作者：王大毛(和鯨社區)

Matplotlib 是 Python 的繪圖庫。它可與 NumPy 一起使用，提供了一種有效的 MatLab 開源替代方案，也可以和圖形工具包一起使用。

雖然相比其他圖形庫（Seaborn | pyecharts | plotly | bokeh | pandas_profiling ）這個庫丑丑呆呆的，甚至有點難用，但人家畢竟是開山始祖，方法全，能夠支持你各類騷操作的需求。可以說是現在 python 數據分析中，用的人最多的圖形庫了。

本文代碼可以在github下載：

https://github.com/fengdu78/Data-Science-Notes/tree/master/5.data-visualization/1.matplotlib/matplotlib50

一、導入

1.導入 matplotlib 庫簡寫為 plt

import matplotlib.pyplot as plt import numpy as np

二、基本圖表

2.用 plot 方法畫出 x=(0,10)間 sin 的圖像

x = np.linspace(0, 10, 30) plt.plot(x, np.sin(x));

3.用點加線的方式畫出 x=(0,10)間 sin 的圖像

plt.plot(x, np.sin(x), '-o');

4.用 scatter 方法畫出 x=(0,10)間 sin 的點圖像

plt.scatter(x, np.sin(x));

5.用餅圖的面積及顏色展示一組 4 維數據

rng = np.random.RandomState(0) x = rng.randn(100) y = rng.randn(100) colors = rng.rand(100) sizes = 1000 * rng.rand(100)plt.scatter(x, y, c=colors, s=sizes, alpha=0.3,cmap='viridis') plt.colorbar(); # 展示色階

6.繪制一組誤差為 ±0.8 的數據的誤差條圖

x = np.linspace(0, 10, 50) dy = 0.8 y = np.sin(x) + dy * np.random.randn(50)plt.errorbar(x, y, yerr=dy, fmt='.k') <Container object of 3 artists>

7.繪制一個柱狀圖

x = [1,2,3,4,5,6,7,8] y = [3,1,4,5,8,9,7,2] label=['A','B','C','D','E','F','G','H']plt.bar(x,y,tick_label = label);

8.繪制一個水平方向柱狀圖

plt.barh(x,y,tick_label = label);

9.繪制 1000 個隨機值的直方圖

data = np.random.randn(1000) plt.hist(data);

10.設置直方圖分 30 個 bins，并設置為頻率分布

plt.hist(data, bins=30,histtype='stepfilled', density=True) plt.show();

11.在一張圖中繪制 3 組不同的直方圖，并設置透明度

x1 = np.random.normal(0, 0.8, 1000) x2 = np.random.normal(-2, 1, 1000) x3 = np.random.normal(3, 2, 1000)kwargs = dict(alpha=0.3, bins=40, density = True)plt.hist(x1, **kwargs); plt.hist(x2, **kwargs); plt.hist(x3, **kwargs);

12.繪制一張二維直方圖

mean = [0, 0] cov = [[1, 1], [1, 2]] x, y = np.random.multivariate_normal(mean, cov, 10000).T plt.hist2d(x, y, bins=30);

13.繪制一張設置網格大小為 30 的六角形直方圖

plt.hexbin(x, y, gridsize=30);

三、自定義圖表元素

14.繪制 x=(0,10)間 sin 的圖像，設置線性為虛線

x = np.linspace(0,10,100) plt.plot(x,np.sin(x),'--');

15.設置 y 軸顯示范圍為(-1.5,1.5)

x = np.linspace(0,10,100) plt.plot(x, np.sin(x)) plt.ylim(-1.5, 1.5);

16.設置 x,y 軸標簽 variable x，value y

x = np.linspace(0.05, 10, 100) y = np.sin(x) plt.plot(x, y, label='sin(x)') plt.xlabel('variable x'); plt.ylabel('value y');

17.設置圖表標題“三角函數”

x = np.linspace(0.05, 10, 100) y = np.sin(x) plt.plot(x, y, label='sin(x)') plt.title('三角函數');

