Matplotlib画图方法总结

细说数据 2021-06-28

2652

简介

Matplotlib是一个综合库，用于在Python中创建静态，动画和交互式可视化。matplotlib是matrix + plot + library的缩写，通过 Matplotlib，仅需要几行代码，便可以生成直方图，条形图，散点图等。

画图的两种方法：

pyplot：

matplotlib.pyplot是使matplotlib像MATLAB一样工作的命令样式函数的集合。每个pyplot函数对一个图进行一些更改，例如，创建图，设置横纵坐标、标题等等。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear')  # Plot some data on the (implicit) axes.
plt.plot(x, x**2, label='quadratic')  # etc.
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
plt.show()

面对对象：

在使用面向对象的编程接口时候，创建图对象（Figure），创建Axes（一个Figure可以包含一个或者多个Axes，一个Axes可以理解为一个子图，使用一次plot()绘图函数便会创建一个Axes），使用面向对象编程接口有利于我们对于图形绘制的完整控制。

例子：

x = np.linspace(0, 2, 100)# Note that even in the OO-style, we use `.pyplot.figure` to create the figure.fig, ax = plt.subplots()  # Create a figure and an axes.ax.plot(x, x, label='linear')  # Plot some data on the axes.ax.plot(x, x**2, label='quadratic')  # Plot more data on the axes...ax.plot(x, x**3, label='cubic')  # ... and some more.ax.set_xlabel('x label')  # Add an x-label to the axes.ax.set_ylabel('y label')  # Add a y-label to the axes.ax.set_title("Simple Plot")  # Add a title to the axes.ax.legend()  # Add a legend.plt.show()

两种方法能够实现一样的功能，对于简单的单图表绘制，使用plt接口足以满足需要，且操作简单易用。如果是多图表绘制，需要相对复杂的图例配置和其他自定义设置，那么使用面向对象的方法更加合适。

plt.axes()——fig.add_axes()

plt.subplot()——fig.add_subplot()

plt.GridSped()——fig.add_gridspec()

plt.xlabel()——axes.set_xlabel()

plt.ylabel()——axes.set_ylabel()

plt.xlim()——axes.set_xlim()

plt.ylim()——axes.set_ylim()

plt.title()——axes.set_title()

plt.legend()——axes.legend()

布局：

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, 
sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

nrows：可选的，整型，默认为1，网格中有几行子图。

ncols：可选的，整型，默认为1，网格中有几列子图。

sharex：可选的，默认为False。True或all：所有子图共享x轴，False或none：每个子图的x轴都是独立的，row：每行子图共享一个x轴，col：每列子图共享一个x轴

sharey：类似于sharex，设置y轴的共享方式。

squeeze ：可选的，布尔型，默认为True，是否压缩返回的Axes数组。

num：可选的，整型或字符串，默认为None，是matplotlib.pyplot.figure的关键字，用于设置图像数字或标签。

subplot_kw：可选的，字典类型，包含传递给用于创建子图的调用add_subplot的关键字参数。

gridspec_kw：可选的，字典类型，包含传递给用于创建子图网格的GridSpec构造函数的关键字参数。

**fig_kw：所有传递给matplotlib.pyplot.figure调用的额外关键字参数。

图表类型：

关于图表的选择，可以看我之前的一篇文章聊聊数据可视化

plt.plot：折线图或点图

matplotlib.pyplot.plot（* args，scalex = True，scaley = True，
data = None，** kwargs）

plt.scatter：散点图

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, 
cmap=None, norm=None, vmin=None, vmax=None, alpha=None, 
linewidths=None, *, edgecolors=None, plotnonfinite=False, 
data=None, **kwargs)

plt.bar：条形图

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, 
align='center', data=None, **kwargs)

plt.barh：水平条形图

matplotlib.pyplot.barh(y, width, height=0.8, left=None, *, 
align='center', **kwargs)

plt.hist：直方图

matplotlib.pyplot.hist(x, bins=None, range=None, density=False, 
weights=None, cumulative=False, bottom=None, histtype='bar', 
align='mid', orientation='vertical', rwidth=None, log=False, 
color=None, label=None, stacked=False, *, data=None, **kwargs)

plt.pie：饼图

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, 
autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, 
startangle=0, radius=1, counterclock=True, wedgeprops=None, 
textprops=None, center=0, 0, frame=False, rotatelabels=False, *, 
normalize=None, data=None)

plt.polar：极坐标图

matplotlib.pyplot.polar(*args, **kwargs)

plt.stackplot：堆叠图

matplotlib.pyplot.stackplot(x, *args, labels=(), colors=None,
 baseline='zero', data=None, **kwargs)

