python中matplotlib的颜色以及形状实例详解
更新时间：2022年01月24日 11:39:32 作者：Mortal71
在Python中经常使用matplotlib画图,为了让图像显示的更加好看,经常需要对图表点、线形状及颜色进行设置,下面这篇文章主要给大家介绍了关于python中matplotlib的颜色以及形状的相关资料,需要的朋友可以参考下
绘制折线图
命令形如：
# 常用 plt.plot(x, y, linewidth = '1', label = "test", color=' red ', linestyle=':', marker='|') # 所有可选参数 plt.plot(x,y,color,linestyle=,linewidth,marker,markeredgecolor,markeredgwidth,markerfacecolor,markersize,label) plt.legend(loc='upper left') plt.show()
主要参数详解：
线条形式（linestyle）：
| 标记字符 | 还可使用 | 说明 |
|---|---|---|
| ‘-’ | “solid” | 实线 |
| ‘–’ | “dashed” | 破折线 |
| ‘-.’ | “dashdot” | 点划线 |
| ‘:’ | “dotted” | 虚线 |
| ’ ’ | ‘none’ | 无线条 |
标注形状（marker）：
| 标记字符 | 还可使用 | 说明 |
|---|---|---|
| ‘.’ | point marker | 点标记 |
| ‘,’ | pixel marker | 像素标记（极小点） |
| ‘o’ | circle marker | 实心圈标记 |
| ‘v’ | triangle_down marker | 倒三角标记 |
| ‘^’ | triangle_up marker | 上三角标记 |
| ‘<’ | triangle_left marker | 左三角标记 |
| ‘>’ | triangle_right marker | 右三角标记 |
| ‘1’ | tri_down marker | 下花三角标记 |
| ‘2’ | tri_up marker | 上花三角标记 |
| ‘3’ | tri_left marker | 左花三角标记 |
| ‘4’ | tri_right marker | 右花三角标记 |
| ‘s’ | square marker | 实心方形标记 |
| ‘p’ | pentagon marker | 实心五角标记 |
| ‘*’ | star marker | 星形标记 |
| ‘h’ | hexagon1 marker | 竖六边形标记 |
| ‘H’ | hexagon2 marker | 横六边形标记 |
| ‘+’ | plus marker | 十字标记 |
| ‘x’ | x marker | x标记 |
| ‘D’ | diamond marker | 菱形标记 |
| ‘d’ | thin_diamond marker | 受菱形标记 |
| ‘|’ | vline marker | 垂直线标记 |
| ‘_’ | hline marker | 水平线标记 |
颜色（color），可用十六进制形式，每两个十六进制数分别代表R、G、B分量，可用如下代码展示所有：
import matplotlib
for name, hex in matplotlib.colors.cnames.items():
print(name, hex)
得所有支持颜色：
cnames = {
'aliceblue': '#F0F8FF',
'antiquewhite': '#FAEBD7',
'aqua': '#00FFFF',
'aquamarine': '#7FFFD4',
'azure': '#F0FFFF',
'beige': '#F5F5DC',
'bisque': '#FFE4C4',
'black': '#000000',
'blanchedalmond': '#FFEBCD',
'blue': '#0000FF',
'blueviolet': '#8A2BE2',
'brown': '#A52A2A',
'burlywood': '#DEB887',
'cadetblue': '#5F9EA0',
'chartreuse': '#7FFF00',
'chocolate': '#D2691E',
'coral': '#FF7F50',
'cornflowerblue': '#6495ED',
'cornsilk': '#FFF8DC',
'crimson': '#DC143C',
'cyan': '#00FFFF',
'darkblue': '#00008B',
'darkcyan': '#008B8B',
'darkgoldenrod': '#B8860B',
'darkgray': '#A9A9A9',
'darkgreen': '#006400',
'darkkhaki': '#BDB76B',
'darkmagenta': '#8B008B',
'darkolivegreen': '#556B2F',
'darkorange': '#FF8C00',
'darkorchid': '#9932CC',
'darkred': '#8B0000',
'darksalmon': '#E9967A',
'darkseagreen': '#8FBC8F',
'darkslateblue': '#483D8B',
'darkslategray': '#2F4F4F',
'darkturquoise': '#00CED1',
'darkviolet': '#9400D3',
'deeppink': '#FF1493',
'deepskyblue': '#00BFFF',
'dimgray': '#696969',
'dodgerblue': '#1E90FF',
'firebrick': '#B22222',
'floralwhite': '#FFFAF0',
'forestgreen': '#228B22',
'fuchsia': '#FF00FF',
'gainsboro': '#DCDCDC',
'ghostwhite': '#F8F8FF',
'gold': '#FFD700',
'goldenrod': '#DAA520',
'gray': '#808080',
'green': '#008000',
'greenyellow': '#ADFF2F',
'honeydew': '#F0FFF0',
'hotpink': '#FF69B4',
'indianred': '#CD5C5C',
'indigo': '#4B0082',
'ivory': '#FFFFF0',
'khaki': '#F0E68C',
'lavender': '#E6E6FA',
'lavenderblush': '#FFF0F5',
'lawngreen': '#7CFC00',
'lemonchiffon': '#FFFACD',
'lightblue': '#ADD8E6',
'lightcoral': '#F08080',
'lightcyan': '#E0FFFF',
'lightgoldenrodyellow': '#FAFAD2',
'lightgreen': '#90EE90',
'lightgray': '#D3D3D3',
'lightpink': '#FFB6C1',
'lightsalmon': '#FFA07A',
