如何使用Python中的可視化工具Matplotlib

如何使用Python中的可視化工具Matplotlib，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

Matplotlib是一個Python 2D繪圖庫和一些基本的3D圖表，可以生成各種格式圖片。Matplotlib可用于Python腳本，Python  shell，Jupyter筆記本，Web應用程序服務器等等。

查看Matplotlib 版本

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

在Python 中調用Matplotlib，通常使用 import matplotlib.pyplot 調用Matplotlib 集成的快速繪圖  pyplot模塊。

Figure(整個圖像)

在任何繪圖之前，需要一個Figure對象，可以理解成需要一張畫板才能開始繪圖。

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

在Matplotlib中，整個圖像為一個Figure 對象。Figure對象中可以包含一個或者多個Axes對象，每個Axes  對象都是一個擁有自己坐標系統的繪圖區域。

Axes(軸線)

在擁有Figure對象之后，在作畫前還需要軸，沒有軸的話就沒有繪圖基準，所以需要添加Axes。也可以理解成為真正可以作畫的紙。

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()

上述代碼，在一幅圖上添加了一個Axes，然后設置了這個Axes的X軸以及Y軸的取值范圍，以及一些文本信息。效果如下：

Matplotlib下, 一個 Figure 對象可以包含多個子圖(Axes)，可以使用 subplot() 快速繪制，其調用形式如下 :

subplot(numRows, numCols, plotNum)

• 圖表的整個繪圖區域被分成 numRows 行和 numCols 列;

• 然后按照從左到右，從上到下的順序對每個子區域進行編號，左上的子區域的編號為1;

• plotNum 參數指定創建的 Axes 對象所在的區域;

對于上面的fig.add_subplot(111)就是添加Axes的，參數的解釋的在畫板的第1行第1列的***個位置生成一個Axes對象來準備作畫。

也可以通過fig.add_subplot(2, 2, 1)的方式生成Axes，前面兩個參數確定了面板的劃分。

如果 numRows, numCols 和 plotNum 這三個數都小于 10 的話, 可以把它們縮寫為一個整數, 例如 subplot(221) 和  subplot(2,2,1) 是相同的。

subplot 在 plotNum 指定的區域中創建一個軸對象。如果新創建的軸和之前創建的軸重疊的話，之前的軸將被刪除。

Multiple Axes 多個子圖

下面的一次性生成所有 Axes：

簡單總結一下

• 在最頂層的是畫布，稱之為figure;

• 在畫布上可以在不同的區域上繪制，這些區域稱之為subplot;

每一個子圖區域，又可以做如下劃分：

• axis 也就是x,y坐標軸;

• tick 也就是每一個坐標軸的刻度;

• label 也就是坐標軸上的標簽;

• title 也就是每一個子圖的標題;

• data 是輸入的數據繪制出的圖像;

Matplotlib 繪圖演示代碼

將這個圖像劃分成8個子區域，每個子區域繪制一個不同的圖像。

import numpy as np  import matplotlib.pyplot as plt  x=[1,2,3,4]  y=[3,5,10,25]  # 創建子圖  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 圖像  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-- 設置線條樣式和顏色  plt.subplot(247)  plt.plot(x, y_sin, 'g--')  plt.title("sin")  # 加載本地圖片  import matplotlib.image as mpimg  img=mpimg.imread('666.jpg')  plt.subplot(248)  plt.imshow(img)  plt.title("cool...")  plt.show()

關于如何使用Python中的可視化工具Matplotlib問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。