Python 各种画图

一、基础知识

1、常用语句

下面是一些基本的绘图语句：

import matplotlib.pyplot as plt # 导入模块 plt.style.use('ggplot') # 设置图形的显示风格 fig=plt.figure(1) # 新建一个 figure1 fig=plt.figure(figsize=(12,6.5),dpi=100,facecolor='w') fig.patch.set_alpha(0.5) # 设置透明度为 0.5 font1 = { 
   'weight' : 60, 'size' : 10} # 创建字体，设置字体粗细和大小 ax1.set_xlim(0,100) # 设置 x 轴最大最小刻度 ax1.set_ylim(-0.1,0.1) # 设置 y 轴最大最小刻度 plt.xlim(0,100) # 和上面效果一样 plt.ylim(-1,1) ax1.set_xlabel('X name',font1) # 设置 x 轴名字 ax1.set_ylabel('Y name',font1) # 设置 y 轴名字 plt.xlabel('aaaaa') # 设置 x 轴名字 plt.ylabel('aaaaa') # 设置 y 轴名字 plt.grid(True) # 增加格网 plt.grid(axis="y") # 只显示横向格网 plt.grid(axis="x") # 只显示纵向格网 ax=plt.gca() # 获取当前axis, fig=plt.gcf() # 获取当前figures plt.gca().set_aspect(1) # 设置横纵坐标单位长度相等 plt.text(x,y,string) # 在 x,y 处加入文字注释 plt.gca().set_xticklabels(labels, rotation=30, fontsize=16) # 指定在刻度上显示的内容 plt.xticks(ticks, labels, rotation=30, fontsize=15) # 上面两句合起来 plt.legend(['Float'],ncol=1,prop=font1,frameon=False) # 设置图例 列数、去掉边框、更改图例字体 plt.title('This is a Title') # 图片标题 plt.show() # 显示图片，没这行看不见图 plt.savefig(path, dpi=600) # 保存图片，dpi可控制图片清晰度 plt.rcParams['font.sans-serif'] = ['SimHei'] # 添加这条可以让图形显示中文 mpl.rcParams['axes.unicode_minus'] = False # 添加这条可以让图形显示负号 ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') #设置图片的右边框和上边框为不显示 # 子图 ax1=plt.subplot(3,1,1) ax1.scatter(time,data[:,1],s=5,color='blue',marker='o') # size, color, 标记 ax1=plt.subplot(3,1,2) ... # 控制图片边缘的大小 plt.subplots_adjust(left=0, bottom=0, right=1, top=1，hspace=0.1,wspace=0.1) # 设置坐标刻度朝向，暂未成功 plt.rcParams['xtick.direction'] = 'in' ax = plt.gca() ax.invert_xaxis() ax.invert_yaxis() 

2、线型 + 符号 + 颜色

https://blog.csdn.net/Gou_Hailong/article/details/

3、图例使用

https://blog.csdn.net/Gou_Hailong/article/details/

二、画图样例

不要忘记 import plt

import matplotlib.pyplot as plt 

1、散点图

years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019] turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684] plt.figure() plt.scatter(years, turnovers, c='red', s=100, label='legend') plt.xticks(range(2008, 2020, 3)) plt.yticks(range(0, 3200, 800)) plt.xlabel("Year", fontdict={ 
   'size': 16}) plt.ylabel("number", fontdict={ 
   'size': 16}) plt.title("Title", fontdict={ 
   'size': 20}) plt.legend(loc='best') plt.show() 

2、柱状图

X=[1,2,3,4,5] Y=[0.2,0.6,0.1,0.8,0.4] plt.bar(X,Y,color='b') plt.show() 

3、折线图

参考：https://blog.csdn.net/AXIMI/article/details/

plt.rcParams['font.sans-serif'] = ['SimHei'] # 添加这条可以让图形显示中文 x_axis_data = [1, 2, 3, 4, 5] y_axis_data = [1, 2, 3, 4, 5] # plot中参数的含义分别是横轴值，纵轴值，线的形状，颜色，透明度,线的宽度和标签 plt.plot(x_axis_data, y_axis_data, 'ro-', color='#4169E1', alpha=0.8, linewidth=1, label='一些数字') # 显示标签，如果不加这句，即使在plot中加了label='一些数字'的参数，最终还是不会显示标签 plt.legend(loc="upper right") plt.xlabel('x轴数字') plt.ylabel('y轴数字') plt.show() 

4、概率分布直方图

主要通过函数plt.hist()来实现，

matplotlib.pyplot.hist( x, bins=10, range=None, normed=False,edgecolor='k', weights=None, cumulative=False, bottom=None, histtype=u'bar', align=u'mid', orientation=u'vertical', rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, kwargs) 

