matplotlib基本绘图

1. 水平、垂直线

from matplotlib import pyplot as plt# 绘制垂直线
# vval:x轴坐标值, 可以给数组, 绘制多条
# ymin:垂直线最小值, 可以给数组
# ymax:垂直线最大值, 可以给数组
plt.vlines(vval, ymin, ymax)# 绘制水平线
plt.hlines(xval, xmin, xmax)

2. 设置线型、线宽、颜色

# linestyle:线型 【"-", "--", ":", ".-"】
# linewidth:线宽 
# color:颜色:英文颜色单词、常见颜色英文单词首字母、#495434、或(255, 201, 204)、或(1, 1, 1, 1)最后的1代表透明度
# alpha:线条透明度:浮点值
plt.plot(xs, ys, linestyle='', linewidth=1, color='', alpha=0.5)

3. 设置坐标轴范围

• 可以控制显示图形的某一部分

# x_limit_min: <float> x轴范围最小值
# x_limit_max: <float> x轴范围最大值
plt.xlim(x_limit_min, x_limit_max)# y_limit_min: <float> y轴范围最小值
# y_limit_max: <float> y轴范围最大值
plt.ylim(y_limit_min, y_limit_max)

4. 设置坐标刻度及文本

# x_val_list: x轴刻度值序列
# x_test_list: x轴刻度标签文本序列【可选】
plt.xticks(x_val_list, x_test_list)# y_val_list: y轴刻度值序列
# y_test_list: y轴刻度标签文本序列【可选】
plt.yticks(y_val_list, y_test_list)

5. 坐标刻度及文本特殊用法

• laTex排版语法字符串
• laTex标志 r原生字符关闭转义, $符开始, $符结束

r'$x^n+y^n=z^n$', r'$\int\frac{1}{x} dx = \ In |x| + C$', r'$-\frac{\pi}{2}$'

$x^n+y^n=z^n$

$\int\frac{1}{x} dx = \ In |x| + C$

$-\frac{\pi}{2}$

6. 设置坐标轴

• 坐标轴名：left / right / bottom / top

# 获取当前坐标轴字典, {"left": 左轴, "right": 右轴, "bottom": 下轴, "top": 上轴}ax = plt.gca()
# 获取其中某个坐标轴
axis = ax.spinex['坐标轴名']
# 设置坐标轴位置, 该方法需要传入2个元素作为参数
# type: <str> 移动坐标轴的参照类型 一般为 "data" (以数据的值作为移动参照物)
# val: 参照值
axis.set_position(('data', val))
# color: <str> 颜色字符串 'none' 透明
axis.set_color(color)

• 案例：设置坐标轴至中心

import numpy as np
from matplotlib import pyplot as plt# 绘制一条正弦曲线
# 从-Π到Π取1000个点
x = np.linspace(-np.pi, np.pi, 1000)
print(x.shape)# 矢量化的sin方法将返回每个x对应的y
sinx = np.sin(x)
# 绘制一条余弦曲线
cosx = np.cos(x) / 2# 绘制刻度
# plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
# ['-Π', '-Π/2', '0', 'Π/2', 'Π'])
# 使用latex印刷排版处理数学公式，使其显示更加美观
plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],[r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{\pi}{2}$', r'$\pi$'])plt.yticks([-1.0, -0.5, 0, 0.5, 1])# 设置坐标轴
ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))plt.plot(x, sinx)
plt.plot(x, cosx)
plt.show()

7. 图例

# label: <关键字参数 str> 支持LaTex排版语法字符串
plt.plot(xarray, yarray, ...., label="", ....)
# loc: 设置图例位置
""" 'best' 0 最合适 'upper right' 1 右上 'upper left' 2 左上 'lower left' 3 左下 'lower right' 4 右下 'right' 5 右 'center left' 6 左中 'center right' 7 右中 'lower center' 8 中下 'upper center' 9 中上 'center' 10 中 """
plt.legend(loc='')

8. 特殊点

# xarray:<序列> 所有需要标注点的水平坐标组成的序列
# yarray:<序列> 所有需要标注点的垂直坐标组成的序列
plt.scatter(xarray, yarray,marker='',	# 点型 ~matplotlib.markerss='',		# 大小edgecolor='',	# 边缘色facecolor='',	# 填充色zorder=3,		# 绘制图层编号（编号越大，图层越靠上, 即点在线上方）label='',		# 如果有图例，会和图例显示在一起，可选)