18.顯示網格

x = np.linspace(0.05, 10, 100) y = np.sin(x) plt.plot(x, y) plt.grid()

19.繪制平行于 x 軸 y=0.8 的水平參考線

x = np.linspace(0.05, 10, 100) y = np.sin(x) plt.plot(x, y) plt.axhline(y=0.8, ls='--', c='r')

20.繪制垂直于 x 軸 x<4 and x>6 的參考區域，以及 y 軸 y<0.2 and y>-0.2 的參考區域

x = np.linspace(0.05, 10, 100) y = np.sin(x) plt.plot(x, y) plt.axvspan(xmin=4, xmax=6, facecolor='r', alpha=0.3) # 垂直x軸 plt.axhspan(ymin=-0.2, ymax=0.2, facecolor='y', alpha=0.3); # 垂直y軸

21.添加注釋文字 sin(x)

x = np.linspace(0.05, 10, 100) y = np.sin(x) plt.plot(x, y) plt.text(3.2, 0, 'sin(x)', weight='bold', color='r');

22.用箭頭標出第一個峰值

x = np.linspace(0.05, 10, 100) y = np.sin(x) plt.plot(x, y) plt.annotate('maximum',xy=(np.pi/2, 1),xytext=(np.pi/2+1, 1),weight='bold',color='r',arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='r'));

四、自定義圖例

23.在一張圖里繪制 sin,cos 的圖形，并展示圖例

x = np.linspace(0, 10, 1000) fig, ax = plt.subplots()ax.plot(x, np.sin(x), label='sin') ax.plot(x, np.cos(x), '--', label='cos') ax.legend();

24.調整圖例在左上角展示，且不顯示邊框

ax.legend(loc='upper left', frameon=False); fig

25.調整圖例在畫面下方居中展示，且分成 2 列

ax.legend(frameon=False, loc='lower center', ncol=2) fig

26.繪制的圖像，并只顯示前 2 者的圖例

y = np.sin(x[:, np.newaxis] + np.pi * np.arange(0, 2, 0.5)) lines = plt.plot(x, y)# lines 是 plt.Line2D 類型的實例的列表plt.legend(lines[:2], ['first', 'second']);# 第二個方法 #plt.plot(x, y[:, 0], label='first') #plt.plot(x, y[:, 1], label='second') #plt.plot(x, y[:, 2:]) #plt.legend(framealpha=1, frameon=True);

27.將圖例分不同的區域展示

fig, ax = plt.subplots()lines = [] styles = ['-', '--', '-.', ':'] x = np.linspace(0, 10, 1000)for i in range(4):lines += ax.plot(x, np.sin(x - i * np.pi / 2),styles[i], color='black') ax.axis('equal') (-0.5, 10.5, -1.1, 1.1) # 設置第一組標簽 ax.legend(lines[:2], ['line A', 'line B'],loc='upper right', frameon=False)# 創建第二組標簽 from matplotlib.legend import Legend leg = Legend(ax, lines[2:], ['line C', 'line D'],loc='lower right', frameon=False) ax.add_artist(leg);

五、自定義色階

28.展示色階

x = np.linspace(0, 10, 1000) I = np.sin(x) * np.cos(x[:, np.newaxis])plt.imshow(I) plt.colorbar();

29.改變配色為'gray'

plt.imshow(I, cmap='gray');

30.將色階分成 6 個離散值顯示

plt.imshow(I, cmap=plt.cm.get_cmap('Blues', 6)) plt.colorbar() plt.clim(-1, 1);

六、多子圖

31.在一個 1010 的畫布中，(0.65,0.65)的位置創建一個 0.20.2 的子圖

ax1 = plt.axes() ax2 = plt.axes([0.65, 0.65, 0.2, 0.2])

32.在 2 個子圖中，顯示 sin(x)和 cos(x)的圖像

fig = plt.figure() ax1 = fig.add_axes([0.1, 0.5, 0.8, 0.4], ylim=(-1.2, 1.2)) ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.4], ylim=(-1.2, 1.2))x = np.linspace(0, 10) ax1.plot(np.sin(x)); ax2.plot(np.cos(x));

