python中畫圖的,python中畫圖的包

本文目錄一覽：

• 1、Python實操：手把手教你用Matplotlib把數據畫出來
• 2、Python Matplotlib畫圖
• 3、用Python畫圖
• 4、用python代碼繪圖？

Python實操：手把手教你用Matplotlib把數據畫出來

作者：邁克爾·貝耶勒（Michael Beyeler）

如需轉載請聯繫華章 科技

如果已安裝Anaconda Python版本，就已經安裝好了可以使用的 Matplotlib。否則，可能要訪問官網並從中獲取安裝說明：

正如使用np作為 NumPy 的縮寫，我們將使用一些標準的縮寫來表示 Matplotlib 的引入：

在本書中，plt介面會被頻繁使用。

讓我們創建第一個繪圖。

假設想要畫出正弦函數sin(x)的線性圖。得到函數在x坐標軸上0≤x＜10內所有點的值。我們將使用 NumPy 中的 linspace 函數來在x坐標軸上創建一個從0到10的線性空間，以及100個採樣點：

可以使用 NumPy 中的sin函數得到所有x點的值，並通過調用plt中的plot函數把結果畫出來：

你親自嘗試了嗎？發生了什麼嗎？有沒有什麼東西出現？

實際情況是，取決於你在哪裡運行腳本，可能無法看到任何東西。有下面幾種可能性：

1. 從.py腳本中繪圖

如果從一個腳本中運行 Matplotlib，需要加上下面的這行調用：

在腳本末尾調用這個函數，你的繪圖就會出現！

2. 從 IPython shell 中繪圖

這實際上是互動式地執行Matplotlib最方便的方式。為了讓繪圖出現，需要在啟動 IPython 後使用所謂的%matplotlib魔法命令。

接下來，無須每次調用plt.show()函數，所有的繪圖將會自動出現。

3. 從 Jupyter Notebook 中繪圖

如果你是從基於瀏覽器的 Jupyter Notebook 中看這段代碼，需要使用同樣的%matplotlib魔法命令。然而，也可以直接在notebook中嵌入圖形，這會有兩種輸出選項：

在本書中，將會使用inline選項：

現在再次嘗試一下：

上面的命令會得到下面的繪圖輸出結果：

如果想要把繪圖保存下來留作以後使用，可以直接在 IPython 或者 Jupyter Notebook 使用下面的命令保存：

僅需要確保你使用了支持的文件後綴，比如.jpg、.png、.tif、.svg、.eps或者.pdf。

作為本章最後一個測試，讓我們對外部數據集進行可視化，比如scikit-learn中的數字數據集。

為此，需要三個可視化工具：

那麼開始引入這些包吧：

第一步是載入實際數據：

如果沒記錯的話，digits應該有兩個不同的數據域：data域包含了真正的圖像數據，target域包含了圖像的標籤。相對於相信我們的記憶，我們還是應該對digits稍加 探索 。輸入它的名字，添加一個點號，然後按Tab鍵：digits.TAB，這個操作將向我們展示digits也包含了一些其他的域，比如一個名為images的域。images和data這兩個域，似乎簡單從形狀上就可以區分。

兩種情況中，第一維對應的都是數據集中的圖像數量。然而，data中所有像素都在一個大的向量中排列，而images保留了各個圖像8×8的空間排列。

因此，如果想要繪製出一副單獨的圖像，使用images將更加合適。首先，使用NumPy的數組切片從數據集中獲取一幅圖像：

這裡是從1797個元素的數組中獲取了它的第一行數據，這行數據對應的是8×8=64個像素。下面就可以使用plt中的imshow函數來繪製這幅圖像：

上面的命令得到下面的輸出：

此外，這裡也使用cmap參數指定了一個顏色映射。默認情況下，Matplotlib 使用MATLAB默認的顏色映射jet。然而，在灰度圖像的情況下，gray顏色映射更有效。

最後，可以使用plt的subplot函數繪製全部數字的樣例。subplot函數與MATLAB中的函數一樣，需要指定行數、列數以及當前的子繪圖索引（從1開始計算）。我們將使用for 循環在數據集中迭代出前十張圖像，每張圖像都分配到一個單獨的子繪圖中。

這會得到下面的輸出結果：

關於作者：Michael Beyeler，華盛頓大學神經工程和數據科學專業的博士後，主攻仿生視覺計算模型，用以為盲人植入人工視網膜（仿生眼睛），改善盲人的視覺體驗。 他的工作屬於神經科學、計算機工程、計算機視覺和機器學習的交叉領域。同時他也是多個開源項目的積極貢獻者。

本文摘編自《機器學習：使用OpenCV和Python進行智能圖像處理》，經出版方授權發布。

Python Matplotlib畫圖

主要用於作圖、可視化問題

pip install matplotlib

導入模塊 pyplot 和 pylab ，可以參考下面鏈接觀察兩者區別：

（說白了就是pylay=pyplot+numpy）

輸入這三行解決

主要使用 plot() 來展示，裡面前兩個參數代表 x ， y 坐標（注意x，y數量要一樣），第三個參數可以用來設置散點圖( ‘o’ )或者顏色、線條形式等各種樣式，並且第三個參數可以同時傳入多個，比如要紅色的散點圖就： ‘0r’

(1)顏色樣式：

(2)線條樣式：

(3)點的樣式：

(4)坐標區間：

或者分別設置x、y的區間：

註：

設置點的樣式時默認就是散點圖，以及同類樣式只能設置一個（比如不能設置兩種顏色），並且還可以把多個圖集合在一起展示，那就多 plot 幾個，plot就相當於一個畫布，每plot一個就相當於在上面畫一張圖，再弄就繼續在上面畫