plt.stem：茎叶图

matplotlib.pyplot.stem(*args, linefmt=None, markerfmt=None, 
basefmt=None, bottom=0, label=None, use_line_collection=True, 
orientation='vertical', data=None)

plt.boxplot：箱型图

matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, 
whis=None, positions=None, widths=None, patch_artist=None, 
bootstrap=None, usermedians=None, conf_intervals=None, 
meanline=None, showmeans=None, showcaps=None, showbox=None, 
showfliers=None, boxprops=None, labels=None, flierprops=None, 
medianprops=None, meanprops=None, capprops=None, whiskerprops=None,
manage_ticks=True, autorange=False, zorder=None, *, data=None)

heatmap：热力图

plt.hlines：水平横线

matplotlib.pyplot.hlines(y, xmin, xmax, colors=None, linestyles='solid', 
label='', *, data=None, **kwargs)

plt.stairs：阶梯图

matplotlib.pyplot.stairs(values, edges=None, *, orientation='vertical', 
baseline=0, fill=False, data=None, **kwargs)

颜色：

matplotlib中的色彩定义主要用到了RGB、RGBA、CMYK、灰色四种模型。RGB是最常见的一种色彩模型，它使用红、绿、蓝三原色的亮度来定量表示颜色，这种模型也称为加色混色模型，是以RGB三色光互相叠加来实现混色的方法。RGBA模型是在RGB模型的基础上加上了Alpha通道，alpha通道一般用作不透明度参数。如果一个像素的alpha通道数值为0%，那它就是完全透明的（也就是看不见的），而数值为100%则意味着一个完全不透明的像素（传统的数字图像）。CMYK模型，也被称为印刷四色模型，它彩色印刷时采用的一种套色模型，利用色料的三原色混色原理，加上黑色油墨，共计四种颜色混合叠加，形成所谓“全彩印刷”。四种标准颜色是：C：Cyan = 青色，又称为天蓝色或是湛蓝，M：Magenta = 品红色，又称为洋红色；Y：Yellow = 黄色；K：blacK=黑色，此处缩写使用最后一个字母K而非开头的B，是为了避免与Blue混淆。灰度模型使用黑色调表示物体,即用黑色为基准色，不同的饱和度的黑色来显示图像。每个灰度对象都具有从 0%（白色）到100%（黑色）的亮度值。

matplotlib在使用颜色过程有以下9种方法：

1、RGB小数模式：3元组(r, g, b)，对应R、G、B，每个元素取值要求为0到1之间的小数，例如(0.1, 0.2 ,0.5)。下图例子中画布背景色就是用的这个方法。

2、RGBA小数模式：4元组(r, g, b, a)，对应R、G、B、A，每个元素取值要求为0到1之间的小数，例如(0.1, 0.2 ,0.5 ,0.4)。

3、RGB16进制字符串模式：长度为7的字符串#rrggbb，以#开头后面6位16进数字，每2位一组，对应R、G、B，例如#FFFFFF。下图例子中axes背景颜色就是用的这个方法。

4、灰度小数字符串模式：小数字符串，表示灰度，小数取值范围为0到1，例如'0.5'，下图例子中标题颜色就是用的这个方法。

5、基础颜色字符：长度为1的字符串，取值范围为{'b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'}对应RGB模型、CMYK模型的基础色和白色。下图例子中横坐标颜色就是用的这个方法。

6、X11/CSS4 ("html")模式的色彩名称：字符串，比如"blue"。下图例子中纵坐标颜色就是用的这个方法。

7、xkcd色彩名称：以xkcd:开头的字符串，对应xkcd社区定义的色彩映射，例如'xkcd:sky blue'。下图例子中实线图形颜色就是用的这个方法。

8、默认色彩循环，Cn彩色：由字符串C和1个非负整数构成。下图例子中虚线图形颜色就是用的这个方法。

9、Tableau色彩定义：以tab:开头的字符串，取自Tableau的tab10调色盘。下图例子中坐标轴刻度颜色就是用的这个方法。

example：

import matplotlib.pyplot as plt
import numpy as np
t = np.linspace(0.0, 2.0, 201)
s = np.sin(2 * np.pi * t)
# 1) RGB tuple:
fig, ax = plt.subplots(facecolor=(.18, .31, .31))
# 2) hex string:
ax.set_facecolor('#eafff5')
# 3) gray level string:
ax.set_title('Voltage vs. time chart', color='0.7')
# 4) single letter color string
ax.set_xlabel('time (s)', color='c')
# 5) a named color:
ax.set_ylabel('voltage (mV)', color='peachpuff')
# 6) a named xkcd color:
ax.plot(t, s, 'xkcd:crimson')
# 7) Cn notation:
ax.plot(t, .7*s, color='C4', linestyle='--')
# 8) tab notation:
ax.tick_params(labelcolor='tab:orange')
plt.show()

matplotlib内置的颜色可以使用matplotlib.colors 调用，有'BASE_COLORS'，

'TABLEAU_COLORS'，'CSS4_COLORS'及 'XKCD_COLORS'四类。使用matplotlib.colors.类名称可输出颜色号。

基础的颜色8种，b---blue，c---cyan，g---green，k----black，m---magenta r---red，w---white，y----yellow

