python中plot函数用法_python中plt.plot

matplotlib

1、plt.plot(x,y)

plt.plot(x,y,format_string,**kwargs) 
x轴数据，y轴数据，format_string控制曲线的格式字串 

format_string 由颜色字符，风格字符，和标记字符

import matplotlib.pyplot as plt

plt.plot([1,2,3,6],[4,5,8,1],’g-s’) 

plt.show()

结果

**kwards： 
color 颜色 
linestyle 线条样式 
marker 标记风格 
markerfacecolor 标记颜色 
markersize 标记大小 等等 

plt.plot([5,4,3,2,1])   

plt.show()

结果

plt.plot([20,2,40,6,80])   #缺省x为[0,1,2,3,4,…]

plt.show()

结果

plt.plot()参数设置
Property Value Type
alpha 控制透明度，0为完全透明，1为不透明
animated [True False]
antialiased or aa [True False]
clip_box a matplotlib.transform.Bbox instance
clip_on [True False]
clip_path a Path instance and a Transform instance, a Patch
color or c 颜色设置
contains the hit testing function
dash_capstyle [‘butt’ ‘round’ ‘projecting’]
dash_joinstyle [‘miter’ ‘round’ ‘bevel’]
dashes sequence of on/off ink in points
data 数据(np.array xdata, np.array ydata)
figure 画板对象a matplotlib.figure.Figure instance
label 图示
linestyle or ls 线型风格[‘-’ ‘–’ ‘-.’ ‘:’ ‘steps’ …]
linewidth or lw 宽度float value in points
lod [True False]
marker 数据点的设置[‘+’ ‘,’ ‘.’ ‘1’ ‘2’ ‘3’ ‘4’]
markeredgecolor or mec any matplotlib color
markeredgewidth or mew float value in points
markerfacecolor or mfc any matplotlib color
markersize or ms float
markevery [ None integer (startind, stride) ]
picker used in interactive line selection
pickradius the line pick selection radius
solid_capstyle [‘butt’ ‘round’ ‘projecting’]
solid_joinstyle [‘miter’ ‘round’ ‘bevel’]
transform a matplotlib.transforms.Transform instance
visible [True False]
xdata np.array
ydata np.array

zorder any number

确定x，y值，将其打印出来

x=np.linspace(-1,1,5)
y=2*x+1
plt.plot(x,y)
plt.show()

2、plt.figure()用来画图，自定义画布大小

fig1 = plt.figure(num=’fig111111′, figsize=(10, 3), dpi=75, facecolor=’#FFFFFF’, edgecolor=’#0000FF’)
plt.plot(x,y1)           #在变量fig1后进行plt.plot操作，图形将显示在fig1中
fig2 = plt.figure(num=’fig222222′, figsize=(6, 3), dpi=75, facecolor=’#FFFFFF’, edgecolor=’#FF0000′)
plt.plot(x,y2)           #在变量fig2后进行plt.plot操作，图形将显示在fig2中
plt.show()
plt.close()

结果

fig1 = plt.figure(num=’fig111111′, figsize=(10, 3), dpi=75, facecolor=’#FFFFFF’, edgecolor=’#0000FF’)
plt.plot(x,y1)
plt.plot(x,y2)
fig2 = plt.figure(num=’fig222222′, figsize=(6, 3), dpi=75, facecolor=’#FFFFFF’, edgecolor=’#FF0000′)

plt.show()

plt.close()

结果：

3、plt.subplot(222)

将figure设置的画布大小分成几个部分，参数‘221’表示2(row)x2(colu),即将画布分成2×2，两行两列的4块区域，1表示选择图形输出的区域在第一块，图形输出区域参数必须在“行x列”范围                       ，此处必须在1和2之间选择——如果参数设置为subplot(111)，则表示画布整个输出，不分割成小块区域，图形直接输出在整块画布上

plt.subplot(222) 
plt.plot(y,xx)    #在2×2画布中第二块区域输出图形
plt.show()
plt.subplot(223)  #在2×2画布中第三块区域输出图形
plt.plot(y,xx)
plt.subplot(224)  # 在在2×2画布中第四块区域输出图形
plt.plot(y,xx)

