手把手教你Python yLab的绘制折线图的画法

更新时间：2019年10月23日 09:58:01 作者：Yngz_Miao

这篇文章主要介绍了手把手教你Python yLab的绘制折线图的画法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

Python的可视化工具有很多，数不胜数，各有优劣。本文就对其中的pylab进行介绍。之所以介绍这一款，是因为它和Matlab的强烈相似度，如果你使用过Matlab，那么相信pylab你也会很快上手。

简单的plot函数

pylab绘图，最基本的函数就是plot函数，当然如果想要将图片显示出来，需要额外添加一个show函数。

在python的绘图中，numpy是一个非常常用的工具，不太熟悉的可以参考博主的另一篇博文：【Python】Python之Numpy的超实用基础详细教程。

例如：

import pylab
import numpy as np

if __name__ == "__main__":
 x = np.arange(0, 1, 0.05)
 y = [i*i for i in np.arange(0, 1, 0.05)]
 pylab.plot(x, y)
 pylab.show()

运行生成的图片为：

规定两个序列，只需要两个序列的长度相等，就可以以其中一个序列为横坐标，零一个序列为纵坐标，进行绘制。

但是也看得出来，这样的图片是比较寒碜的，简单朴素。我们可以对线条进行一些修饰，比如线型、颜色、点型等等。只需要在plot函数中添加一个参数即可。这个参数用法比较灵活，特可以从下表的值中进行组合选择：

颜色	线型	点型
‘b' (蓝色)	‘-' (实线)	‘,' (像素)
‘g' (绿色)	‘–' (虚线)	‘o' (圆形)
‘r' (红色)	‘-.' (虚点线)	‘^' (上三角)
‘y' (黄色)	‘:' (点线)	‘s' (方形)
‘k' (黑色)	‘.' (点)	‘+' (加号)
‘w' (蓝色)	…	‘x' (叉形)
…		…

例如:

import pylab
import numpy as np

if __name__ == "__main__":
 x = np.arange(0, 1, 0.05)
 y = [i*i for i in np.arange(0, 1, 0.05)]
 pylab.plot(x, y, "b-.+")
 pylab.show()

运行生成的图片为：

如果，还想增加图例，x轴、y轴的含义和刻度，标题的信息，也可以通过添加一些函数来进行。

例如：

# -*- coding:UTF-8 -*-
import pylab
import numpy as np

if __name__ == "__main__":
 x = np.arange(0, 1, 0.05)
 y = [i*i for i in np.arange(0, 1, 0.05)]
 pylab.plot(x, y, "b-.+", label='line')
 
 pylab.xlabel('x')       # x、y轴的介绍
 pylab.ylabel('y')
 
 pylab.xlim([0, 1])      # x、y轴的长度区间
 pylab.ylim([0, 1])
 
 pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)    # x、y轴的刻度
 pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
 
 pylab.title('x-y')      # x、y的标题
 
 pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))     # 图例的位置
 pylab.show()

运行生成的图片为：

是不是瞬间就感觉丰富了许多！

多折线绘制

当然，在很多时刻需要绘制多条折线。很明显，可以选择将多条直线绘制到同一张图片上，也可以选择在图片上绘制不同的子图。

多折线同图

将多条折线绘制到同一张图片上，这非常简单，直接再plot一条直线就可以了。

例如：

# -*- coding:UTF-8 -*-
import pylab
import numpy as np

if __name__ == "__main__":
 x = np.arange(0, 1, 0.05)
 y1 = [i*i for i in np.arange(0, 1, 0.05)]
 y2 = [i+i for i in np.arange(0, 1, 0.05)]
 pylab.plot(x, y1, "b-.+", label='line1')
 pylab.plot(x, y2, "r-.+", label='line2')

 pylab.xlabel('x')
 pylab.ylabel('y')
 pylab.xlim([0, 1])
 pylab.ylim([0, 1])
 pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.title('x-y')
 pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
 pylab.show()

多折线不同图

将多条折线绘制到图片上的不同子图上，这就需要通过subplot进行区域分割和指定。

subplot(numRows, numCols, plotNum)

该函数会将这个图片分为numRows行、nulCols列，然后按照从左到右、从上到下的顺序进行编号，最左上的编号为1。plotNum参数指定子图的所在区域。

例如：

# -*- coding:UTF-8 -*-
import pylab
import numpy as np

if __name__ == "__main__":
 x = np.arange(0, 1, 0.05)
 y1 = [i*i for i in np.arange(0, 1, 0.05)]
 y2 = [i+i for i in np.arange(0, 1, 0.05)]

 pylab.subplot(1, 2, 1)
 pylab.plot(x, y1, "b-.+", label='line1')
 pylab.xlabel('x')
 pylab.ylabel('y1')
 pylab.xlim([0, 1])
 pylab.ylim([0, 1])
 pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.title('x-y1')
 pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))

 pylab.subplot(1, 2, 2)
 pylab.plot(x, y2, "r-.+", label='line2')
 pylab.xlabel('x')
 pylab.ylabel('y2')
 pylab.xlim([0, 1])
 pylab.ylim([0, 1])
 pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.title('x-y2')
 pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))

 pylab.show()

