Python——绘图

1、保存图片。

fig.savefig

一、创建画布

1、创建画布和坐标轴

在Matplotlib中，plt.figure类可以看做一个能够容纳各种坐标轴、图形、文字和标签的容器。plt.Axes类是一个带有刻度和标签的矩形，最终会包含所有可视化的图形元素。

此处，fig代表一个图例，ax表示一个坐标轴实例或一组坐标轴实例。

%matplotlib inline

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

x = np.linspace(0,10,1000)
ax.plot(x, np.sin(x))

 

2、面向对象风格接口

#面向对象的风格
#创建图形网络
#ax是一个包含两个Axes对象的数组，即有两个坐标轴
fig,ax = plt.subplots(2)

#在每个Axes对象上调用的plot()方法，分别绘制sin()和cos()
ax[0].plot(x, np.sin(x)) 
ax[1].plot(x, np.cos(x))

 

3、Matlab风格接口

plt.figure()#创建图形

#Matlib风格接口
#创建两个子图中的第一个，设置坐标轴，等于fig,ax=plt.subplot()
plt.subplot(2, 1, 1)  
plt.plot(x, np.sin(x))

#创建两个子图中的第一个，设置坐标轴
plt.subplot(2, 1, 2)
plt.plot(x, np.cos(x))

 

 

 

二、坐标轴和线条调整

1、调整线条颜色和样式

 

线条样式：

‘-‘       solid line style
‘--‘      dashed line style
‘-.‘      dash-dot line style
‘:‘       dotted line style

 

颜色：

‘.‘       point marker
‘,‘       pixel marker
‘o‘       circle marker
‘v‘       triangle_down marker
‘^‘       triangle_up marker
‘<‘       triangle_left marker
‘>‘       triangle_right marker
‘1‘       tri_down marker
‘2‘       tri_up marker
‘3‘       tri_left marker
‘4‘       tri_right marker
‘s‘       square marker
‘p‘       pentagon marker
‘*‘       star marker
‘h‘       hexagon1 marker
‘H‘       hexagon2 marker
‘+‘       plus marker
‘x‘       x marker
‘D‘       diamond marker
‘d‘       thin_diamond marker
‘|‘       vline marker
‘_‘       hline marker

 

plt.axhline(y=1, ls=‘.‘, c-‘yellow‘)#增加水平线

plt.axvline(x=1,ls=‘-‘,c=‘red‘) #增加垂直线

 

2、调整坐标轴

（1）调整坐标轴上下限：

plt.xlim()  #等价于ax.set_xlim()

plt.ylim()  #等价于ax.set_ylim()

plt.axis([xmin, xmax, ymin, ymax])

（2）设置图形标签

plt.title()  #设置图形标题，等价于ax.set_title()

plt.xlabel(), plt.ylabel()  #设置X,Y轴标题，等价于ax.set_xlabel(), ax.set_ylabel()

（3）配置图例

plt.legend()  #创建图例

ax.legend(frameon=False, loc=‘epper left‘)

#选择图例显示的元素
#方式一
plt.legend(lines[:2], [‘first‘,‘second‘])

#方式二
plt.plot(x, y[:,0], label=‘frist‘)
plt.plot(x, y[:,1], label=‘second‘)
plt.plot(x,y[:,2:])
plt.legend(gramealpha=1,frameon=True)#默认情况下会忽略那些不带标签的元素

 

三、多子图

1、图中图

plt.axes([bottom, left, width, height] #[底坐标，坐坐标，宽度，高度]

#xample1
ax1 = plt.axes()
ax2 = plt.axes([0.65, 0.65, 0.2, 0.2])

#example2
fig = plt.figure()
ax1 = fig.add_axes([0.1, 0.5, 0.8, 0.4],
                                xticklabels=[], ylim=(-1.2, 1.2))
ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.4],
                                ylim=(-1.2, 1.2))
x = np.linspace(0, 10)
ax1.plot(np.sin(x))
ax2.plot(np.cos(x))

2、简易网格子图

plt.subplot(行数，列数，索引值)

for i in range(1,7):
　　plt.subplot(2,3,i)
　　plt.text(0.5, 0.5, str((2,3,i)),
　　　　　　fontsizt=18, ha=‘center‘)

fig = plt.figure()
#plt.subplot_adjust可以调整子图之间的间隔
fig.subplots_adjust(hspace=0.4, wspace=0.4) 
for i in range(1,7):
    ax=fig.add_subplot(2, 3, i)
　　 ax.text(0.5, 0.5, str((2,3,i)),
　　　　　　fontstze=18, ha=‘center‘)

 等价于

plt.subplots(2, 3, sharex=‘col‘, sharey=‘row‘)

#比较subplot & subplots

#subplots_addjust

 

四、文字与注释

ax.text():文字注释

ax.transData:用x轴与y轴标签作为数据坐标
ax.transAxes:以坐标轴左下角为原点，按照坐标轴尺寸的比例呈现坐标.
fig.transFigure:以图形左下角为原点，按照图形尺寸的比例呈现坐标。

fig, ax = plt.subplots(facecolor=‘lightgray‘)
ax.axis([0, 10, 0, 10])

ax.text(1, 5, ".data:(1,5)", transform=ax.transData)
ax.text(0.5, 0.2, ".Axes:(0.5, 0.2)", transform=ax.transAxes)
ax.text(0.5, 0.2, ".Figure:(0.5, 0.2)", transform=fig.transFigure)

plt.annotate():创建箭头

 

参考：《Python数据科学手册》