Python基础教程之Matplotlib图形绘制详解
作者:陆理手记
1.引言
以下是Matplotlib
的一些主要特点:
- 简单易用:
Matplotlib
提供了简单而直观的API,使得绘图变得容易上手和使用。 - 多样化的图形:它支持各种常见的图形类型,包括线图、散点图、柱状图、饼图、等高线图、3D图等。你可以根据需求选择合适的图形进行绘制。
- 高度可定制性:
Matplotlib
提供了大量的参数选项,你可以自定义图形的各个方面,包括线型、颜色、标签、标题、网格等,以满足特定的需求。 - 高质量的输出:
Matplotlib
能够生成高质量的图形输出,支持多种输出格式,如PNG、JPEG、PDF等,方便在论文、报告和演示文稿中使用。 - 与NumPy集成:
Matplotlib
与NumPy紧密集成,可以直接接收NumPy数组作为输入数据,并且能够方便地处理和呈现这些数据。 - 支持交互式绘图:除了静态图形,
Matplotlib
还提供了交互式绘图的功能,可以通过添加交互元素和事件处理来实现用户与图形的交互操作。
首先,确保你已经安装了matplotlib和NumPy模块,可以通过以下命令来安装它们:
pip install matplotlib numpy
接下来,导入需要的模块:
import matplotlib.pyplot as plt import numpy as np
2. 绘制折线图:
x = np.linspace(0, 2*np.pi, 100) # 在0到2π之间生成100个点作为x轴坐标 y = np.sin(x) # 通过sin函数生成对应的y轴坐标 plt.plot(x, y) # 绘制折线图 plt.xlabel('x') # 设置x轴标签 plt.ylabel('y') # 设置y轴标签 plt.title('Sin Function') # 设置标题 plt.show() # 显示图形
3. 绘制散点图
x = np.random.rand(100) # 生成100个随机数作为x轴坐标 y = np.random.rand(100) # 生成100个随机数作为y轴坐标 plt.scatter(x, y) # 绘制散点图 plt.xlabel('x') # 设置x轴标签 plt.ylabel('y') # 设置y轴标签 plt.title('散点图') # 设置标题 plt.show() # 显示图形
绘制的图形如下,我们可以看到,标题本应当显示散点图,但实际上显示的却是三个小方格。为什么会这样呢?
原因在于 matplotlib
的作者在设计时并没有直接支持中文,主要原因是中文字体渲染较为复杂,并且涉及到不同操作系统、字体库和编程环境的差异。这使得在绘制中文时可能遇到各种字体显示问题,例如乱码、错位等。但是,我们可以通过一些方法来解决这个问题。
4.解决中文显示问题
在使用 matplotlib
绘图时出现中文显示问题,可以按照以下步骤解决:
1、配置字体路径
这种方法是墙裂不推荐的,原因是需要修改matplotlib本身的配置文件,同样的代码换个环境执行,可能中文就显示异常了,但也在这介绍一下。找到系统中已安装的中文字体文件,通常位于Windows的C:\Windows\Fonts目录下,或者其他操作系统中类似的位置。你也可以使用如下代码查看:
import matplotlib.font_manager as fm # 获取系统中所有已安装的字体信息 font_info = fm.findSystemFonts() # 输出每个字体的名称和路径 for font_path in font_info: font_prop = fm.FontProperties(fname=font_path) font_name = font_prop.get_name() print(f"Font Name: {font_name}") print(f"Font Path: {font_path}\n")
将字体文件路径添加到matplotlib的配置文件中。可以在Python中执行以下代码查看matplotlibrc
配置文件的所在路径。
import matplotlib print(matplotlib.matplotlib_fname())
找到下图所示这几行配置,这里我将sans-serif
改成 微软雅黑字体:Microsoft YaHei
,并取消这几行的注释,运行后可以看到中文正常显示。
2.修改rcParams来达到效果,这种方法适合用于修改默认字体、默认样式等,对于字体个性化需求较高的图形,不建议使用此方法。
import matplotlib.pyplot as plt ##################################### from matplotlib import rcParams rcParams['font.family'] = 'Microsoft YaHei'
3.设置FontProperties,推荐使用此方法来对字体进行设置,比较灵活
