Python直接使用plot()函数画图的方法实例

 更新时间:2022年05月07日 10:53:26   作者:Sheenky  
Python非常简单而又非常强大,它的功能之一就是画出漂亮的图表,实现数据的可视化,下面这篇文章主要给大家介绍了关于Python直接使用plot()函数画图的相关资料,需要的朋友可以参考下

一、plot()函数的认识

在使用Python进行数据可视化编程中matplotlib库是我们用来对数据进行画图常用的第三方库。其中含有各类函数也就是不同类型的图形,要使用matplotlib库中的函数就需要了解函数所需要数据的格式,这也是我们学习matplotlib库的重点。

直接使用plot()函数画图,是对于一般的简单数据。我们可以采用直接调用plot()函数对列表数据进行直接画图。初期学习直接使用plot()函数能便于我们对后面图形学习奠定函数的参数及基础。

matplotlib图的组成:

  • Figure (画布)
  • Axes (坐标系)
  • Axis (坐标轴)
  • 图形(plot(),scatter(),bar(),...)
  • Title, Labels, ......

直接是用plot()函数画图如法如下:

plt.plot(x, y, fmt='xxx', linestyle=, marker=, color=, linewidth=, markersize=, label=, )

其中x,y代表横纵坐标,fmt = '#color#linestyle#marker'即代表各类参数。

(1)linestyle:此字段是线的样式,参数形式:字符串

linestyle(线的样式)

linestyle(线的样式)
linestyle参数线形
'-'实线
'--'虚线
'-.'点划线
':'点虚线
' '无线

(2)linewidth:此参数是线的粗细,粗细程度和所定数值大小有关,参数形式:数值

(3)marker:点的样式,字符串

marker(点的样式)

marker(点的样式)
marker标记点
'.'
','像素
'^' 'v' '>' '<'上下左右三角形
'1' '2' '3' '4'上下左右三叉线
'o'圆形
's' 'D'方形
'p'五边形
'h' 'H'六边形
'*'五角星
'+' 'x'十字交叉
'_'横线
''

(4)markersize:点的大小,参数形式:数值

(5)color:调节线条还有点的颜色 ,字符串,参数形式字符串

color(点、线颜色)

color(点、线颜色)
字符串color
'r'
'g'绿
'b'
'y'
'c'
'm'
'k'
'w'

此处颜色参数还可以有二进制,十进制等表示方法,同时对于颜色,RGB是三原色

(6)label:图例,legend文字

二、plot()函数基本运用

使用plot()函数时需要导入对应的库,导入库后我们在未有数据的情况下直接画图,直接画图会隐式创建Figure,Axes对象。

import matplotlib.pyplot as pltplt.plot()

 下面通过构造数据绘制简单图形

首先数据构造,设置参数,参数也可以在将数据填入plot()函数的时候设置。

# 导入包
import matplotlib.pyplot as plt
import numpy as np
# 构造数据
# 位置 (2维:x,y一一对应)
x = np.linspace(0, 2 * np.pi, 200)  # 从0到2pi的200个值
y = np.sin(x)                       # 从sin(0)到sin(2pi)的200个值
# 颜色(0维)
c = 'red'
c = 'r'
c = '#FF0000'
# 大小(0维): 线宽
lw = 1

画出图形

# 生成一个Figure画布和一个Axes坐标系
fig, ax = plt.subplots()
# 在生成的坐标系下画折线图
ax.plot(x, y, c, linewidth=lw)
# 显示图形
plt.show()

图形展示:

给定两组数据,建立y与x的关系试,使用plot函数进行画图,本次画图线条选用点虚线形式,粗细选用1,点选用方形,点大小选用值为10,图例为‘1234’

import matplotlib.pyplot as plt
x = [1,2,3]
y = [1,2,3]
y = x
plt.plot(x,y,linestyle=':', linewidth=1, marker='d', markersize=10, label='1234')
plt.legend()

作出图片如下;

 下面我们引用numpy的linspace函数生创建均匀分布序列,然后对x,y建立数值关系,由此来创建图画。

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-100,100,10)
y = x**2 + 2*x +1
plt.plot(x,y,'g-.o')