主要用 hist() 來顯示，實現方式很簡單，把一組數據放入括弧里就行了，例如隨機生成一堆正態分布的數，然後直方圖顯示：

其中如果要設置直方圖格式（寬度、上下限、是否要輪廓）可以這樣：

註：

直方圖和折線圖這些不太一樣，折線圖是傳入兩個等長數據，然後每個x、y坐標一一對應展示出來。而直方圖是：第一個參數代表你傳入的所有數據，第二個參數代表你傳入的x軸範圍，然後直方圖會將第一個參數里傳入的數據一個個計算在某個範圍內含有的數據量，因此傳入的兩個參數數據不一定要等長，例如下面的例子：

結果如圖：

可以看出數據被自動分配到對應的範圍內上了

使用 subplot(row, col, area) ：三個參數分別是行數、列數和區域，比如要將原圖分成2行2列（切成4份），然後要左下角那個圖就：

如果想4個圖都顯示就4個 subplot ，分別1、2、3、4就行了，然後在各圖的subplot之後寫的都是每個圖的內容，現在我們試試弄一個2行，第一行兩列的圖片（想像下滑鼠的樣子），而且分別是不同的內容：

註：

labels 、 sizes 、 colors 和 explode 的長度都要一樣

1.導入3D圖相關模塊：

2.將畫圖板加到3D模塊里，然後加入數據即可：

3D散點圖舉例：

通過 imread() 讀取，舉例：

用Python畫圖

今天開始琢磨用Python畫圖，沒使用之前是一臉懵的，我使用的開發環境是Pycharm，這個輸出的是一行行命令，這個圖畫在哪裡呢？

搜索之後發現，它會彈出一個對話框，然後就開始畫了，比如下圖

第一個常用的庫是Turtle，它是Python語言中一個很流行的繪製圖像的函數庫，這個詞的意思就是烏龜，你可以想像下一個小烏龜在一個x和y軸的平面坐標系裡，從原點開始根據指令控制，爬行出來就是繪製的圖形了。

  它最常用的指令就是旋轉和移動，比如畫個圓，就是繞著圓心移動；再比如上圖這個怎麼畫呢，其實主要就兩個命令：

turtle.forward(200)

turtle.left(170)

第一個命令是移動200個單位並畫出來軌跡

第二個命令是畫筆順時針轉170度，注意此時並沒有移動，只是轉角度

然後呢？ 循環重複就畫出來這個圖了

好玩吧。

有需要仔細研究的可以看下這篇文章 ，這個牛人最後用這個庫畫個移動的鐘錶，太贊了。

Turtle雖好玩，但是我想要的是我給定數據，然後讓它畫圖，這裡就找到另一個常用的畫圖的庫了。

Matplotlib是python最著名的繪圖庫，它提供了一整套和matlab相似的命令API，十分適合互動式地行製圖。其中，matplotlib的pyplot模塊一般是最常用的，可以方便用戶快速繪製二維圖表。

使用起來也挺簡單，

首先import matplotlib.pyplot as plt 導入畫圖的圖。

然後給定x和y，用這個命令plt.plot(x, y)就能畫圖了，接著用plt.show()就可以把圖形展示出來。

接著就是各種完善，比如加標題，設定x軸和y軸標籤，範圍，顏色，網格等等，在 這篇文章里介紹的很詳細。

現在互聯網的好處就是你需要什麼內容，基本上都能搜索出來，而且還是免費的。

我為什麼要研究這個呢？當然是為了用，比如我把比特幣的曲線自己畫出來可好？

假設現在有個數據csv文件，一列是日期，另一列是比特幣的價格，那用這個命令畫下：

這兩列數據讀到pandas中，日期為df[‘time’]列，比特幣價格為df[‘ini’]，那我只要使用如下命令

plt.plot(df[‘time’], df[‘ini’])

plt.show()

就能得到如下圖：

自己畫的是不是很香，哈哈！

然後呢，我在上篇文章 中介紹過求Ahr999指數，那可不可以也放到這張圖中呢？不就是加一條命令嘛

plt.plot(df[‘time’], df[‘Ahr999’])

圖形如下：

但是，Ahr999指數怎麼就一條線不動啊， 原來兩個Y軸不一致，顯示出來太怪了，需要用多Y軸，問題來了。

繼續谷歌一下，把第二個Y軸放右邊就行了，不過呢得使用多圖，重新繪製

fig = plt.figure() # 多圖

ax1 = fig.add_subplot(111)

ax1.plot(df[‘time’], df[‘ini’], label=”BTC price”)  # 繪製第一個圖比特幣價格

ax1.set_ylabel(‘BTC price’) # 加上標籤

# 第二個直接對稱就行了

ax2 = ax1.twinx()# 在右邊增加一個Y軸

ax2.plot(df[‘time’], df[‘Ahr999’], ‘r’, label=”ahr999″)  # 繪製第二個圖Ahr999指數，紅色

ax2.set_ylim([0, 50])# 設定第二個Y軸範圍

ax2.set_ylabel(‘ahr999’)

plt.grid(color=”k”, linestyle=”:”)# 網格

fig.legend(loc=”center”)#圖例

plt.show()

跑起來看看效果，雖然丑了點，但終於跑通了。

這樣就可以把所有指數都繪製到一張圖中，等等，三個甚至多個Y軸怎麼加？這又是一個問題，留給愛思考愛學習的你。

有了自己的數據，建立自己的各個指數，然後再放到圖形界面中，同時針對異常情況再自動進行提醒，比如要抄底了，要賣出了，用程序做出自己的晴雨表。

用python代碼繪圖？

python中subplot的用法

subplot是python中子圖的繪製，這裡主要介紹如何排布子圖與極坐標圖的繪製。

具體用法，需要搜索網上內容，再結合自己的情況修改參數即可。