Matploylib绘制常用图像

文章发布时间:

最后更新时间:

文章总字数:
1.5k

预计阅读时间:
6 分钟

一.柱状图

1
ax.bar(x, height, width=0.8, bottom=None, align='center', **kwargs)

  • x : 柱状图的 X 轴位置，就是柱子的标签。

  • height : 柱状图的高度，就是y的值。

  • width : 柱状图的宽度，默认为 0.8。

  • bottom : 柱状图的底部位置，默认为 0,也就是原点叫啥名取啥值。

  • align : 柱状图与标签的对齐方式，可以是 ‘center’（居中对齐）或 ‘edge’（边缘对齐）。

  • **kwargs : 其他可选参数，用于定制柱状图的外观，如 color、edgecolor、linewidth 等。

1
2
3
4
5
6
7
8
9
10
11
12
13
import matplotlib.pyplot as plt
import numpy as np
 
# 给定标签
labels = ['A','B','C','D']
 
# 给定高度
values = [10,20,30,40]
 
# 绘制柱状图
plt.bar(labels,values,0.5,align='edge',color='orange')
 
plt.show()

结果：

1.1 堆叠柱状图

啥意思？就是柱状图上方又有柱状图，两个不同的东西连在一起。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import matplotlib.pyplot as plt
import numpy as np
 
# 给定标签
labels = ['A','B','C','D']
 
# 给定高度
values = [10,20,30,40]
values1 = [1,2,3,4]
 
plt.bar(labels,values,color = 'green')
 
# 设置bottom就是完成堆叠的重要一步
plt.bar(labels,values1,bottom= values,color = 'red')
 
plt.show()

结果：

1.2 分组柱状图

就是把一个标签占的地方分成几份，然后按自定义的大小绘制各自的图像。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 25, 20, 10]
 
# 创建图形和子图
fig, ax = plt.subplots()
 
# 计算柱状图的位置
x = np.arange(len(categories))
width = 0.35
 
# 绘制第一个数据集的柱状图
ax.bar(x - width/2, values1, width, color='skyblue', label='Values 1')
 
# 绘制第二个数据集的柱状图
ax.bar(x + width/2, values2, width, color='lightgreen', label='Values 2')
 
# 设置 X 轴标签
ax.set_xticks(x)
ax.set_xticklabels(categories)
 
# 设置标题和标签
ax.set_title('Grouped Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
 
# 添加图例
ax.legend()
 
# 显示图形
plt.show()

结果：

二.直方图

与柱状图的本质区别是所有柱子连在一起。

1
ax.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, **kwargs)

  • x: 数据数组。

  • bins : 直方图的柱数，可以是整数或序列。

  • range : 直方图的范围，格式为 (min, max)。

  • density : 是否将直方图归一化，默认为 False。

  • weights : 每个数据点的权重。

  • cumulative : 是否绘制累积直方图，默认为 False。

  • **kwargs : 其他可选参数，用于定制直方图的外观，如 color、edgecolor、linewidth 等。

1
2
3
4
5
6
7
8
from matplotlib import pyplot as plt
import numpy as np
 
# 生成一个正太分布的数据组
b = np.random.randn(1000)
 
plt.hist(b, bins = 100,range=(-5,5))
plt.show()

结果：

三.饼图

1
ax.pie(x, explode=None, labels=None, colors=None, autopct=None, shadow=False, startangle=0, **kwargs)

  • x: 数据数组，表示每个扇区的占比。

  • explode : 一个数组，表示每个扇区偏离圆心的距离，默认为 None。

  • labels : 每个扇区的标签，默认为 None。

  • colors : 每个扇区的颜色，默认为 None。

  • autopct : 控制显示每个扇区的占比，可以是格式化字符串或函数，默认为 None。

  • shadow : 是否显示阴影，默认为 False。

  • startangle : 饼图的起始角度，默认为 0。

  • **kwargs : 其他可选参数，用于定制饼图的外观。

1
2
3
4
5
6
7
8
from matplotlib import pyplot as plt
import numpy as np
 
a = np.arange(0, 7)
label = ['a', 'b', 'c', 'd', 'e', 'f', 'g']
plt.pie(a,labels = label,autopct='%1.1f%%')
 
plt.show()

结果：

四.散点图

1
ax.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, **kwargs)

  • x : X 轴数据。

  • y : Y 轴数据。

  • s : 点的大小，可以是标量或数组。

  • c : 点的颜色，可以是标量、数组或颜色列表。

  • marker : 点的形状，默认为 ‘o’（圆圈）。

  • cmap : 颜色映射，用于将颜色映射到数据。

  • norm : 归一化对象，用于将数据映射到颜色映射。

  • vmin, vmax : 颜色映射的最小值和最大值。

  • alpha : 点的透明度，取值范围为 0 到 1。

  • linewidths : 点的边框宽度。

  • edgecolors : 点的边框颜色。

  • **kwargs : 其他可选参数，用于定制散点图的外观。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
from matplotlib import pyplot as plt
 
# 这里直接用的现成的代码，重点是看怎么设计的绘图
 
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
 
fig = plt.figure()
axes = fig.add_axes([.1,.1,.8,.8])
 
# 自定义数据
x = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
data = [
    [120, 132, 101, 134, 90, 230, 210],
    [220, 182, 191, 234, 290, 330, 310],
]
 
y0 = data[0]
y1 = data[1]
 
# 绘制图像
axes.scatter(x,y0,color='red')
axes.scatter(x,y1,color='blue')
 
axes.set_title('散点图')
axes.set_xlabel('日期')
axes.set_ylabel('数量')
 
plt.legend(labels=['Email', 'Union Ads'],)
plt.show()

结果：

五.图片读取

plt.imread，用于读取图像文件并将其转换为 NumPy 数组。

参数：

  • fname : 图像文件的路径（字符串）。

  • format : 图像格式（可选）。如果未指定，imread 会根据文件扩展名自动推断格式。

返回：

一个 NumPy 数组，表示图像的像素数据。数组的形状取决于图像的格式：

  • 对于灰度图像，返回一个二维数组 (height, width)。

  • 对于彩色图像，返回一个三维数组 (height, width, channels)，其中 channels 通常是 3（RGB）或 4（RGBA）,其中的A可能是透明度。

1
2
3
4
from matplotlib import pyplot as plt
 
a = plt.imread('yumaobi1.jpg')
print(a.shape)

结果：

1
2
3
(1024, 1024, 3)
c:\Users\Clocky7\anaconda3\envs\pyhon-numpy\lib\site-packages\PIL\TiffImagePlugin.py:949: UserWarning: Corrupt EXIF data.  Expecting to read 4 bytes but only got 0. 
  warnings.warn(str(msg))

图片转置：

1
2
3
4
5
6
7
8
9
10
from matplotlib import pyplot as plt
import numpy as np
 
a = plt.imread('yumaobi1.jpg')
 
# transpose可以有第二个参数axis，其中传入一个元组，包含0,1,2三个元素，表示height、width和channel的下标，即默认顺序
# 这里写成(2,0,1)因为想把channel放在最前面，所以转置之后就变成了(3, 1024, 1024)
b = np.transpose(a,(2,0,1))
 
print(b.shape)

结果：

1
(3, 1024, 1024)
≡