作出如下图案,由此可见,我们对于图形的设置方面,在我们熟练以后如果没有粗细的设置可以直接缩减再一个字符串里面

以上都是简单图形的讲解,我们现在通过一个简单的对数据DataFrame进行作图,在往后的数据可视化中我们需要对数据进行处理后再进行可视化。下面我们通过正、余弦函数进行作图。

#导入包
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
 
#使用linspace()方法构成数据
x = np.linspace(0, 2 * np.pi, 50)  # 
y1 = np.sin(x)
y2 = np.cos(x)
#转化数据形式
df = pd.DataFrame([x,y1,y2]).T
#对列重新命名
df.columns = ['x','sin(x)','cos(x)']
#数据写入图像,命名图例
plt.plot(df['x'],df['sin(x)'],label='sin(x)')
plt.plot(df['x'],df['cos(x)'],label='cos(x)')
plt.legend()

我们通过numpy的linspace方法生成数据再通过pandas对数据进行DataFrame化再带入plot()函数,此处需要讲的就是图例的命名方法,通过在函数中写入label参数,确定图例的标签,再通过legend()函数生成图例,在后续的学习中也会讲到图例的位置、形式等的运用。

三、plot()函数数据可视化画图以及图元基本参数设置

通过绘制世界人口变化曲线图了解基本图元参数设置,本次绘图过程主要是先通过对人口数据导入,了解数据构造,再进配置画图参数最后完成图形的制作,其中基本的图元参数用于别的图形也适用,在这儿学会了我们只需要了解数据结构,构造成图形所要的数据结构就可以就行画出自己想要的图形。

首先进行数据导入,了解数据结构形式。为了学习方便,选用jupyter notebook进行可视化图形讲解。

import pandas as pd
datafile = r'world_population.txt'  # 打开文件
df = pd.read_csv(datafile)  #读取数据
df.head()#展示前面部分数据

以下就是基本的数据样式,由年份和人口数量组成

 这里做了基本的图元设计,也就是对于画布的设置,前面我们所学函数参数都是对于图形中间的设置,我们构成一个可视化界面是通过画布+画中图形样式组成一个完整的可视化界面。

画布界面有画布大小,画布像素,画布界面,画布边框等设置。

import matplotlib.pyplot as plt
# 画布
fig = plt.figure(figsize=(6,4),  # inches
                 dpi=120, # dot-per-inch
                 facecolor='#BBBBBB',
                 frameon=True, # 画布边框
                )  
plt.plot(df['year'],df['population'])
 
# 标题
plt.title("1960-2009 World Population")

构成一个完整的可视化图像除了图例还有图像的标题,我们可以通过title()方法设置英文标题,中文标题要通过以下代码才能实现,因此我们如果是做中文项目在导入包以后就可以写上设置中文代码的代码串。

# 设置中文字体
plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置字体为简黑(SimHei)
plt.rcParams['font.sans-serif'] = 'FangSong'  # 设置字体为仿宋(FangSong)

 当然,除了这种比较简单的图形之外我们还能对图形进行优化设置,将数据显示的更加的精美和美观,对图形优化便于实际报告中的演示也是我们现在必不可少的的一环。

import matplotlib.pyplot as plt
 
# 设置中文字体
plt.rcParams['axes.unicode_minus'] = False    # 不使用中文减号
plt.rcParams['font.sans-serif'] = 'FangSong'  # 设置字体为仿宋(FangSong)
 
# 画布
fig = plt.figure(figsize=(6,4),  # inches
                 dpi=120, # dot-per-inch
                 facecolor='#BBBBBB',
                 frameon=True, # 画布边框
                )  
plt.plot(df['year'],df['population'],'b:o',label='人口数')
 
# 中文标题
plt.title("1960-2009 世界人口")
 
# 字体字典
font_dict=dict(fontsize=8,
              color='k',
              family='SimHei',
              weight='light',
              style='italic',
              )
 