33.用 for 創建 6 個子圖，并且在圖中標識出對應的子圖坐標

for i in range(1, 7):plt.subplot(2, 3, i)plt.text(0.5, 0.5, str((2, 3, i)),fontsize=18, ha='center')# 方法二 # fig = plt.figure() # fig.subplots_adjust(hspace=0.4, wspace=0.4) # for i in range(1, 7): # ax = fig.add_subplot(2, 3, i) # ax.text(0.5, 0.5, str((2, 3, i)),fontsize=18, ha='center')

34.設置相同行和列共享 x,y 軸

fig, ax = plt.subplots(2, 3, sharex='col', sharey='row')

35.用[]的方式取出每個子圖，并添加子圖座標文字

for i in range(2):for j in range(3):ax[i, j].text(0.5, 0.5, str((i, j)), fontsize=18, ha='center') fig

36.組合繪制大小不同的子圖，樣式如下

Image Name

grid = plt.GridSpec(2, 3, wspace=0.4, hspace=0.3) plt.subplot(grid[0, 0]) plt.subplot(grid[0, 1:]) plt.subplot(grid[1, :2]) plt.subplot(grid[1, 2]);

37.顯示一組二維數據的頻度分布，并分別在 x,y 軸上，顯示該維度的數據的頻度分布

mean = [0, 0] cov = [[1, 1], [1, 2]] x, y = np.random.multivariate_normal(mean, cov, 3000).T# Set up the axes with gridspec fig = plt.figure(figsize=(6, 6)) grid = plt.GridSpec(4, 4, hspace=0.2, wspace=0.2) main_ax = fig.add_subplot(grid[:-1, 1:]) y_hist = fig.add_subplot(grid[:-1, 0], xticklabels=[], sharey=main_ax) x_hist = fig.add_subplot(grid[-1, 1:], yticklabels=[], sharex=main_ax)# scatter points on the main axes main_ax.scatter(x, y,s=3,alpha=0.2)# histogram on the attached axes x_hist.hist(x, 40, histtype='stepfilled',orientation='vertical') x_hist.invert_yaxis()y_hist.hist(y, 40, histtype='stepfilled',orientation='horizontal') y_hist.invert_xaxis()

七、三維圖像

38.創建一個三維畫布

from mpl_toolkits import mplot3d fig = plt.figure() ax = plt.axes(projection='3d')

39.繪制一個三維螺旋線

ax = plt.axes(projection='3d')# Data for a three-dimensional line zline = np.linspace(0, 15, 1000) xline = np.sin(zline) yline = np.cos(zline) ax.plot3D(xline, yline, zline);

40.繪制一組三維點

ax = plt.axes(projection='3d') zdata = 15 * np.random.random(100) xdata = np.sin(zdata) + 0.1 * np.random.randn(100) ydata = np.cos(zdata) + 0.1 * np.random.randn(100) ax.scatter3D(xdata, ydata, zdata, c=zdata, cmap='Greens');

八、寶可夢數據集可視化

41.展示前 5 個寶可夢的 Defense,Attack,HP 的堆積條形圖

import pandas as pd df = pd.read_csv('Pokemon.csv') pokemon = df['Name'][:5] hp = df['HP'][:5] attack = df['Attack'][:5] defense = df['Defense'][:5] ind = [x for x, _ in enumerate(pokemon)]plt.figure(figsize=(10,10)) plt.bar(ind, defense, width=0.8, label='Defense', color='blue', bottom=attack+hp) plt.bar(ind, attack, width=0.8, label='Attack', color='gold', bottom=hp) plt.bar(ind, hp, width=0.8, label='Hp', color='red')plt.xticks(ind, pokemon) plt.ylabel("Value") plt.xlabel("Pokemon") plt.legend(loc="upper right") plt.title("5 Pokemon Defense & Attack & Hp") plt.show()