其中，常用的参数及其含义如下：

• bins：“直方条”的个数，一般可取20
• range=(a,b)：只考虑区间(a,b)之间的数据，绘图的时候也只绘制区间之内的
• edgecolor=‘k’：给直方图加上黑色边界，不然看起来很难看（下面的例子就没加，所以很难看）

example_list=[] n=10000 for i in range(n): tmp=[np.random.normal()] example_list.extend(tmp) width=100 n, bins, patches = plt.hist(example_list,bins = width,color='blue',alpha=0.5) X = bins[0:width]+(bins[1]-bins[0])/2.0 Y = n maxn=max(n) maxn1=int(maxn%8+maxn+8*2) ydata=list(range(0,maxn1+1,maxn1//8)) yfreq=[str(i/sum(n)) for i in ydata] plt.plot(X,Y,color='green') #利用返回值来绘制区间中点连线 p1 = np.polyfit(X, Y, 7) #利用7次多项式拟合，返回拟多项式系数，按照阶数从高到低排列 Y1 = np.polyval(p1,X) plt.plot(X,Y1,color='red') plt.xlim(-2.5,2.5) plt.ylim(0) plt.yticks(ydata,yfreq) #这条语句控制纵坐标是频数或频率，打开是频率，否则是频数 plt.legend(['midpoint','fitting'],ncol=1,frameon=False) plt.show() 

上面的图片中，绿线是直方图矩形的中点连线，红线是根据直方图的中点7次拟合的曲线。

5、累计概率分布曲线

累积分布函数(Cumulative Distribution Function)，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。

example_list=[] n=10000 for i in range(n): tmp=[np.random.normal()] example_list.extend(tmp) width=50 n, bins, patches = plt.hist(example_list,bins = width,color='blue',alpha=0.5) plt.clf() # clear the figure X = bins[0:width]+(bins[1]-bins[0])/2.0 bins=bins.tolist() freq=[f/sum(n) for f in n] acc_freq=[] for i in range(0,len(freq)): if i==0: temp=freq[0] else: temp=sum(freq[:i+1]) acc_freq.append(temp) plt.plot(X,acc_freq,color='r') # Cumulative probability curve yt=plt.yticks() yt1=yt[0].tolist() def to_percent(temp,position=0): # convert float number to percent return '%1.0f'%(100*temp) + '%' ytk1=[to_percent(i) for i in yt1 ] plt.yticks(yt1,ytk1) plt.ylim(0,1) plt.show() 

6、概率分布直方图+累计概率分布图

笔者进行了一些的改编：

def draw_cum_prob_curve(data,bins=20,title='Distribution Of Errors',xlabel='The Error(mm)',pic_path=''): """ plot Probability distribution histogram and Cumulative probability curve. > @param[in] data: The error data > @param[in] bins: The number of hist > @param[in] title: The titile of the figure > @param[in] xlabel: The xlable name > @param[in] pic_path: The path where you want to save the figure return: void """ import matplotlib.pyplot as plt import matplotlib as mpl from matplotlib.ticker import FuncFormatter from matplotlib.pyplot import MultipleLocator def to_percent(temp,position=0): # convert float number to percent return '%1.0f'%(100*temp) + '%' fig, ax1 = plt.subplots(1, 1, figsize=(12, 6), dpi=100, facecolor='w') font1 = { 
   'weight': 600, 'size': 15} n, bins, patches=ax1.hist(data,bins =bins, alpha = 0.65,edgecolor='k') # Probability distribution histogram yt=plt.yticks() yt1=yt[0].tolist() yt2=[i/sum(n) for i in yt1] ytk1=[to_percent(i) for i in yt2 ] plt.yticks(yt1,ytk1) X=bins[0:-1]+(bins[1]-bins[0])/2.0 bins=bins.tolist() freq=[f/sum(n) for f in n] acc_freq=[] for i in range(0,len(freq)): if i==0: temp=freq[0] else: temp=sum(freq[:i+1]) acc_freq.append(temp) ax2=ax1.twinx() # double ylable ax2.plot(X,acc_freq) # Cumulative probability curve ax2.yaxis.set_major_formatter(FuncFormatter(to_percent)) ax1.set_xlabel(xlabel,font1) ax1.set_title(title,font1) ax1.set_ylabel('Frequency',font1) ax2.set_ylabel("Cumulative Frequency",font1) #plt.savefig(pic_path,format='png', dpi=300) 

调用示例：

example_list=[] n=10000 for i in range(n): tmp=[np.random.normal()] example_list.extend(tmp) tit='TEST' xla='DATA' draw_cum_prob_curve(example_list,50,tit,xla) plt.show()