Tableau色彩有10种tab:blue #1f77b4，tab:orange #ff7f0e，tab:green #2ca02c，tab:red #d62728，tab:purple #9467bd，tab:brown #8c564b，tab:pink #e377c2，tab:gray #7f7f7f，tab:olive #bcbd22，tab:cyan #17becf

CSS4_COLORS共计148种颜色。

XKCD_COLORS色号，共计949种色号，可以参考https://xkcd.com/color/rgb/

图形组件：

也就是一个图形的构成：包含主要图形、标题、横纵坐标、横纵坐标刻度、横纵坐标标题、网格线、图例、标记、文字描述等等，下面这幅图画的很明确。

标记：

处理标记的功能；使用的标记物的功能 plot，scatter和 errorbar。

matplotlib.markers.MarkerStyle(marker=None, fillstyle=None)

线型：

可以使用字符串“ solid”，“ dotted”，“ dashed”或“ dashdot”定义简单的线型。通过提供破折号元组可以实现更精细的控制

set_linestyle(ls)

标题：

matplotlib.pyplot.title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)

label:str, 标题文本
fontdict: dict, 一个字典用来控制标题的字体样式，默认值如下：

{'fontsize': rcParams['axes.titlesize'],
 'fontweight': rcParams['axes.titleweight'],
 'color': rcParams['axes.titlecolor'],
 'verticalalignment': 'baseline',
 'horizontalalignment': loc}

loc: str, 标题水平样式可为{'center', 'left', 'right'},分别表示居中，水平居左和居右，默认为水平居中。

pad：float, 标题距轴顶部的偏移量（以磅为单位），默认为None。

y：标题的垂直轴位置，默认为None。

kwargs: 可以设置一些其他的文本属性。

显示中文的方法：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
plt.rcParams['axes.unicode_minus'] = False  # 步骤二（解决坐标轴负数的负号显示问题）

注解：

有两种方法添加，matplotlib.pyplot.annotate和matplotlib.pyplot.text，前者可以在注解的数据坐标与注解文本之间添加箭头。

matplotlib.pyplot.annotate(text, xy, *args, **kwargs)

text：注解文本。字符串。必备参数。

xy：需要注解的坐标，使用xycoords参数确定的坐标系，浮点数元组，必备参数。

xycoords：设置xy参数所使用的坐标系，可选参数。

xytext：放置注解文本的坐标。浮点数元组。默认值为xy，必备参数。

textcoords：设置xytext所使用的的坐标系。

annotation_clip：当注解超出子图区域后是否绘制，布尔值或None，默认值为None。可选参数。

**kwargs：Text对象的相关属性。

matplotlib.pyplot.text(x, y, s, fontdict=None, withdash=False, **kwargs)

x，y：放置文本的坐标，浮点数，必备参数。

s：文本，text字符串，必备参数。

fontdict：字体属性字典，用于覆盖默认文本的字体属性，默认值为None，应用rcParams中的字体属性，可选参数。

**kwargs：Text对象的相关属性。

坐标轴：

matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None,
*, loc=None, **kwargs)

xlabel：类型为字符串，即标签的文本。

labelpad：类型为浮点数，默认值为None，即标签与坐标轴的距离。

loc：取值范围为{'left', 'center', 'right'}，默认值为rcParams["xaxis.labellocation"]（'center'），即标签的位置。

**kwargs：Text 对象关键字属性，用于控制文本的外观属性，如字体、文本颜色等。

图例：

matplotlib.pyplot.legend(*args, **kwargs)

loc：图例位置：

bbox_to_anchor：用于定位图例位置，2元组或者4元组

ncol：图例具有的列数

prop：图例的字体属性

fontsize：图例的字体大小，{'xx-small'，'x-small'，'small'，'medium'，'large'，'x-large'，'xx-large'}

