這篇文章給大家分享的是有關(guān)python中繪圖庫Matplotlib怎么用的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
銀州網(wǎng)站制作公司哪家好，找成都創(chuàng)新互聯(lián)公司！從網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、響應(yīng)式網(wǎng)站等網(wǎng)站項目制作，到程序開發(fā)，運營維護。成都創(chuàng)新互聯(lián)公司于2013年創(chuàng)立到現(xiàn)在10年的時間，我們擁有了豐富的建站經(jīng)驗和運維經(jīng)驗，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選成都創(chuàng)新互聯(lián)公司。
運行環(huán)境
由于這是一個Python語言的軟件包，因此需要你的機器上首先安裝好Python語言的環(huán)境。
通過pip的方式進(jìn)行安裝，具體方法如下：
sudo pip3 install matplotlib
本文的代碼在如下環(huán)境中測試：
Apple OS X 10.13
Python 3.6.3
matplotlib 2.1.1
numpy 1.13.3
Matplotlib適用于各種環(huán)境，包括：
Python腳本
IPython shell
Jupyter notebook
Web應(yīng)用服務(wù)器
用戶圖形界面工具包
使用Matplotlib，能夠的輕易生成各種類型的圖像，例如：直方圖，波譜圖，條形圖，散點圖等。并且，可以非常輕松地實現(xiàn)定制。
下面我們先看一個最簡單的代碼示例，讓我們感受一下Matplotlib是什么樣的：
# test.py import matplotlib.pyplot as plt import numpy as np data = np.arange(100, 201) plt.plot(data) plt.show()
這段代碼的主體邏輯只有三行，但是它卻繪制出了一個非常直觀的線性圖，如下所示：
對照著這個線形圖，我們來講解一下三行代碼的邏輯：
通過np.arange(100, 201)生成一個[100, 200]之間的整數(shù)數(shù)組，它的值是：[100, 101, 102, … , 200]
通過matplotlib.pyplot將其繪制出來。很顯然，繪制出來的值對應(yīng)了圖中的縱坐標(biāo)（y軸）。而matplotlib本身為我們設(shè)置了圖形的橫坐標(biāo)（x軸）：[0, 100]，因為我們剛好有100個數(shù)值
通過plt.show()將這個圖形顯示出來
這段代碼非常的簡單，運行起來也是一樣。如果你已經(jīng)有了本文的運行環(huán)境，將上面的代碼保存到一個文本文件中（或者通過Github獲取本文的源碼），然后通過下面的命令就可以在你自己的電腦上看到上面的圖形了:
python3 test.py
注1：后面的教程中，我們會逐步講解如何定制圖中的每一個細(xì)節(jié)。例如：坐標(biāo)軸，圖形，著色，線條樣式，等等。
注2：如果沒有必要，下文的截圖會去掉圖形外側(cè)的邊框，只保留圖形主體。
有些時候，我們可能希望一次繪制多個圖形，例如：兩組數(shù)據(jù)的對比，或者一組數(shù)據(jù)的不同展示方式等。
可以簡單的理解為一個figure就是一個圖形窗口。matplotlib.pyplot會有一個默認(rèn)的figure，我們也可以通過plt.figure()創(chuàng)建更多個。如下面的代碼所示：
# figure.py import matplotlib.pyplot as plt import numpy as np data = np.arange(100, 201) plt.plot(data) data2 = np.arange(200, 301) plt.figure() plt.plot(data2) plt.show()
這段代碼繪制了兩個窗口的圖形，它們各自是一個不同區(qū)間的線形圖，如下所示：
注：初始狀態(tài)這兩個窗口是完全重合的。
有些情況下，我們是希望在同一個窗口顯示多個圖形。此時就這可以用多個subplot。下面是一段代碼示例：
