如何使用Python中的可视化工具Matplotlib

如何使用Python中的可视化工具Matplotlib，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

Matplotlib是一个Python 2D绘图库和一些基本的3D图表，可以生成各种格式图片。Matplotlib可用于Python脚本，Python  shell，Jupyter笔记本，Web应用程序服务器等等。

查看Matplotlib 版本

>>> import matplotlib  >>> matplotlib.__version__  '3.0.3'

在Python 中调用Matplotlib，通常使用 import matplotlib.pyplot 调用Matplotlib 集成的快速绘图  pyplot模块。

Figure(整个图像)

在任何绘图之前，需要一个Figure对象，可以理解成需要一张画板才能开始绘图。

import matplotlib.pyplot as plt  fig = plt.figure()

在Matplotlib中，整个图像为一个Figure 对象。Figure对象中可以包含一个或者多个Axes对象，每个Axes  对象都是一个拥有自己坐标系统的绘图区域。

Axes(轴线)

在拥有Figure对象之后，在作画前还需要轴，没有轴的话就没有绘图基准，所以需要添加Axes。也可以理解成为真正可以作画的纸。

ax = fig.add_subplot(111)  ax.set(xlim=[0, 5], ylim=[0, 6], title='An Example Axes',  ylabel='Y-Axis', xlabel='X-Axis')  plt.show()

上述代码，在一幅图上添加了一个Axes，然后设置了这个Axes的X轴以及Y轴的取值范围，以及一些文本信息。效果如下：

Matplotlib下, 一个 Figure 对象可以包含多个子图(Axes)，可以使用 subplot() 快速绘制，其调用形式如下 :

subplot(numRows, numCols, plotNum)

• 图表的整个绘图区域被分成 numRows 行和 numCols 列;

• 然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1;

• plotNum 参数指定创建的 Axes 对象所在的区域;

对于上面的fig.add_subplot(111)就是添加Axes的，参数的解释的在画板的第1行第1列的***个位置生成一个Axes对象来准备作画。

也可以通过fig.add_subplot(2, 2, 1)的方式生成Axes，前面两个参数确定了面板的划分。

如果 numRows, numCols 和 plotNum 这三个数都小于 10 的话, 可以把它们缩写为一个整数, 例如 subplot(221) 和  subplot(2,2,1) 是相同的。

subplot 在 plotNum 指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。

Multiple Axes 多个子图

下面的一次性生成所有 Axes：

简单总结一下

• 在最顶层的是画布，称之为figure;

• 在画布上可以在不同的区域上绘制，这些区域称之为subplot;

每一个子图区域，又可以做如下划分：

• axis 也就是x,y坐标轴;

• tick 也就是每一个坐标轴的刻度;

• label 也就是坐标轴上的标签;

• title 也就是每一个子图的标题;

• data 是输入的数据绘制出的图像;

Matplotlib 绘图演示代码

将这个图像划分成8个子区域，每个子区域绘制一个不同的图像。

import numpy as np  import matplotlib.pyplot as plt  x=[1,2,3,4]  y=[3,5,10,25]  # 创建子图  plt.subplot(241)  plt.plot(x,y)  plt.title("plot")  plt.subplot(242)  plt.scatter(x, y)  plt.title("scatter")  plt.subplot(243)  plt.pie(y)  plt.title("pie")  plt.subplot(244)  plt.bar(x, y)  plt.title("bar")  plt.subplot(245)  plt.boxplot(y, sym="o")  plt.title("box")  # sin/cos 图像  plt.subplot(246)  x = np.linspace(0, np.pi)  y_sin = np.sin(x)  y_cos = np.cos(x)  plt.plot(x, y_sin)  plt.plot(x, y_cos)  # g-- 设置线条样式和颜色  plt.subplot(247)  plt.plot(x, y_sin, 'g--')  plt.title("sin")  # 加载本地图片  import matplotlib.image as mpimg  img=mpimg.imread('666.jpg')  plt.subplot(248)  plt.imshow(img)  plt.title("cool...")  plt.show()

关于如何使用Python中的可视化工具Matplotlib问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注编程网行业资讯频道了解更多相关知识。