详解Matplotlib绘图之属性设置

yipeiwu_com7年前Python基础

关于Python数据分析在数学建模中的更多相关应用:Python数据分析在数学建模中的应用汇总(持续更新中!)

(1)、导入库

import matplotlib.pyplot as plt
import numpy

(2)、figure对象和subplot简单运用

#figure对象
fig = plt.figure()   #figure是图象对象

ax1 = fig.add_subplot(2,2,1)  #创建一个2*2的子图,放在第一个位置
ax2 = fig.add_subplot(2,2,2)  #创建一个2*2的子图,放在第二个位置
ax3 = fig.add_subplot(2,2,3)  #创建一个2*2的子图,放在第三个位置

from numpy.random import randn
plt.plot(randn(50).cumsum(),'k--')  #'k--'告诉python要画出黑色的虚线
ax1.hist(randn(100),bins=20,color='k',alpha=0.3)

在这里插入图片描述

(3)、调整subplot周围的间距

#调整subplot周围的间距
fig,axes = plt.subplots(2,2,sharex=True,sharey=True)  #直接生成fiure对象和Axes实例(数组)
for i in range(2):
  for j in range(2):
    axes[i, j ].hist(numpy.random.randn(500),bins = 50,color='k',alpha=0.5)   #遍历创建图
plt.subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=0,hspace=0)  #用于调整subplot周围的间距

在这里插入图片描述

(4)、颜色、标记和线型

#颜色、标记和线型
plt.figure()
##linestyle设置线型,color设置颜色,marker设置设置连接点
plt.plot(numpy.random.randn(30).cumsum(),linestyle='--',color='g',marker='o')

在这里插入图片描述

(5)、设置标题、轴标签,刻度以及刻度标签

#设置标题、轴标签,刻度以及刻度标签
fig = plt.figure()   #创建figure对象
ax = fig.add_subplot(1,1,1)   #获得Axes对象
ax.plot(numpy.random.randn(1000).cumsum()) #生成随机数
ax.set_xticks([0,250,500,750,1000])   #设置x轴刻度
ax.set_yticks([-20,-10,0,10,20])    #设置y轴刻度
ax.set_title('My first matplotlib plot')  #设置标题
ax.set_xlabel('Xtages')   #设置x轴标签
ax.set_ylabel('Ytages')   #设置y轴标签

在这里插入图片描述

(6)、添加图例

#添加图例
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(numpy.random.randn(1000).cumsum(),'k',label='one') #label标签用于添加图例
ax.plot(numpy.random.randn(1000).cumsum(),'k',label='two')
ax.plot(numpy.random.randn(1000).cumsum(),'k',label='three')

ax.legend(loc='best')    #loc选项可以选择图例的位置

在这里插入图片描述

(7)、添加注释

#添加注释
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(numpy.random.randn(1000).cumsum(),'k',label='one') #label标签用于添加图例
plt.annotate("Important value", (55,20), xycoords='data',  #添加注释的方法
     xytext=(5, 38),
     arrowprops=dict(arrowstyle='->'))

在这里插入图片描述

(8)、绘制常用图形

#绘制常用图形
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
rect = plt.Rectangle((0.2,0.75),0.4,0.15,color='k',alpha=0.3)  #长方形
circ = plt.Circle((0.7,0.2),0.15,color='b',alpha=0.3)      #椭圆形

ax.add_patch(rect)   #添加到图版中
ax.add_patch(circ)

在这里插入图片描述

(9)、图表的导出

#图表的保存
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
rect = plt.Rectangle((0.2,0.75),0.4,0.15,color='k',alpha=0.3)  #长方形
ax.add_patch(rect)   #添加到图版中
fig.savefig('figpath.png',dpi = 400,bbox_inches='tight') #dpi可以控制图象的分辨率,bbox_inches可以剪除图表的空白部分

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

使用python对文件中的单词进行提取的方法示例

使用python对文件中的单词进行提取的方法示例

由于需要使用一个纯单词组成的文件,在网上下载到了一个存放单词的文件,但是里面有中文的解释,那就需要做一下提取了。 文本的形式如下: 所见即所得,这个文本是有规律的,每个单词为一行,紧...

python如何获取当前文件夹下所有文件名详解

前言 本文主要给大家介绍了关于python获取当前文件夹下所有文件名的相关内容,分享出来供大家参考学习,下面话不多说了,来一起看看详细的介绍吧 os 模块下有两个函数: os.walk(...

高效测试用例组织算法pairwise之Python实现方法

高效测试用例组织算法pairwise之Python实现方法

开篇: 测试过程中,对于多参数参数多值的情况进行测试用例组织,之前一直使用【正交分析法】进行用例组织,说白了就是把每个参数的所有值分别和其他参数的值做一个全量组合,用Python脚本实现...

Python实现决策树C4.5算法的示例

Python实现决策树C4.5算法的示例

为什么要改进成C4.5算法 原理 C4.5算法是在ID3算法上的一种改进,它与ID3算法最大的区别就是特征选择上有所不同,一个是基于信息增益比,一个是基于信息增益。 之所以这样做是因为...

对Python获取屏幕截图的4种方法详解

Python获取电脑截图有多种方式,具体如下: PIL中的ImageGrab模块 windows API PyQt pyautogui PIL中的ImageGrab模块 impor...