labelcolor：图例中文本的颜色

numpoints：折线图例中标记点的数量

scatterpoints：散点图例中标记点的数量

scatteryoffsets：散点图图例条目创建的标记的垂直偏移

markerscale：图例标记与原始绘制标记的相对大小

markerfirst：如果为True，则图例标记放置在图例标签的左侧。如果为False，则图例标记位于图例标签的右侧。

frameon：控制是否应在图例周围绘制框架

fancybox：控制是否应在构成图例背景的FancyBboxPatch周围启用圆边

shadow：控制是否在图例后面画一个阴影

framealpha：控制图例框架的 Alpha 透明度

facecolor：图例的背景色

edgecolor：图例的背景色块边缘颜色

mode：如果将mode设置为"expand"，则图例将水平扩展以填充轴区域

bbox_transform：边界框的转换

title：标题

title_fontsize：图例标题的字体大小

borderpad：图例边框内的小数空格，以字体大小为单位

labelspacing：图例条目之间的垂直间隔，以字体大小为单位

handlelength：图例句柄的长度，以字体大小为单位

handletextpad：图例和文本之间的距离，以字体大小为单位

borderaxespad：轴与图例边框之间的距离，以字体大小为单位

columnspacing：列之间的间距，以字体大小为单位

handler_map：自定义词典将实例或类型映射到图例处理程序

数学公式

有自带TeX表达式解析器以r'$开头，也兼容LaTeX，使用plt.rcParams

https://matplotlib.org/stable/tutorials/text/mathtext.html、

网格：

matplotlib.pyplot.grid(b=None, which='major', axis='both', **kwargs)

b : 布尔值，是否显示网格线。

which : 网格线显示的尺度，字符串，可选参数，取值范围为{'major', 'minor', 'both'}。

axis : 选择网格线显示的轴，取值范围为{'both', 'x', 'y'}，默认为'both'。

**kwargs：grid对象的相关属性。

坐标轴刻度：

matplotlib.pyplot.locator_params(axis='both', tight=None, **kwargs)

axis：操作的轴，值范围为{'both', 'x', 'y'}, 默认为 'both'

ax.locator_params(nbins = n)，将坐标轴都平均分n等分。

坐标轴范围：

matplotlib.pyplot.xlim(*args, **kwargs

双坐标轴：

matplotlib.pyplot.twinx(ax=None)

ax2 = ax1.twinx()

保存图片：

matplotlib.pyplot.savefig(*args, **kwargs)
savefig(fname, dpi=None, facecolor='w', edgecolor='w',
        orientation='portrait', papertype=None, format=None,
        transparent=False, bbox_inches=None, pad_inches=0.1,
        frameon=None, metadata=None)

fname：路径

dpi：分辨率，以每英寸点数为单位

quality：图像质量，等级从1（最差）到95（最佳）

optimize：优化、仅在format为'jpg'或'jpeg'时适用，否则忽略。

progressive：图像是否应存储为渐进式JPEG文件

facecolor：图的面色颜色或'自动'

edgecolor：图的边缘颜色或'自动'

orientation：当前仅由postscript后端支持

papertype：纸张类型

format：文件格式

transparent：如果为True，则轴补丁将全部透明；图形补丁也将是透明的

bbox_inches：边框（以英寸为单位）

pad_inches：当bbox_inches为“ tight”时，图形周围的填充量

bbox_extra_artists：计算紧的bbox时将考虑的其他艺术家的列表

backend：使用非默认后端来渲染文件

metadata：要存储在图像元数据中的键/值对

pil_kwargs：保存图形时传递给的其他关键字参数

绘图风格：

使用matplotlib画图的时候，除了我们可以针对每一个样式自己定义以外，我们还可以使用系统定义好的样式快速配置。style是pyplot的一个子模块，方便进行风格转换，它里面定义了很多预设风格。

使用plt.style.available输出所有风格名称，共计26种。

['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background',

'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

matplotlib.style.use(style)
import matplotlib.pyplot as plt     
print(plt.style.available)

matplotlib所绘制的每个组成部分都有对应一个对象，Line2D对象有很多属性可以设置。

matplotlib.lines.Line2D(xdata, ydata, linewidth=None, linestyle=None, color=None, marker=None,
markersize=None, markeredgewidth=None, markeredgecolor=None, markerfacecolor=None, 
markerfacecoloralt='none', fillstyle=None, antialiased=None, dash_capstyle=None, 
solid_capstyle=None, dash_joinstyle=None, solid_joinstyle=None, pickradius=5, drawstyle=None, 
markevery=None, **kwargs)

配置文件：

matplotlib的配置文件异常强大，能够配置各种属性

matplotlib.RcParams(*args, **kwargs)

https://matplotlib.org/stable/api/matplotlib_configuration_api.html?highlight=rcparams#matplotlib.RcParams

其他：

分格图、图中图、工具包和3D、动画功能这里就不介绍了，下次单独讲

总结：

参考文档：

官方文档：https://matplotlib.org/

数据库

文章转载自细说数据，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。