• 绘制当 x = 3π / 4 时两条曲线上的特殊点

import numpy as np
from matplotlib import pyplot as plt# 绘制一条正弦曲线
# 从-Π到Π取1000个点
x = np.linspace(-np.pi, np.pi, 1000)
print(x.shape)# 矢量化的sin方法将返回每个x对应的y
sinx = np.sin(x)
# 绘制一条余弦曲线
cosx = np.cos(x) / 2# 绘制刻度
# plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
# ['-Π', '-Π/2', '0', 'Π/2', 'Π'])
# 使用latex印刷排版处理数学公式，使其显示更加美观
plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],[r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{\pi}{2}$', r'$\pi$'])plt.yticks([-1.0, -0.5, 0, 0.5, 1])# 设置坐标轴
ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))# 绘制特殊点
px = [3 / 4 * np.pi, 3 / 4 * np.pi]
py = [np.sin(px[0]), np.cos(px[0]) / 2]
plt.scatter(px, py, marker='o', s=70, edgecolor='red',facecolor='orange', zorder=3, label='Points')plt.plot(x, sinx)
plt.plot(x, cosx)
plt.show()

• marker可选项
  

9. 备注

# 在图表中为某个点添加备注，包含备注文本，备注箭头等图像的设置
plt.annotate(r'$\frac{\pi}{2}$',		# 备注文本内容xycoords='data',		# 备注目标点所使用的坐标系（data表示数据坐标系）xy=(x, y),				# 备注目标坐标点textcoords='offset points', 	# 备注文本所使用的坐标系（offset points表示参照点的偏移坐标系）xytext=(x, y),			# 备注文本的坐标，参照为备注点坐标fontsize=14,			# 备注文本的字体大小arrowprops=dict()		# 使用字典定义文本指向目标带你的箭头样式 
)

• arrowprops参数使用字典定义指向目标点的箭头样式

# arrowprops字典参数的常用key
arrowprops = dict(arrowstyle='',			# 定义箭头样式connectionstyle=''		# 定义连接线的样式
)

• 箭头样式 (arrowstyle) 字符串如下

'-'		None
'->'	head_length=0.4, head_width=0.2
'-['	widthB=1.0, lengthB=0.2, angleB=None
'|-|'	widthA=1.0, widthB=1.0
'-|>'	head_length=0.4, head_width=0.2
'<-'	head_length=0.4, head_width=0.2
'<->'	head_length=0.4, head_width=0.2
'<|-'	head_length=0.4, head_width=0.2
'<|-|>'	head_length=0.4, head_width=0.2
'fancy'	head_length=0.4, head_width=0.4, tail_width=0.4
'simple'	head_length=0.5, head_width=0.5, tail_width=0.2

• 连接线样式 (connectionstyle) 字符串样式

'angle'		angleA=90, angleB=0, rad=0.0
'angle3'	angleA=90, angleB=0
'arc'		angleA=0, angleB=0, armA=None, armB=None, rad=0.0
'arc3'		rad=0.0
'bar'		armA=0.0, armB=0.0, fraction=0.3, angle=None

• 为特殊点添加备注

import numpy as np
from matplotlib import pyplot as plt# 绘制一条正弦曲线
# 从-Π到Π取1000个点
x = np.linspace(-np.pi, np.pi, 1000)
print(x.shape)# 矢量化的sin方法将返回每个x对应的y
sinx = np.sin(x)
# 绘制一条余弦曲线
cosx = np.cos(x) / 2# 绘制刻度
# plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
# ['-Π', '-Π/2', '0', 'Π/2', 'Π'])
# 使用latex印刷排版处理数学公式，使其显示更加美观
plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],[r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{\pi}{2}$', r'$\pi$'])plt.yticks([-1.0, -0.5, 0, 0.5, 1])# 设置坐标轴
ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))# 绘制特殊点
px = [3 / 4 * np.pi, 3 / 4 * np.pi]
py = [np.sin(px[0]), np.cos(px[0]) / 2]
plt.scatter(px, py, marker='o', s=70, edgecolor='red',facecolor='orange', zorder=3, label='Points')# 为特殊点添加备注
plt.annotate(r'$[\frac{3\pi}{4}, \frac{cos(\frac{3\pi}{4})}{2}]$',xycoords='data', xy=(3 / 4 * np.pi, np.cos(px[0]) / 2),textcoords='offset points', xytext=(-100, -60),fontsize=14,arrowprops=dict(arrowstyle='-|>',connectionstyle='arc3'))plt.plot(x, sinx)
plt.plot(x, cosx)
plt.show()