# X轴标签
plt.xlabel("年份", loc='center', fontdict=font_dict)   # loc: 左中右 left center right
 
# Y轴标签
plt.ylabel("人口数",loc='top', fontdict=font_dict)  # loc: 上中下 top center bottom
 
# X轴范围
plt.xlim((2000,2010))  # X轴的起点和终点
 
# Y轴范围
plt.ylim(6e9,7e9) # Y轴的起点和终点
 
# X轴刻度
plt.xticks(np.arange(2000,2011))
 
# X轴刻度
plt.yticks(np.arange(6e9,7e9+1e8,1e8))
 
# 图例
plt.legend()
# plt.legend(labels=['人口'])
 
# 网格线
plt.grid(axis='y')  # axis: 'both','x','y'

 上述代码,对x轴,y轴的刻度、标签、字体进行定义,对图例、网格线等也做出了参数的设置,最后做出的图形如下图:

总结 

到此这篇关于Python直接使用plot()函数画图的文章就介绍到这了,更多相关Python plot()函数画图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

  • Python JSON数据解析过程(最新推荐)

    Python JSON数据解析过程(最新推荐)

    json模块提供了将JSON格式的数据转换为Python对象(如列表、字典等)以及将Python对象转换为JSON格式的数据的方法,下面给大家分享使用json模块解析JSON数据的常见方法,感兴趣的朋友一起看看吧
    2024-02-02
  • keras读取训练好的模型参数并把参数赋值给其它模型详解

    keras读取训练好的模型参数并把参数赋值给其它模型详解

    这篇文章主要介绍了keras读取训练好的模型参数并把参数赋值给其它模型详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • python中的多线程实例教程

    python中的多线程实例教程

    这篇文章主要介绍了python中的多线程用法,包括线程的创建、同步等核心问题,具有很好的参考借鉴价值,需要的朋友可以参考下
    2014-08-08
  • Python实现滑块拼图验证码详解

    Python实现滑块拼图验证码详解

    验证码作为一种自然人的机器人的判别工具,被广泛的用于各种防止程序做自动化的场景中。传统的字符型验证安全性已经名存实亡的情况下,各种新型的验证码如雨后春笋般涌现,今天给大家分享一篇Python实现滑块验证码
    2022-05-05
  • Python基本知识之datetime模块详解

    Python基本知识之datetime模块详解

    这篇文章主要给大家介绍了关于Python基本知识之datetime模块的相关资料,Python内置的时间模块datetime包含下面的模块包含六个类和两个常数,提供了用于处理日期和时间的类和对应的方法,一般用于处理年、月、日、时、分、秒的统计和计算等需求,需要的朋友可以参考下
    2023-08-08
  • Pytorch中TensorDataset,DataLoader的联合使用方式

    Pytorch中TensorDataset,DataLoader的联合使用方式

    这篇文章主要介绍了Pytorch中TensorDataset,DataLoader的联合使用方式,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
    2023-02-02
  • Python爬虫Scrapy框架IP代理的配置与调试

    Python爬虫Scrapy框架IP代理的配置与调试

    在调试爬虫的时候,新手都会遇到关于ip的错误,本文就来介绍一下Python爬虫Scrapy框架IP代理的配置与调试,具有一定的参考价值,感兴趣的可以了解一下
    2021-12-12
  • Python数据结构与算法(几种排序)小结

    Python数据结构与算法(几种排序)小结

    这篇文章主要介绍了Python数据结构与算法(几种排序)的相关知识,本文给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2019-06-06
  • python的jinja2模板深入浅出地解析

    python的jinja2模板深入浅出地解析

    Python模板,全称为“Jinja2 Template”,是Python语言中的一种模板引擎。在web应用中,模板一般用于生成页面或其他输出格式。Python的模板引擎为程序员提供了一种非常方便的方式来构建动态内容,强制执行代码结构,并允许从数据中提取特定的信息。Jinja2在Python社区
    2023-06-06
  • 对pandas中iloc,loc取数据差别及按条件取值的方法详解

    对pandas中iloc,loc取数据差别及按条件取值的方法详解

    今天小编就为大家分享一篇对pandas中iloc,loc取数据差别及按条件取值的方法详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-11-11

最新评论