'lightseagreen': '#20B2AA',
'lightskyblue': '#87CEFA',
'lightslategray': '#778899',
'lightsteelblue': '#B0C4DE',
'lightyellow': '#FFFFE0',
'lime': '#00FF00',
'limegreen': '#32CD32',
'linen': '#FAF0E6',
'magenta': '#FF00FF',
'maroon': '#800000',
'mediumaquamarine': '#66CDAA',
'mediumblue': '#0000CD',
'mediumorchid': '#BA55D3',
'mediumpurple': '#9370DB',
'mediumseagreen': '#3CB371',
'mediumslateblue': '#7B68EE',
'mediumspringgreen': '#00FA9A',
'mediumturquoise': '#48D1CC',
'mediumvioletred': '#C71585',
'midnightblue': '#191970',
'mintcream': '#F5FFFA',
'mistyrose': '#FFE4E1',
'moccasin': '#FFE4B5',
'navajowhite': '#FFDEAD',
'navy': '#000080',
'oldlace': '#FDF5E6',
'olive': '#808000',
'olivedrab': '#6B8E23',
'orange': '#FFA500',
'orangered': '#FF4500',
'orchid': '#DA70D6',
'palegoldenrod': '#EEE8AA',
'palegreen': '#98FB98',
'paleturquoise': '#AFEEEE',
'palevioletred': '#DB7093',
'papayawhip': '#FFEFD5',
'peachpuff': '#FFDAB9',
'peru': '#CD853F',
'pink': '#FFC0CB',
'plum': '#DDA0DD',
'powderblue': '#B0E0E6',
'purple': '#800080',
'red': '#FF0000',
'rosybrown': '#BC8F8F',
'royalblue': '#4169E1',
'saddlebrown': '#8B4513',
'salmon': '#FA8072',
'sandybrown': '#FAA460',
'seagreen': '#2E8B57',
'seashell': '#FFF5EE',
'sienna': '#A0522D',
'silver': '#C0C0C0',
'skyblue': '#87CEEB',
'slateblue': '#6A5ACD',
'slategray': '#708090',
'snow': '#FFFAFA',
'springgreen': '#00FF7F',
'steelblue': '#4682B4',
'tan': '#D2B48C',
'teal': '#008080',
'thistle': '#D8BFD8',
'tomato': '#FF6347',
'turquoise': '#40E0D0',
'violet': '#EE82EE',
'wheat': '#F5DEB3',
'white': '#FFFFFF',
'whitesmoke': '#F5F5F5',
'yellow': '#FFFF00',
'yellowgreen': '#9ACD32'}
可用如下代码展示具体颜色：
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import matplotlib.colors as colors
import math
fig = plt.figure()
ax = fig.add_subplot(111)
ratio = 1.0 / 3.0
count = math.ceil(math.sqrt(len(colors.cnames)))
x_count = count * ratio
y_count = count / ratio
x = 0
y = 0
w = 1 / x_count
h = 1 / y_count
for c in colors.cnames:
pos = (x / x_count, y / y_count)
ax.add_patch(patches.Rectangle(pos, w, h, color=c))
ax.annotate(c, xy=pos)
if y >= y_count-1:
x += 1
y = 0
else:
y += 1
plt.show()
得下图
绘制柱形图
plot.bar(x,height,width=0.8,bottom=None,align='center',color,edgecolor)
| 参数 | 说明 |
|---|---|
| x | 表示在什么位置显示柱形图 |
| height | 柱子高度 |
| width | 每根柱子的宽度，可各不相同 |
| bottom | 每根柱子的底部位置，可各不相同 |
| align | 柱子的位置与x值的关系，可选center、edge两个参数，center表示柱子位于x值的中心位置，edge表示边缘位置 |
| color | 柱子颜色 |
| edgecolor | 柱子边缘的颜色 |
例：
plt.subplot(1,1,1)
x = np.array(["东区","西区","南区","北区"])
y = np.array([8566,6482,5335,7310])
plt.bar(x,y,width=0.5,align="center",label="任务量")
plt.title("全国各分区任务量",loc="center")
# 添加数据标签
for a,b in zip(x,y):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="r")
plt.xlabel('分区')
plt.ylabel('任务量')
plt.legend() #显示图例
#保存到本地
#plt.savefig("C:/Users/.../1.jpg")
簇状柱形图
plt.subplot(1,1,1)
x = np.array([1,2,3,4])
y1 = np.array([8566,6482,5335,7310])
y2 = np.array([4283,2667,3655,3241])
plt.bar(x,y1,width=0.3,label="任务量")
plt.bar(x+0.3,y2,width=0.3,label="完成量") #x+0.3相当于完成量的每个柱子右移0.3
plt.title("全国各分区任务量",loc="center")
# 添加数据标签
for a,b in zip(x,y1):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="blue")
for a,b in zip(x,y2):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="g")
plt.xlabel('区域')
plt.ylabel('任务情况')
