要查看使用matplotlib可制作的各种图表,请访问 http://matplotlib.org/ 的示例画廊。单击画廊中的图表,就可查看用于生成图表的代码。
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25] plt.plot(squares) plt.show()
解析:
pyplot
plt
squares = [1, 4, 9, 16, 25]
plot()
plt.show()
matplotlib
## 1. 线条粗细 plt.plot(squares, linewidth=5) # linewidth参数用来设置线条粗细
## 2.设置标题 plt.title(title, fontsize=24) # fontsize参数用来指定文字大小
## 3.为坐标轴添加标签 plt.xlabel(xvalue, fontsize=24) plt.ylabel(yvalue, fontsize=24)
## 4.设置刻度标记的大小 plt.tick_params(axis=both, labelsize=15) # labelsize参数用来指定刻度标记大小
上图存在的问题,x轴值为4时,对应的平方值为25
造成上图的原因是,当为plot()提供一系列数字时,它假设第一个数据点对应的x坐标值为0;因此,这里需要改变这种默认行为
## 提供输入值 input_value = [1, 2, 3, 4, 5] ## 提供输出值 squares = [1, 4, 9, 16, 25]
## 将输入值与输出值相对应 plt.plot(input_value, squares, linewidth=5) plt.title(title, fontsize=24) plt.xlabel(xvalue, fontsize=24) plt.ylabel(yvalue, fontsize=24) plt.tick_params(axis=both, labelsize=15)
scatter()可以绘制单个点,向它传递一对x,y坐标,它将在指定位置绘制一个点
scatter()
plt.scatter(2, 4) plt.show()
## 1.参数s可以控制点的大小 plt.scatter(2, 4, s=200) plt.show()
## 1.参数s可以控制点的大小 plt.scatter(2, 4, s=200)
## 2.设置图表标题 plt.title(title, fontsize=24)
## 3.设置轴标签 plt.xlabel(xvalue, fontsize=24) plt.ylabel(yvalue, fontsize=24)
## 4.设置刻度标记大小 plt.tick_params(axis=both, which=major, labelsize=15) # which : {major, minor, both},major指定其为主要的点
接下来,绘制出一系列的点
# 设定x,y值对应数据集 x_value = [1, 2, 3, 4, 5] y_value = [1, 4, 9, 16, 25]
plt.scatter(x_value, y_value, s=100) plt.title(title, fontsize=24) plt.xlabel(xvalue, fontsize=24) plt.ylabel(yvalue, fontsize=24) plt.tick_params(axis=both, which=major, labelsize=15)
# 生成1000个序列 x_value = list(range(1, 1001)) # 生成x对应值的平方序列 y_value = [x**2 for x in x_value]
plt.scatter(x_value, y_value, s=40) plt.title(title, fontsize=24) plt.xlabel(xvalue, fontsize=24) plt.ylabel(yvalue, fontsize=24) plt.tick_params(axis=both, which=major, labelsize=15)
# 设置坐标轴的取值范围 plt.axis([0, 1100, 0, 1100000]) # 这里对应的是x,y的最小值与最大值
matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓,在散点图包含的数据点不多时效果很好。但绘制很多点时,黑色轮廓可能会粘连在一起。要删除数据点的轮廓,可在调用sactter()时传递实edgecolor=none
x_value = list(range(1, 1001)) y_value = [x**2 for x in x_value]
# 删除数据点的轮廓 plt.scatter(x_value, y_value, edgecolor=none, s=40)
plt.title(title, fontsize=24) plt.xlabel(xvalue, fontsize=24) plt.ylabel(yvalue, fontsize=24) plt.tick_params(axis=both, which=major, labelsize=15) plt.axis([0, 1100, 0, 1100000])
sectter()中的参数c可以指定数据点的颜色
颜色的值可以使用英文名称,也可以使用RGB颜色值——其实参形式是:传递参数c,并将其设置为一个元组,其中包含三个0~1之间的小数值,它们分别表示红色、绿色和蓝色分量
# 更改数据点的颜色 # plt.scatter(x_value, y_value, c=red, edgecolor=none, s=40) # 或者 plt.scatter(x_value, y_value, c=(0.8, 0.3, 0.2), edgecolor=none, s=40)
颜色映射(colormap) 是一系列颜色,它们从起始颜色渐变到结束颜色
# 设置颜色映射关系 plt.scatter(x_value, y_value, c=y_value, cmap=plt.cm.Blues, edgecolor=none, s=40)
这里将参数c设置成了一个y值列表,并使用参数cmap告诉pyplot使用哪个颜色映射。这些代码将y值较小的点显示为浅蓝色,并将y值较大的点显示为深蓝色
要了解pyplot中所有颜色映射,请访问 http://matplotlib.org ,单击Examples,向下激动到Color Examples,再单击colormaps_reference
plt.scatter(x_value, y_value, c=y_value, cmap=plt.cm.Blues, edgecolor=none, s=40) plt.title(title, fontsize=24) plt.xlabel(xvalue, fontsize=24) plt.ylabel(yvalue, fontsize=24) plt.tick_params(axis=both, which=major, labelsize=15) plt.axis([0, 1100, 0, 1100000])
# 自动保存图象 plt.savefig(squares_plot.png, bbox_inches=tight)
plt.savefig(squares_plot.png, bbox_inches=tight)中第一个参数指定要以什么样的文件名保存图表,这个文件将会被保存到与当前文档同级的目录下;第二个参数指定将图表多余的空白区域裁剪掉
plt.savefig(squares_plot.png, bbox_inches=tight)
推荐阅读: