python資料視覺化神庫:Matplotlib快速入門
Matplotlib易於使用,是Python中了不起的視覺化庫。它建立在NumPy陣列的基礎上,旨在與更廣泛的SciPy堆疊一起工作,並由幾個圖組成:線圖、條形圖、散點圖、直方圖等。
快速入門
import matplotlib.pyplot as plt# initializing the datax = [10, 20, 30, 40] y = [20, 30, 40, 50]# plotting the dataplt.plot(x, y)# Adding the titleplt.title("Simple Plot")# Adding the labelsplt.ylabel("y-axis") plt.xlabel("x-axis") plt.show()
在上面的例子中,X和Y的元素提供了X軸和Y軸的座標,並根據這些座標繪製了一條直線。
Pyplot
Pyplot是一個Matplotlib模組,它提供了一個類似MATLAB的介面。Pyplot提供了與圖形互動的函式,即建立圖形,用標籤裝飾繪圖,並在圖形中建立繪圖區。
語法:
matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
import matplotlib.pyplot as plt plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) plt.axis([0, 6, 0, 20]) plt.show()
Matplotlib負責建立內建的預設值,如圖(Figure)和軸(Axes)。
-
Figure
這個類是所有繪圖的頂層容器,意味著它是整個視窗或頁面,所有東西都在上面繪製。圖形物件可以被認為是類似盒子的容器,可以容納一個或多個軸。 -
Axes
該類是建立子圖的最基本和最靈活的元件。你可能會把軸混淆為軸的複數,但它是一個單獨的情節或圖形。給定的圖可以包含許多軸,但給定的軸只能在一個圖中出現。
Figure類
圖類是包含一個或多個軸的頂層容器。它是整體的視窗或頁面,所有的東西都在上面繪製。
語法:
class matplotlib.figure.Figure(figsize=None, dpi=None, facecolor=None, edgecolor=None, lineewidth=0.0, frameon=None, subplotpars=None, tight_layout=None, constrained_layout=None)
例1:
import matplotlib.pyplot as pltfrom matplotlib.figure import Figure # Creating a new figure with width = 5 inches# and height = 4 inchesfig = plt.figure(figsize =(5, 4))# 座標預設左下角是0,0,[left, bottom, width, height] # 1表示畫布的寬度或高度,會自動摺疊空白部分。# Creating first axes for the figureax1 = fig.add_axes([0, 0, 1, 1]) # Creating second axes for the figureax2 = fig.add_axes([1, 0, 0.5, 0.5]) # Adding the data to be plottedax1.plot([2, 3, 4, 5, 5, 6, 6], [5, 7, 1, 3, 4, 6 ,8]) ax2.plot([1, 2, 3, 4, 5], [2, 3, 4, 5, 6]) plt.show()
- 例2 多plot
import matplotlib.pyplot as pltfrom matplotlib.figure import Figure # Creating a new figure with width = 5 inches# and height = 4 inchesfig = plt.figure(figsize =(5, 4)) # Creating first axes for the figureax1 = fig.add_axes([1, 1, 1, 1]) # Creating second axes for the figureax2 = fig.add_axes([1, 0.5, 0.5, 0.5]) # Adding the data to be plottedax1.plot([2, 3, 4, 5, 5, 6, 6], [5, 7, 1, 3, 4, 6 ,8]) ax2.plot([1, 2, 3, 4, 5], [2, 3, 4, 5, 6]) plt.show()
參考資料
- 謝謝點贊!