4、plt.xlim设置x轴或者y轴刻度范围

如

plt.xlim(0,1000)  #  设置x轴刻度范围，从0~1000         #lim为极限，范围
plt.ylim(0,20)   # 设置y轴刻度的范围，从0~20

5、plt.xticks()：设置x轴刻度的表现方式

fig2 = plt.figure(num=’fig222222′, figsize=(6, 3), dpi=75, facecolor=’#FFFFFF’, edgecolor=’#FF0000′)
plt.plot(x,y2)
plt.xticks(np.linspace(0,1000,15,endpoint=True))  # 设置x轴刻度

plt.yticks(np.linspace(0,20,10,endpoint=True))

结果

6、ax2.set_title(‘xxx’)设置标题，画图

#产生[1,2,3,…,9]的序列
x = np.arange(1,10)
y = x
fig = plt.figure()
ax1 = fig.add_subplot(221)

#设置标题
ax1.set_title(‘Scatter Plot1’)
plt.xlabel(‘M’)
plt.ylabel(‘N’)
ax2 = fig.add_subplot(222)
ax2.set_title(‘Scatter Plot2clf’)
#设置X轴标签
plt.xlabel(‘X’)           #设置X/Y轴标签是在对应的figure后进行操作才对应到该figure
#设置Y轴标签
plt.ylabel(‘Y’)
#画散点图
ax1.scatter(x,y,c = ‘r’,marker = ‘o’)          #可以看出画散点图是在对figure进行操作
ax2.scatter(x,y,c = ‘b’,marker = ‘x’)
#设置图标
plt.legend(‘show picture x1 ‘)
#显示所画的图

plt.show()

结果

7、plt.hist（）绘制直方图（可以将高斯函数这些画出来）

绘图都可以调用matplotlib.pyplot库来进行，其中的hist函数可以直接绘制直方图

调用方式：

n, bins, patches = plt.hist(arr, bins=10, normed=0, facecolor=’black’, edgecolor=’black’,alpha=1，histtype=’bar’)

hist的参数非常多，但常用的就这六个，只有第一个是必须的，后面四个可选
arr: 需要计算直方图的一维数组
bins: 直方图的柱数，可选项，默认为10
normed: 是否将得到的直方图向量归一化。默认为0
facecolor: 直方图颜色
edgecolor: 直方图边框颜色
alpha: 透明度

histtype: 直方图类型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’

返回值 ：

n: 直方图向量，是否归一化由参数normed设定

bins: 返回各个bin的区间范围

patches: 返回每个bin里面包含的数据，是一个list

from skimage import data

import matplotlib.pyplot as plt

img=data.camera()

plt.figure(“hist”)

arr=img.flatten()

n, bins, patches = plt.hist(arr, bins=256, normed=1,edgecolor=’None’,facecolor=’red’)  

plt.show()

例：

mu, sigma = 0, .1
s = np.random.normal(loc=mu, scale=sigma, size=1000)
a,b,c = plt.hist(s, bins=3)
print(“a: “,a)
print(“b: “,b)
print(“c: “,c)

plt.show()

结果：

a:  [ 85. 720. 195.]         #每个柱子的值
b:  [-0.36109509 -0.1357318   0.08963149  0.31499478]   #每个柱的区间范围
c:  <a list of 3 Patch objects>       #总共多少柱子

8、ax1.scatter(x,y,c = ‘r’,marker = ‘o’) 

使用注意：确定了figure就一定要确定象限，然后用scatter，或者不确定象限，直接使用plt.scatter

x = np.arange(1,10)
y = x
fig = plt.figure()
a=plt.subplot()            #默认为一个象限
# a=fig.add_subplot(222)
a.scatter(x,y,c=’r’,marker=’o’)

plt.show()

结果

x = np.arange(1,10)
y = x
plt.scatter(x,y,c=’r’,marker=’o’)

plt.show()

结果

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(1,10)
y = x
plt.figure()
plt.scatter(x,y,c=’r’,marker=’o’)

plt.show()

结果

今天的文章python中plot函数用法_python中plt.plot分享到此就结束了，感谢您的阅读。