# subplot.py import matplotlib.pyplot as plt import numpy as np data = np.arange(100, 201) plt.subplot(2, 1, 1) plt.plot(data) data2 = np.arange(200, 301) plt.subplot(2, 1, 2) plt.plot(data2) plt.show()
這段代碼中，除了subplot函數(shù)之外都是我們熟悉的內(nèi)容。subplot函數(shù)的前兩個參數(shù)指定了subplot數(shù)量，即：它們是以矩陣的形式來分割當(dāng)前圖形，兩個整數(shù)分別指定了矩陣的行數(shù)和列數(shù)。而第三個參數(shù)是指矩陣中的索引。
因此，下面這行代碼指的是：2行1列subplot中的第1個subplot。
plt.subplot(2, 1, 1)
下面這行代碼指的是：2行1列subplot中的第2個subplot。
plt.subplot(2, 1, 2)
所以這段代碼的結(jié)果是這個樣子：
subplot函數(shù)的參數(shù)不僅僅支持上面這種形式，還可以將三個整數(shù)（10之內(nèi)的）合并一個整數(shù)。例如：2, 1, 1可以寫成211，2, 1, 2可以寫成212。
因此，下面這段代碼的結(jié)果是一樣的：
import matplotlib.pyplot as plt import numpy as np data = np.arange(100, 201) plt.subplot(211) plt.plot(data) data2 = np.arange(200, 301) plt.subplot(212) plt.plot(data2) plt.show()
subplot函數(shù)的詳細(xì)說明參見這里：matplotlib.pyplot.subplot
Matplotlib可以生成非常多的圖形式樣，多到令人驚嘆的地步。大家可以在這里：Matplotlib Gallery 感受一下。
本文作為第一次的入門教程，我們先來看看最常用的一些圖形的繪制。
前面的例子中，線性圖的橫軸的點都是自動生成的，而我們很可能希望主動設(shè)置它。另外，線條我們可能也希望對其進(jìn)行定制?？匆幌孪旅孢@個例子：
# plot.py import matplotlib.pyplot as plt plt.plot([1, 2, 3], [3, 6, 9], '-r') plt.plot([1, 2, 3], [2, 4, 9], ':g') plt.show()
這段代碼可以讓我們得到這樣的圖形：
這段代碼說明如下：
plot函數(shù)的第一個數(shù)組是橫軸的值，第二個數(shù)組是縱軸的值，所以它們一個是直線，一個是折線；
最后一個參數(shù)是由兩個字符構(gòu)成的，分別是線條的樣式和顏色。前者是紅色的直線，后者是綠色的點線。關(guān)于樣式和顏色的說明請參見plot函數(shù)的API Doc：matplotlib.pyplot.plot
scatter函數(shù)用來繪制散點圖。同樣，這個函數(shù)也需要兩組配對的數(shù)據(jù)指定x和y軸的坐標(biāo)。下面是一段代碼示例：
# scatter.py import matplotlib.pyplot as plt import numpy as np N = 20 plt.scatter(np.random.rand(N) * 100, np.random.rand(N) * 100, c='r', s=100, alpha=0.5) plt.scatter(np.random.rand(N) * 100, np.random.rand(N) * 100, c='g', s=200, alpha=0.5) plt.scatter(np.random.rand(N) * 100, np.random.rand(N) * 100, c='b', s=300, alpha=0.5) plt.show()
這段代碼說明如下：
這幅圖包含了三組數(shù)據(jù)，每組數(shù)據(jù)都包含了20個隨機坐標(biāo)的位置
參數(shù)c表示點的顏色，s是點的大小，alpha是透明度
這段代碼繪制的圖形如下所示：
scatter函數(shù)的詳細(xì)說明參見這里：matplotlib.pyplot.scatter
pie函數(shù)用來繪制餅狀圖。餅狀圖通常用來表達(dá)集合中各個部分的百分比。
重慶分公司
重慶分公司
# pie.py
import matplotlib.pyplot as plt
import numpy as np
labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
data = np.random.rand(7) * 100
