这篇文章主要介绍“python绘图常用知识有哪些”，在日常操作中，相信很多人在python绘图常用知识有哪些问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”python绘图常用知识有哪些”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
figure()、subplot()和subplots()、figure.add_subplot()、figure.add_axes()、plt.plot()、plt.xlim()和plt.ylim()、plt.legeng()、plt.show()
函数原型：
matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class 'matplotlib.figure.Figure'>, clear=False, **kwargs)
-- Create a new figure, or activate an existing figure. 新建一个画布或者激活一个已经存在的画布
参数：
num: int or str, figure的唯一编号。不指定调用figure时就会默认从1增加自动传入int。
figsize: 指定figure的宽和高，单位为英寸；=（weight,height）
dpi: 指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张
facecolor: 背景颜色 ，facecolor='blue'
edgecolor: 边框颜色
frameon: 是否显示边框
（1）对于只画一张图，可以不使用plt.figure()，会默认将图形画在一张画布中
import matplotlib.pyplot as plt x=[1,2,3] y1=[1,2,4] y2=[1,4,8] plt.plot(x,y1,color = "red",label = "red") plt.plot(x,y2,color = "green",label = "green") plt.legend() #无此语句会不显示右上角label plt.show()
（2）如果想画两张图则必须使用plt.figure()两次,可以指定num，也可以不指定num，调用两次它会默认加1
import matplotlib.pyplot as plt x=[1,2,3] y1=[1,2,4] y2=[1,4,8] plt.figure() plt.plot(x,y1,color = "red",label = "red") plt.legend() #无此语句会不显示右下角label plt.figure() plt.plot(x,y2,color = "green",label = "green") plt.legend() #无此语句会不显示右上角label plt.show()
当然你也可以指定同一个num，他会和上面的输出结果一致，在同一张画布中输出图像
这个也就提供了我们后续向某个画布中添加图像的机会，只需要调用plt.figure(num)，然后调用绘制图形的函数即可，比如plt.plot()等。
subplot()可以将figure 划分为n个子图，然后每次执行一次subplot（）会生成一个对应位置的子图
subplot()函数原型：
subplot(nrows,ncols,sharex,sharey,subplot_kw,**fig_kw)`
参数：
nrows: subplot的行数
ncols： subplot的列数
sharex ：所有subplot应该使用相同的X轴刻度(调节xlim将会影响所有的subplot)
sharey: 所有subplot应该使用相同的Y轴刻度(调节ylim将会影响所有的subplot)
subplot_kw: 用于创建各subplot的关键字字典
**fig_kw: 创建figure时的其他关键字
import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 100) #作图1 plt.subplot(2,2,1) #等效于plt.subplot(221) plt.plot(x, x) #作图2 plt.subplot(2,2,2) plt.plot(x, -x) #作图3 plt.subplot(2,2,3) plt.plot(x, x ** 2) plt.grid(color='r', linestyle='--', linewidth=1,alpha=0.3) #作图4 #plt.subplot(224) #plt.plot(x, np.log(x)) plt.show()
subplots()函数与subplot()参数相似
import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 100) #划分子图 fig,axes=plt.subplots(2,2) #返回一个画布和画轴对象，可以取出对于的画轴然后调用绘图函数 ax1=axes[0,0] ax2=axes[0,1] ax3=axes[1,0] ax4=axes[1,1] #作图1 ax1.plot(x, x) #作图2 ax2.plot(x, -x) #作图3 ax3.plot(x, x ** 2) ax3.grid(color='r', linestyle='--', linewidth=1,alpha=0.3) #作图4 #ax4.plot(x, np.log(x)) plt.show()
和subplot()不同的是，subplots()一次画出所有的画轴，然后再调用绘图函数
import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 100) #新建figure对象 fig=plt.figure() #新建子图1 ax1=fig.add_subplot(2,2,1) ax1.plot(x, x) #新建子图3 ax3=fig.add_subplot(2,2,3) ax3.plot(x, x ** 2) ax3.grid(color='r', linestyle='--', linewidth=1,alpha=0.3) #新建子图4 ax4=fig.add_subplot(2,2,4) ax4.plot(x, np.log(x)) plt.show()
可以看出和subplot的效果没什么不同
import numpy as np
import matplotlib.pyplot as plt
#新建figure
fig = plt.figure()
# 定义数据
x = np.array([1, 2, 3, 4, 5, 6, 7])
#新建区域ax1
#figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%
#图像还是要在figure内部
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
# 获得绘制的句柄
ax1 = fig.add_axes([left, bottom, width, height]) #获取一个区域
ax1.plot(x,x**2 , 'r')
ax1.set_title('a1')
#plt.plot(x, y, 'r')
#新增区域ax2,嵌套在ax1内
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
# 获得绘制的句柄
ax2 = fig.add_axes([left, bottom, width, height])#获取另一个区域
ax2.plot(x,x**3, 'b')
ax2.set_title('a2')
plt.show()
这样就可以在figure的任何地方绘制图像，更加灵活！
参数：
x, y : x是可选的，如果x没有，将默认是从0到n-1，也就是y的索引。
fmt : str, optional, 定义线条的颜色和样式的操作，如“ro”就是红色的圆圈, "r--"就是红色虚线，这是一个快速设置样式的方法，更多的参数可以参考最后一个keyboard arguments。
kwargs : Line2D properties, optional 这是一大堆可选内容，可以来里面指定很多内容，如“label”指定线条的标签，“linewidth”指定线条的宽度，等等
import matplotlib.pyplot as plt
a = [1, 2, 3, 4] # y 是 a的值，x是各个元素的索引
b = [5, 6, 7, 8]
plt.plot(a, b, 'g--', label = 'aa')
plt.xlabel('this is x')
plt.ylabel('this is y')
plt.title('this is a demo')
plt.legend() # 将样例显示出来
plt.show()
import matplotlib.pyplot as plt import numpy as np x = np.linspace(1,10,1000) y = np.random.rand(1000) plt.scatter(x,y,label="scatter figure") plt.legend() plt.xlim(1,10) #指定x和y的刻度值 plt.ylim(0,1) plt.show()
legend--------(翻译：（地图或图标）图例、说明、解释)
1.设置图列位置
plt.legend(loc='')# 填入位置，如：upper left,则图例在左上角
2.设置图例字体大小
fontsize : int or float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}3.设置图例边框及背景
plt.legend(loc='best',frameon=False) #去掉图例边框 plt.legend(loc='best',edgecolor='red') #设置图例边框颜色 plt.legend(loc='best',facecolor='blue') #设置图例背景颜色,若无边框,参数无效
4.设置图例标题
legend = plt.legend(["BJ", "SH"], title='Beijing VS Shanghai')
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0,10,1)
plt.plot(x,x,'r--',x,np.cos(x),'g--',marker='*')
plt.xlabel('row')
plt.ylabel('cow')
plt.legend(["BJ","SH"],loc='upper left',title='Beijing VS Shanghai'
# ,frameon=False
,edgecolor='green'
,facecolor='black')
plt.show()
plt.show()是显示图片，对于有人说为什么我没有使用此函数，一样可以显示图片？？
那可能是你在使用IPython这一类的交互式编程环境，比如jupyter notebook 也属于内部就是调用了IPython，因为这一类可以及时输出结果，如果你是要IDE（集成开发环境，如pycharm），就必须使用plt.show()
到此，关于“python绘图常用知识有哪些”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