import matplotlib.pyplot as plt import numpy as np from matplotlib.font_manager import FontProperties microsoft_yahei_font = FontProperties('Microsoft YaHei') fang_song_font = FontProperties(fname=r'C:\Windows\Fonts\simfang.ttf') x = np.random.rand(100) # 生成100个随机数作为x轴坐标 y = np.random.rand(100) # 生成100个随机数作为y轴坐标 plt.scatter(x, y) # 绘制散点图 plt.xlabel('x轴') # 设置x轴标签 plt.ylabel('y轴',fontproperties=microsoft_yahei_font) # 设置y轴标签 plt.title('散点图',fontproperties=fang_song_font) # 设置标题 plt.show()
绘制的图形中,可以看到上述设置字体及未设置的区别,推荐使用此方法。
5.划分子图
在Matplotlib中,使用子图(Subplot)可以在一个绘图窗口中创建多个小的坐标系,从而将多个图形放置在同一个图像中,并进行灵活的布局。
import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties import numpy as np # 设置字体为微软雅黑 font = FontProperties('Microsoft YaHei') # 生成随机数据 categories = ['A', 'B', 'C', 'D'] values = np.random.rand(len(categories)) # 创建一个包含两个子图的画布 fig, ax = plt.subplots(2, 1) # 在第一个子图上绘制柱状图 ax[0].bar(categories, values) ax[0].set_title('柱状图', fontproperties=font) # 在第二个子图上绘制另一个饼图 # 生成随机数据 sizes = np.random.rand(len(categories)) ax[1].pie(sizes, labels=categories, autopct='%1.1f%%') ax[1].set_title('带百分比的饼图', fontproperties=font) # 调整子图之间的间距和布局 plt.tight_layout() # 显示图形 plt.show()
通过调整subplots()函数的参数,你可以创建不同尺寸和布局的子图,以满足你的需求。同时,你也可以使用其他的matplotlib绘图函数在子图中绘制各种类型的图形。
6.总结
Python的Matplotlib是一个功能强大的数据可视化库,可以用于创建各种类型的静态、动态和交互式图形。它提供了广泛的绘图选项和配置参数,使用户能够根据自己的需求定制图形。常见的一些用法如下:
1、使用不同的matplotlib绘图函数创建所需的图形,如折线图、散点图、柱状图、饼图等。常用的绘图函数有plt.plot()
、plt.scatter()
、plt.bar()
、plt.pie()
等。
2、配置图形属性:可以使用各种属性设置函数来自定义图形,如标题、坐标轴标签、图例、线型、颜色、标记符号等。常用的属性设置函数有plt.title()
、plt.xlabel()
、plt.ylabel()
、plt.legend()
、plt.grid()
等。
3、显示图形:通过调用plt.show()
函数显示图形。该函数可以在所有绘图操作完成后调用,也可以在每次绘制完一个子图后调用,以便逐个显示子图。
4、保存图形:通过使用plt.savefig()
函数将绘制的图形保存为文件,常见的文件格式包括PNG、JPEG、PDF等。
5、绘制多个子图:使用plt.subplots()
函数可以创建一个包含多个子图的画布,然后在不同的子图上绘制不同的图形。可以使用索引或布局参数来控制子图的位置和排列方式。
Matplotlib提供了丰富的样式选项和布局控制功能,可以帮助美化图形和调整图形的形状、大小和比例。除了基本的Matplotlib库外,还有一些扩展库可以进一步增强Matplotlib的功能。例如,Seaborn可以提供更漂亮的图形样式,Basemap可以绘制地理地图,3D可视化库可以创建三维图形等等。
总之,Matplotlib是Python中最常用和最受欢迎的数据可视化库之一。通过灵活的接口和强大的功能,它可以满足各种数据可视化需求,并帮助用户以可视化的方式更好地理解和呈现数据。
以上就是Python基础教程之Matplotlib图形绘制详解的详细内容,更多关于Python Matplotlib图形绘制的资料请关注脚本之家其它相关文章!