#设置x轴刻度值
plt.xticks(x+0.15,["东区","西区","南区","北区"])
plt.grid(False)
plt.legend() #显示图例
堆积柱形图
plt.subplot(1,1,1)
x = np.array(["东区","西区","南区","北区"])
y1 = np.array([8566,6482,5335,7310])
y2 = np.array([4283,2667,3655,3241])
plt.bar(x,y1,width=0.3,label="任务量")
plt.bar(x,y2,width=0.3,label="完成量")
plt.title("全国各分区任务量",loc="center")
# 添加数据标签
for a,b in zip(x,y1):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="blue")
for a,b in zip(x,y2):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="g")
plt.xlabel('区域')
plt.ylabel('任务情况')
plt.grid(False)
plt.legend(loc = "upper center",ncol=2)
散点图
plt.scatter(x,y,s,c,marker,linewidths,edgecolors)
| 参数 | 说明 |
|---|---|
| （x，y） | 散点的位置 |
| s | 每个点的面积，即散点的大小。若只有一个具体值时，则所有点的大小都一样。也可呈现多个值，这样就成了气泡图 |
| c | 每个点的颜色，可多样 |
| marker | 标记，同折线图中marker |
| linewidths | 散点线宽 |
| edgecolors | 散点外轮廓的颜色 |
colors = y*10
area = y*100 #根据y值的大小生成不同形状
plt.scatter(x,y,c=colors,marker="o",s=area)
plt.title("销量关系图",loc="center")
# 添加数据标签
for a,b in zip(x,y):
plt.text(a,b,b,ha='center',va="center",fontsize=10,color="white")
plt.xlabel('气温')
plt.ylabel('啤酒销量')
plt.grid(False)
附：matplotlib实现区域颜色填充
''' 学习python ''' import matplotlib.pyplot as plt import numpy as np x= np.linspace(0,5*np.pi, 1000) y1 = np.sin(x) y2 = np.sin(2*x) #plt.plot(x,y1) #plt.plot(x,y2) plt.fill(x,y1,'b',alpha=0.5) plt.fill(x,y2,'r',alpha=0.3) plt.fill_between(x,y1,y2,facecolor='green') plt.grid(True) plt.show() ######################################################### plt.plot(x,y1,'b',alpha=0.5) plt.plot(x,y2,'r',alpha=0.3) #添加条件 #如果数据点比较少的情况下，会有缝隙出现，使用interpolate可以填充缝隙 plt.fill_between(x,y1,y2,where=y1>=y2,facecolor='green',interpolate=True) plt.fill_between(x,y1,y2,where=y2>y1,facecolor='yellow',interpolate=True) plt.grid(True) plt.show() ########################################################### n = 256 X = np.linspace(-np.pi, np.pi, n, endpoint=True) Y = np.sin(2 * X) plt.plot(X, Y + 1, color='blue', alpha=1.00) plt.fill_between(X, 1, Y + 1, color='blue', alpha=.25) plt.plot(X, Y - 1, color='blue', alpha=1.00) plt.fill_between(X, -1, Y - 1, (Y - 1) > -1, color='blue', alpha=.25) plt.fill_between(X, -1, Y - 1, (Y - 1) < -1, color='red', alpha=.25) plt.xlim(-np.pi, np.pi) plt.xticks(()) plt.ylim(-2.5, 2.5) plt.yticks(())
总结
到此这篇关于python中matplotlib的颜色以及形状的文章就介绍到这了,更多相关python matplotlib颜色及形状内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python批量自动修改文件名,按指定的格式自动命名方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-08-08
这篇文章主要介绍了Python WEB应用部署的实现方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2019-01-01
这篇文章主要介绍了python excel多行合并的方法，帮助大家更好的利用python处理excel表格，感兴趣的朋友可以了解下2020-12-12
这篇文章主要介绍了Selenium中的option用法实例,本文结合示例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-12-12
在Python中,格式化字符串输出是一项非常常见的任务,Python提供了多种方式来实现字符串格式化,每种方式都有其独特的优势和用法,下面我们就来学习一下这些方法的具体操作吧2023-11-11
卷积神经网络（Convolutional Neural Networks, CNN）是一类特别适用于处理图像数据的深度学习模型，本文介绍了如何使用Keras创建一个简单的CNN模型，并用它对手写数字进行分类，需要的可以参考一下2023-05-05
这篇文章主要介绍了教你用Python快速为iOS10生成图标和截屏的相关资料,非常不错，具有参考借鉴价值，需要的朋友可以参考下2016-09-09
这篇文章主要介绍了Python二叉树的镜像转换实现方法,结合实例形式分析了二叉树镜像转换的原理及Python相关算法实现技巧,需要的朋友可以参考下2019-03-03
这篇文章主要介绍了TensorFlow实现Softmax回归模型，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-03-03
这篇文章主要介绍了Python标准库os.path包、glob包使用实例,本文直接给出代码,代码中有详细注释,需要的朋友可以参考下2014-11-11
最新评论