42.展示前 5 個寶可夢的 Attack,HP 的簇狀條形圖

N = 5 pokemon_hp = df['HP'][:5] pokemon_attack = df['Attack'][:5]ind = np.arange(N) width = 0.35 plt.bar(ind, pokemon_hp, width, label='HP') plt.bar(ind + width, pokemon_attack, width,label='Attack')plt.ylabel('Values') plt.title('Pokemon Hp & Attack')plt.xticks(ind + width / 2, (df['Name'][:5]),rotation=45) plt.legend(loc='best') plt.show()

43.展示前 5 個寶可夢的 Defense,Attack,HP 的堆積圖

x = df['Name'][:4] y1 = df['HP'][:4] y2 = df['Attack'][:4] y3 = df['Defense'][:4]labels = ["HP ", "Attack", "Defense"]fig, ax = plt.subplots() ax.stackplot(x, y1, y2, y3) ax.legend(loc='upper left', labels=labels) plt.xticks(rotation=90) plt.show()

44.公用 x 軸，展示前 5 個寶可夢的 Defense,Attack,HP 的折線圖

x = df['Name'][:5] y1 = df['HP'][:5] y2 = df['Attack'][:5] y3 = df['Defense'][:5]# Create two subplots sharing y axis fig, (ax1, ax2,ax3) = plt.subplots(3, sharey=True)ax1.plot(x, y1, 'ko-') ax1.set(title='3 subplots', ylabel='HP')ax2.plot(x, y2, 'r.-') ax2.set(xlabel='Pokemon', ylabel='Attack')ax3.plot(x, y3, ':') ax3.set(xlabel='Pokemon', ylabel='Defense')plt.show()

45.展示前 15 個寶可夢的 Attack,HP 的折線圖

plt.plot(df['HP'][:15], '-r',label='HP') plt.plot(df['Attack'][:15], ':g',label='Attack') plt.legend();

46.用 scatter 的 x,y,c 屬性，展示所有寶可夢的 Defense,Attack,HP 數據

x = df['Attack'] y = df['Defense'] colors = df['HP']plt.scatter(x, y, c=colors, alpha=0.5) plt.title('Scatter plot') plt.xlabel('HP') plt.ylabel('Attack') plt.colorbar();

47.展示所有寶可夢的攻擊力的分布直方圖，bins=10

x = df['Attack'] num_bins = 10 n, bins, patches = plt.hist(x, num_bins, facecolor='blue', alpha=0.5) plt.title('Histogram') plt.xlabel('Attack') plt.ylabel('Value') plt.show()

48.展示所有寶可夢 Type 1 的餅圖

plt.figure(1, figsize=(8,8)) df['Type 1'].value_counts().plot.pie(autopct="%1.1f%%") plt.legend()

49.展示所有寶可夢 Type 1 的柱狀圖

ax = df['Type 1'].value_counts().plot.bar(figsize = (12,6),fontsize = 14) ax.set_title("Pokemon Type 1 Count", fontsize = 20) ax.set_xlabel("Pokemon Type 1", fontsize = 20) ax.set_ylabel("Value", fontsize = 20)plt.show()

50.展示綜合評分最高的 10 只寶可夢的系數間的相關系數矩陣

import seaborn as snstop_10_pokemon=df.sort_values(by='Total',ascending=False).head(10) corr=top_10_pokemon.corr()fig, ax=plt.subplots(figsize=(10, 6)) sns.heatmap(corr,annot=True) ax.set_ylim(9, 0) plt.show()

備注：公眾號菜單包含了整理了一本AI小抄，非常適合在通勤路上用學習。

往期精彩回顧2019年公眾號文章精選適合初學者入門人工智能的路線及資料下載機器學習在線手冊深度學習在線手冊AI基礎下載（第一部分）備注：加入本站微信群或者qq群，請回復“加群”加入知識星球（4500+用戶，ID：92416895），請回復“知識星球”

喜歡文章，點個在看

總結

以上是生活随笔為你收集整理的50题matplotlib从入门到精通的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。