Matplotlib数据可视化（4）：折线图与散点图

In [1]:

from matplotlib import pyplot as plt
import numpy as np
import matplotlib as mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]  # 中文字体支持

对于折线图的绘制，在之前博客的示例中都有使用，在面向对象绘图方法中，一般是创建axes实例后调用plot()方法实现折线图绘制，并通过传递各种参数实现对图像的设置。散点图的绘制通过axes实例的scatter()方法来实现。scatter()方法的参数和参数取值与绘制折线图的plot()方法基本一致，所以本文将两种图放在一起进行介绍。

1 多图像绘制¶

在一个axes中，可以绘制多条折线图，秩序多次调用plot()或者scatter()方法即可。

In [2]:

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

# 折线图
axes[0].set_title("图1 折 线 图")
axes[0].plot(x1, y1)
axes[0].plot(x1, y1+0.5)

# 散点图
axes[1].set_title("图2 散 点 图")
axes[1].scatter(x1, y1)
axes[1].scatter(x1, y1+0.5)
plt.show()

2 颜色¶

颜色通过color参数来设置，color参数的值可以使颜色的英文全称，例如"green"、"red"，也可以是简写，例如"g"表示"green"、"r表示"red"，一些常见颜色全称和简写如下所示。

"b" , blue
"g" , green
"r" , red
"c" , cyan
"m" , magenta
"y" , yellow
"k" , black
"w" , white

如果觉得这些常见的颜色不够用，设置可以用16进制字符来表示颜色。

In [3]:

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

# 折线图
axes[0].set_title("图1 折 线 图")
axes[0].plot(x1, y1, color="red")  # 红色
axes[0].plot(x1, y1+0.5, color="g")  # 绿色
axes[0].plot(x1, y1+1, color="#008000")  # 也是绿色

# 散点图
axes[1].set_title("图2 散 点 图")
axes[1].scatter(x1, y1, color="red")  # 红色
axes[1].scatter(x1, y1+0.5, color="g")  # 绿色
axes[1].scatter(x1, y1+1, color="#008000")  # 也是绿色
plt.show()

3 图例¶

axes实例中提供了legend()方法用于添加图例，legend()方法会将元素的label字符串设置为图例，如下面的示例所示，有两种参数传递方式来设置label。除了label外，还可以传递loc参数来设置图例的位置，loc参数值可以使代表位置的字符串，也可以是对应的整数，其对应关系如下所示：

    ===============   =============
    Location String   Location Code
    ===============   =============
    "best"            0
    "upper right"     1
    "upper left"      2
    "lower left"      3
    "lower right"     4
    "right"           5
    "center left"     6
    "center right"    7
    "lower center"    8
    "upper center"    9
    "center"          10
    ===============   =============

In [4]:

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(3, 2, figsize=(10, 8), tight_layout=True)

axes[0, 0].plot(x1, y1, label="线1")  # 传递label参数
axes[0, 0].plot(x1, y1+0.5, label="线2")  # 传递label参数
axes[0, 0].legend(loc="best")  # 默认就是best

axes[1, 0].plot(x1, y1, label="线1")  # 传递label参数
axes[1, 0].plot(x1, y1+0.5, label="线2")  # 传递label参数
axes[1, 0].legend(loc="lower right")

line1, = axes[2, 0].plot(x1, y1)  # 注意，等号前面有逗号
line2, = axes[2, 0].plot(x1, y1+0.5)
axes[2, 0].legend(handles=(line1, line2), labels=("线1", "线2"), loc="upper center")


axes[0, 1].scatter(x1, y1, label="第一组")  # 传递label参数
axes[0, 1].scatter(x1, y1+0.5, label="第二组")  # 传递label参数
axes[0, 1].legend(loc="best")  # 默认就是best

axes[1, 1].scatter(x1, y1, label="第一组")  # 传递label参数
axes[1, 1].scatter(x1, y1+0.5, label="第二组")  # 传递label参数
axes[1, 1].legend(loc="lower right")


group1 = axes[2, 1].scatter(x1, y1)   # 注意，等号前面没有逗号，这是与plot()方法不同的
group2 = axes[2, 1].scatter(x1, y1+0.5) 

axes[2, 1].legend(handles=(group1, group2), labels=("第一组", "第二组"), loc="upper center")

plt.show()

4 线型¶

通过传递linestyle或ls参数可以设置线型，参数包含一下几种取值：

    =============    ===============================
    character        description
    =============    ===============================
    ``"-"``          实线（默认）
    ``"--"``         长虚线
    ``"-."``         点划线
    ``":"``          虚线
    =============    ===============================