plt.pie(data, labels=labels, autopct='%1.1f%%')
plt.axis('equal')
plt.legend()
plt.show()這段代碼說明如下：
data是一組包含7個數(shù)據(jù)的隨機數(shù)值
圖中的標(biāo)簽通過labels來指定
autopct指定了數(shù)值的精度格式
plt.axis('equal')設(shè)置了坐標(biāo)軸大小一致
plt.legend()指明要繪制圖例（見下圖的右上角）
這段代碼輸出的圖形如下所示：
pie函數(shù)的詳細(xì)說明參見這里：matplotlib.pyplot.pie
bar函數(shù)用來繪制條形圖。條形圖常常用來描述一組數(shù)據(jù)的對比情況，例如：一周七天，每天的城市車流量。
下面是一個代碼示例：
# bar.py
import matplotlib.pyplot as plt
import numpy as np
N = 7
x = np.arange(N)
data = np.random.randint(low=0, high=100, size=N)
colors = np.random.rand(N * 3).reshape(N, -1)
labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
plt.title("Weekday Data")
plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)
plt.show()這段代碼說明如下：
這幅圖展示了一組包含7個隨機數(shù)值的結(jié)果，每個數(shù)值是[0, 100]的隨機數(shù)
它們的顏色也是通過隨機數(shù)生成的。np.random.rand(N * 3).reshape(N, -1)表示先生成21（N x 3）個隨機數(shù)，然后將它們組裝成7行，那么每行就是三個數(shù)，這對應(yīng)了顏色的三個組成部分。如果不理解這行代碼，請先學(xué)習(xí)一下Python 機器學(xué)習(xí)庫 NumPy 教程
title指定了圖形的標(biāo)題，labels指定了標(biāo)簽，alpha是透明度
這段代碼輸出的圖形如下所示：
bar函數(shù)的詳細(xì)說明參見這里：matplotlib.pyplot.bar
hist函數(shù)用來繪制直方圖。直方圖看起來是條形圖有些類似。但它們的含義是不一樣的，直方圖描述了數(shù)據(jù)中某個范圍內(nèi)數(shù)據(jù)出現(xiàn)的頻度。這么說有些抽象，我們通過一個代碼示例來描述就好理解了：
# hist.py import matplotlib.pyplot as plt import numpy as np data = [np.random.randint(0, n, n) for n in [3000, 4000, 5000]] labels = ['3K', '4K', '5K'] bins = [0, 100, 500, 1000, 2000, 3000, 4000, 5000] plt.hist(data, bins=bins, label=labels) plt.legend() plt.show()
上面這段代碼中，[np.random.randint(0, n, n) for n in [3000, 4000, 5000]]生成了包含了三個數(shù)組的數(shù)組，這其中：
第一個數(shù)組包含了3000個隨機數(shù)，這些隨機數(shù)的范圍是 [0, 3000)
第二個數(shù)組包含了4000個隨機數(shù)，這些隨機數(shù)的范圍是 [0, 4000)
第三個數(shù)組包含了5000個隨機數(shù)，這些隨機數(shù)的范圍是 [0, 5000)
bins數(shù)組用來指定我們顯示的直方圖的邊界，即：[0, 100) 會有一個數(shù)據(jù)點，[100, 500)會有一個數(shù)據(jù)點，以此類推。所以最終結(jié)果一共會顯示7個數(shù)據(jù)點。同樣的，我們指定了標(biāo)簽和圖例。
三組數(shù)據(jù)在3000以下都有數(shù)據(jù)，并且頻度是差不多的。但藍(lán)色條只有3000以下的數(shù)據(jù)，橙色條只有4000以下的數(shù)據(jù)。這與我們的隨機數(shù)組數(shù)據(jù)剛好吻合。
感謝各位的閱讀！關(guān)于“python中繪圖庫Matplotlib怎么用”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
