系列文章目录
Python中 matplotlib库的学习
目录
前言
Matplotlib是Python中的一个库，它是数字的-NumPy库的数学扩展。 Pyplot是Matplotlib模块的基于状态的接口，该模块提供了MATLAB-like接口。在Pyplot中可以使用各种图，例如线图，轮廓图，直方图，散点图，3D图等。
一、 plt.figure()
Matplotlib中的 pyplot.figure() 函数的作用就是创建一个图像，一般和plt.subplot() 一起用，下面会讲，subplot 就是创建子图。
先来看一下plt.figure() 的官方文档.
matplotlib.pyplot.figure(num=None,
figsize=None,
dpi=None,
facecolor=None,
edgecolor=None,
frameon=True,
FigureClass=<class 'matplotlib.figure.Figure'>,
clear=False,
**kwargs)
其中：
- num:图像编号或名称，数字为编号 ，字符串为名称。不指定调用figure时就会默认从1开始。
- figsize:指定figure的宽和高，单位为英寸
- dpi参数指定绘图对象的分辨率，即每英寸多少个像素
- facecolor:背景颜色
- edgecolor:边框颜色
- frameon:是否显示边框
具体用法可以看下面的代码。
二、plt.subplot()
在 Matplotlib 中 plt.subplot() 就是用来创建单个子图的。
先来看一下官方文档。
subplot(nrows,
ncols,
sharex,
sharey,
subplot_kw,
**fig_kw)其中：
- nrows 表示 subplot 的行数
- ncols 表示 subplot 的列数
- sharex 表示 subplot 中 x 轴的刻度，所有的 subplot x 轴应该保持相同的刻度
- sharey 表示 subplot 中 y 轴的刻度，所有的 subplot y 轴应该保持相同的刻度
subplot可以将figure划分为n个子图，但每条subplot命令只会创建一个子图 ，如果要绘制多个子图，可以考虑使用for 循环。
# 设置数据
x = np.arange(0, 3, 0.1)
y1 = np.sin(np.pi*x)
y2 = np.cos(np.pi*x)
plt.figure(figsize = (10,6), facecolor = 'r', edgecolor = 'y')
# 绘制第一个子图
plt.subplot(211)
plt.plot(x, y1)
# 绘制第二个子图
plt.subplot(212)
plt.plot(x, y2) 输出结果：
从上面绘制的两个子图可以了解到figure 和 subplot 的基本用法了，要注意每条subplot命令只会创建一个子图
三、plt.subplots()
在 Matplotlib 中 plt.subplots() 的用法和subplot() 相似，subplots 可以创建多个子图。前面说了每条subplot命令只会创建一个子图，但是subplots 不一样，直接上代码看看。
# 设置数据
x = np.arange(0, 3, 0.1)
y1 = np.sin(np.pi*x)
y2 = np.cos(np.pi*x)
y3 = np.sin(2*np.pi*x)
y4 = np.cos(2*np.pi*x)
# 创建figure
plt.figure(figsize = (10,6), facecolor = 'r', edgecolor = 'y')
# 划分子图
fig,axes=plt.subplots(2,2)
ax1=axes[0,0]
ax2=axes[0,1]
ax3=axes[1,0]
ax4=axes[1,1]
# 绘制4 个子图
ax1.plot(x, y1)
ax2.plot(x, y2)
ax3.plot(x, y3)
ax4.plot(x, y4)
plt.show()
输出结果：
四、plt.xticks()
在 Matplotlib 中 plt.ticks() 函数 表示的是刻度, plt.xticks() 就表示x 轴刻度，plt.yticks() 就表示y 轴刻度。
其实plt.xticks() 返回两个对象,一个是刻标(locs)，另一个是刻度标签，不过这些我们先不了解。只需要知道它是表示刻度的就行。
plt.figure(figsize = (20,10))
plt.subplot(2,3,1)
输出结果：
plt.figure(figsize = (20,10))
plt.subplot(2,3,1)
plt.xticks([]) # 不显示x 轴刻度
plt.yticks([]) # 不显示y 轴刻度
输出结果
从输出结果可以知道， plt.xticks([]) 就是表示不显示x 轴的刻度； plt.yticks([]) 就是表示不显示y 轴的刻度
plt.figure(figsize = (20,10))
for i in range(3):
plt.subplot(2,3,i+1)
plt.xticks(np.arange(3)) # 设置横坐标为只有0和1两个刻度输出结果：
ticks 还可以指定显示的刻度， plt.xticks(np.arange(3)) 就将生成的最后一个图的横坐标设置为只有0、1和2三个刻度 。
五、plt.xlim()
在 Matplotlib中的 plt.xlim() 函数用来显示x轴的作图范围，plt.ylim() 用来显示y轴的作图范围。
# plt.xlim()
# 设置figure
plt.figure(figsize = (10,6))
# 绘制第一个子图
plt.subplot(2,1,1)
plt.plot(x, 2*x)
# 绘制第二个子图
plt.xlim(0, 2) # 限制x 轴作图的范围在（0，2）
plt.subplot(2,1,2)
plt.plot(x, 2*x)
# 显示绘制的图像的y 轴取值范围
plt.ylim()输出结果：
可以看见，如果plt.xlim() 在绘图之前用会限制绘图的范围，如果绘图完成后用，则会输出x轴的范围值；对于plt.ylim() 也是一样的。
六、plt.grid()
在 Matplotlib中的 plt.grid() 函数 就是绘制网格的意思，它的作用就是可以给图生成网格。
先来看一下官方文档
matplotlin.pyplot.grid(b,
which,
axis,
color,
linestyle,
linewidth，
**kwargs)其中：
- b 布尔值。就是是否显示网格线的意思。 1=True=默认显示网格；0=False=不显示网格
- which 取值为'major', 'minor'， 'both'。 默认为'major'
-
axis 取值为‘both’， ‘x’，‘y’。就是以什么轴为刻度生成网格
-
color 这就不用多说了，就是设置网格线的颜色。可以直接用c来代替color。
-
linestyle :也可以用ls来代替linestyle， 设置网格线的风格，是连续实线，虚线或者其它不同的线条。比如： '-' 、 '–' 等
-
linewidth 设置网格线的宽度
让我们直接写代码，来看看plt.grid() 怎么用。
plt.figure(figsize = (20,10))
for i in range(3):
plt.subplot(2,3,i+1)
plt.grid(b = True, axis = 'both', color = 'red', linestyle = '-', linewidth = 3)
输出结果：
可以看见plt.grid() 默认是会生成网格的。
plt.figure(figsize = (20,10))
for i in range(3):
plt.subplot(2,3,i+1)
plt.grid(b = 1, axis='y', c = 'y', ls = '--')输出结果：
设置参数1 和 True 的效果是一样的，后面axis 表示画布，'x'就是绘制x 轴， 'y' 就是绘制y 轴。
总结
Matplotlib是Python中的一个库，它是数字的-NumPy库的数学扩展。本文主要讲解了其中的
plt.figure()、plt.subplot() 、plt.subplots() 、plt.xticks() 、plt.xlim()和 plt.grid() 六个函数的使用。
文章出处登录后可见！