Axes 類
軸類是建立子圖的最基本和最靈活的單元。給定的圖可以包含許多軸,但給定的軸只能出現在一個圖中。axes()函式建立軸物件。讓我們看看下面的例子。
語法:
matplotlib.pyplot.axis(*args, emit=True, **kwargs)
例1:
import matplotlib.pyplot as pltfrom matplotlib.figure import Figure# Creating the axes object with argument as# [left, bottom, width, height]ax = plt.axes([1, 1, 1, 1])
輸出:
例2:
import matplotlib.pyplot as pltfrom matplotlib.figure import Figure fig = plt.figure(figsize = (5, 4)) # Adding the axes to the figureax = fig.add_axes([1, 1, 1, 1]) # plotting 1st dataset to the figureax1 = ax.plot([1, 2, 3, 4], [1, 2, 3, 4]) # plotting 2nd dataset to the figureax2 = ax.plot([1, 2, 3, 4], [2, 3, 4, 5]) plt.show()
輸出:
- 三維圖
Matplotlib在推出時,考慮到的只是二維繪圖。但是在1.0版本釋出的時候,三維工具是在二維的基礎上開發的,因此,我們今天有一個三維資料的實現。
例子:
import matplotlib.pyplot as plt# Creating the figure objectfig = plt.figure() # keeping the projection = 3d# creates the 3d plotax = plt.axes(projection = '3d')
上面的程式碼讓我們在Matplotlib中建立了一個三維圖。我們可以建立不同型別的3D圖,如散點圖、等高線圖、曲面圖等。讓我們來建立一個簡單的三維線圖。
例子:
import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] z = [1, 8, 27, 64, 125]# Creating the figure objectfig = plt.figure()# keeping the projection = 3d# creates the 3d plotax = plt.axes(projection = '3d') ax.plot3D(z, y, x)
輸出:
處理圖片
使用影像工作
matplotlib庫中的影像模組是用來在Python中處理影像的。影像模組還包括兩個有用的方法,即用於讀取影像的imread和用於顯示影像的imshow。
例子:
# importing required librariesimport matplotlib.pyplot as pltimport matplotlib.image as img# reading the imagetestImage = img.imread('test.png')# displaying the imageplt.imshow(testImage)
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70029427/viewspace-2949108/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- Python資料視覺化matplotlib庫Python視覺化
- python資料視覺化-matplotlib入門(6)-從檔案中載入資料Python視覺化
- python資料視覺化-matplotlib入門(7)-從網路載入資料及資料視覺化的小總結Python視覺化
- 5種快速易用的Python Matplotlib資料視覺化方法Python視覺化
- python資料視覺化-matplotlib入門(5)-餅圖和堆疊圖Python視覺化
- python資料視覺化-matplotlib入門(4)-條形圖和直方圖Python視覺化直方圖
- 【matplotlib教程】資料視覺化視覺化
- Matplotlib資料視覺化基礎視覺化
- 學習python視覺化,matplotlib庫學習,基本操作Python視覺化
- 快速入門MXBoard:MXNet資料視覺化工具視覺化
- 探索Matplotlib-Gallery:Python資料視覺化的遊樂園Python視覺化
- Apache Superset 1.2.0教程 (二)——快速入門(視覺化王者英雄資料)Apache視覺化
- 騰訊雲 BI 資料分析與視覺化的快速入門指南視覺化
- 資料視覺化-svg入門基礎(二)視覺化SVG
- 從靜態到動態化,Python資料視覺化中的Matplotlib和SeabornPython視覺化
- Python資料分析入門(十六):設定視覺化圖表的資訊Python視覺化
- Python+pandas+matplotlib視覺化案例一則Python視覺化
- Numpy的Matplotlib視覺化視覺化
- python資料視覺化——echartsPython視覺化Echarts
- python 資料視覺化利器Python視覺化
- 【推薦】常見的Python資料視覺化庫Python視覺化
- 常見的6個Python資料視覺化庫!Python視覺化
- 前端大資料視覺化從入門到實戰前端大資料視覺化
- 【matplotlib視覺化】樣式色彩視覺化
- 資料視覺化,BizCharts圖表庫入坑歷程視覺化
- 12個流行的Python資料視覺化庫總結Python視覺化
- 【Python學習教程】常用的Python資料視覺化庫彙總!Python視覺化
- 【Python學習教程】常用的8個Python資料視覺化庫!Python視覺化
- Python實踐:基於Matplotlib實現某產品全年銷量資料視覺化Python視覺化
- Redis快取資料庫-快速入門Redis快取資料庫
- 資料視覺化——Matpoltlib庫的使用視覺化
- Python HTTP庫:requests快速入門PythonHTTP
- Python中2種常用資料視覺化庫:Bokeh和AltairPython視覺化AI
- Python資料視覺化---pygal模組Python視覺化
- Python 如何實現資料視覺化Python視覺化
- 使用 Python 進行資料視覺化Python視覺化
- [雪峰磁針石部落格]Bokeh資料視覺化工具1快速入門視覺化
- Python 視覺化 | Seaborn5 分鐘入門 (五)——lmplotPython視覺化