7,-0.8), 11:(1.5,-2.3)} #set fixed layout location #pos=nx.spring_layout(g) # or you can use other layout set in the module nx.draw_networkx_nodes(g,pos = fixed_pos,nodelist=[1,2,3,4,5], node_color = 'g',node_size = 600) nx.draw_networkx_edges(g,pos = fixed_pos,edgelist=[(1,2),(1,3),(1,4),(1,5),(1,9)],edge_color='g',width = [4.0,4.0,4.0,4.0,4.0],label = [1,2,3,4,5],node_size = 600) nx.draw_networkx_nodes(g,pos = fixed_pos,nodelist=[6,7,8], node_color = 'r',node_size = 600) nx.draw_networkx_edges(g,pos = fixed_pos,edgelist=[(6,7),(6,8),(1,6)],width = [4.0,4.0,4.0],edge_color='r',node_size = 600) nx.draw_networkx_nodes(g,pos = fixed_pos,nodelist=[9,10,11], node_color = 'b',node_size = 600) nx.draw_networkx_edges(g,pos = fixed_pos,edgelist=[(6,9),(9,10),(9,11)],width = [4.0,4.0,4.0],edge_color='b',node_size = 600) plt.text(fixed_pos[1][0],fixed_pos[1][1]+0.2, s = '1',fontsize = 40) plt.text(fixed_pos[2][0],fixed_pos[2][1]+0.2, s = '2',fontsize = 40) plt.text(fixed_pos[3][0],fixed_pos[3][1]+0.2, s = '3',fontsize = 40) plt.text(fixed_pos[4][0],fixed_pos[4][1]+0.2, s = '4',fontsize = 40) plt.text(fixed_pos[5][0],fixed_pos[5][1]+0.2, s = '5',fontsize = 40) plt.text(fixed_pos[6][0],fixed_pos[6][1]+0.2, s = '6',fontsize = 40) plt.text(fixed_pos[7][0],fixed_pos[7][1]+0.2, s = '7',fontsize = 40) plt.text(fixed_pos[8][0],fixed_pos[8][1]+0.2, s = '8',fontsize = 40) plt.text(fixed_pos[9][0],fixed_pos[9][1]+0.2, s = '9',fontsize = 40) plt.text(fixed_pos[10][0],fixed_pos[10][1]+0.2, s = '10',fontsize = 40) plt.text(fixed_pos[11][0],fixed_pos[11][1]+0.2, s = '11',fontsize = 40) plt.show()

结果如下：

在这里插入图片描述