运行生成的图片为：

这是比较规整的例子，如果是不规整的呢？例如，第一行两张图，第二行一张图。这就要稍微变通一下了。

第一行其实是按照2*2分法的第一个和第二个，第二行其实是按照2*1分法的第二行。这样思考就会迎刃而解了。

# -*- coding:UTF-8 -*-
import pylab
import numpy as np

if __name__ == "__main__":
 x = np.arange(0, 1, 0.05)
 y1 = [i*i for i in np.arange(0, 1, 0.05)]
 y2 = [i+i for i in np.arange(0, 1, 0.05)]

 pylab.subplot(2, 2, 1)
 pylab.plot(x, y1, "b-.+", label='line1')
 pylab.xlabel('x')
 pylab.ylabel('y1')
 pylab.xlim([0, 1])
 pylab.ylim([0, 1])
 pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.title('x-y1')
 pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))

 pylab.subplot(2, 2, 2)
 pylab.plot(x, y2, "r-.+", label='line2')
 pylab.xlabel('x')
 pylab.ylabel('y2')
 pylab.xlim([0, 1])
 pylab.ylim([0, 1])
 pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.title('x-y2')
 pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))

 pylab.subplot(2, 1, 2)
 pylab.plot(x, y1, "b-.+", label='line1')
 pylab.plot(x, y2, "r-.+", label='line2')
 pylab.xlabel('x')
 pylab.ylabel('y')
 pylab.xlim([0, 1])
 pylab.ylim([0, 1])
 pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
 pylab.title('x-y')
 pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))

 pylab.show()

运行生成的图片为：

其他函数

除了上述函数之外，还有一些其他的常用函数。

pylab.grid()       # 网格绘制

pylab.savefig(图片存储路径, dpi=200)    # 保存为图片

掌握了这些基本的折现图的绘制函数，相信一般的折线图都可以轻松掌握。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

简单聊聊Python中的鸭子类型和猴子补丁
不知不觉使用python写代码已经很长时间了,下面这篇文章主要给大家介绍了关于python鸭子类型(duck type)和猴子补丁(mokey patching)的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下
2022-04-04
Python打包exe文件一步步图解明了简单
之前看很多人都在问，Python怎么打包exe可执行文件，雀氏有点多，那么我来了，给大家整一个Python打包exe可执行文件的究极教程
2021-11-11
python Requsets下载开源网站的代码(带索引数据)
这篇文章主要介绍了python Requsets下载开源网站的代码(带索引数据),本文通过实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
2021-04-04
python中的变量命名规则详情
这篇文章主要介绍了python中的变量命名规则详情，变量名可以包括字母、数字、下划线，但是数字不能做为开头，变量用的好或不好，和代码质量有着非常重要的联系，合理的使用变量，可以让你的代码可读性更高并且更加简洁,下面相关内容吧需要的小伙伴可以参考一下
2022-03-03
PyQT5 实现快捷键复制表格数据的方法示例
这篇文章主要介绍了PyQT5 实现快捷键复制表格数据的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-06-06
Python global全局变量函数详解
本文详解了global全局变量函数的用法，还有global的作用。global全局变量在一个脚本中全部作用域都可以访问，用法很方便，希望本文对大家有所帮助
2018-09-09
python实时获取外部程序输出结果的方法
今天小编就为大家分享一篇python实时获取外部程序输出结果的方法，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
2019-01-01
详解如何使用opencv实现图片相似度检测
这篇文章主要为大家详细介绍了如何使用opencv实现图片相似度检测,文中的示例代码讲解详细,对于我们学习人工智能有一定的帮助,感兴趣的小伙伴可以跟随小编一起学习一下
2023-12-12
Python爬虫实现爬取百度百科词条功能实例
这篇文章主要介绍了Python爬虫实现爬取百度百科词条功能,结合完整实例形式分析了Python爬虫的基本原理及爬取百度百科词条的步骤、网页下载、解析、数据输出等相关操作技巧,需要的朋友可以参考下
2019-04-04
Matlab、Python为工具解析数据可视化之美
下面介绍一些数据可视化的作品（包含部分代码），主要是地学领域，可迁移至其他学科，本文通过实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，需要的朋友参考下吧
2021-11-11