In [5]:

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.plot(x1, y1, color="black", label="-", ls="-")  # 默认线性就是"-"
axes.plot(x1, y1+0.5, color="green", label="--",ls="--")
axes.plot(x1, y1+1, color="blue",  label="-.", linestyle="-.")
axes.plot(x1, y1+1.5, color="red", label=":", ls=":")
axes.legend()
plt.show()

5 标记(形状）¶

参数marker可以在图形中添加标记，标记参数值和对应的标记类型如下所示：

    =============    ===============================
    character        description
    =============    ===============================
    ``"."``          点
    ``","``          像素点
    ``"o"``          圆
    ``"v"``          向下三角形
    ``"^"``          向上三角形
    ``"<"``          向左三角形
    ``">"``          向右三角形
    ``"1"``          向下T形
    ``"2"``          向上T形
    ``"3"``          向左T形
    ``"4"``          向右T形
    ``"s"``          正方形
    ``"p"``          五边形
    ``"*"``          星型
    ``"h"``          六边形1
    ``"H"``          六边形2
    ``"+"``          十字形
    ``"x"``          x 形
    ``"D"``          大菱形
    ``"d"``          小菱形
    ``"|"``          竖线
    ``"_"``          横线
    =============    ===============================

In [6]:

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

axes[0].plot(x1, y1, color="black", label=".", marker=".") 
axes[0].plot(x1, y1+0.5, color="green", label=",", marker=",")
axes[0].plot(x1, y1+1, color="blue",  label="o", marker="|")
axes[0].plot(x1, y1+1.5, color="red", label="v", marker="_")
axes[0].legend()

axes[1].scatter(x1, y1, color="black", label=".", marker=".") 
axes[1].scatter(x1, y1+0.5, color="green", label=",", marker=",")
axes[1].scatter(x1, y1+1, color="blue",  label="o", marker="|")
axes[1].scatter(x1, y1+1.5, color="red", label="v", marker="_")
axes[1].legend()
plt.show()

绘制折线图时，在传递了marker参数后，也可以通过以下参数进一步设置标记的样式：

markeredgecolor 或 mec : 边框颜色
markeredgewidth 或 mew ：边框粗细
markerfacecolor 或 mfc ：填充色
markersize 或 ms ：大小

In [7]:

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.plot(x1, y1, color="blue", label="线1", marker="*",markersize=15, markerfacecolor="green",markeredgecolor="red", markeredgewidth=3) # 线1
axes.plot(x1, y1+0.5, color="blue", label="线2", marker="*",markersize=15, markerfacecolor="green",markeredgecolor="red")   # 线2
axes.plot(x1, y1+1, color="blue", label="线3", marker="*",markersize=5, markerfacecolor="red")   # 线3
axes.plot(x1, y1+1.5, color="blue", label="线4",marker="*",markersize=10, markerfacecolor="red")   # 线4
axes.legend()
plt.show()

散点图修改点的样式时，参数与折线图有些许不同：

s : 大小
color 或 c : 填充色
alpha：透明度
linewidths：边框粗细
edgecolors：边框颜色

In [8]:

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.scatter(x1, y1, color="green", label="第一组", marker="*",s=105,edgecolors="red", linewidths=5)
axes.scatter(x1, y1+0.5, color="green", label="第二组", marker="*",s=15)
axes.scatter(x1, y1+1, color="blue", label="第三组", marker="*",s=5)
axes.scatter(x1, y1+1.5, color="blue", label="第四组",marker="*",s=10)
axes.legend()
plt.show()

6 显示坐标¶

显示坐标可以用添加text的方法实现：

In [9]:

x1 = [i*0.1 for i in range(0, 50, 5)]
y1 = [i*i for i in x1]
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

axes[0].plot(x1, y1, color="red", label=".", marker=".")  # 默认线性就是"-"
axes[1].scatter(x1, y1, color="blue", label=".", marker="*")  # 默认线性就是"-"
for a, b in zip(x1, y1):  
    axes[0].text(a, b, (a,b),ha="left", va="top", fontsize=10) 
    axes[1].text(a, b, (a,b),ha="left", va="top", fontsize=10)
plt.show()

Matplotlib数据可视化（4）：折线图与散点图

1 多图像绘制¶

2 颜色¶

3 图例¶

4 线型¶

5 标记(形状）¶

6 显示坐标¶

在线实例

实例推荐

最新更新

技术问答