python35種繪圖函數(shù)詳細總結(jié)

更新時間：2023年08月22日 09:58:22 作者：微小冷

Python有許多用于繪圖的函數(shù)和庫,比如Matplotlib,Plotly,Bokeh,Seaborn等,這只是一些常用的繪圖函數(shù)和庫,Python還有其他繪圖工具,如Pandas、ggplot等,選擇適合你需求的庫,可以根據(jù)你的數(shù)據(jù)類型、圖形需求和個人偏好來決定,本文給大家總結(jié)了python35種繪圖函數(shù)

基礎(chǔ)圖

下面這8種圖像一般只有兩組坐標，直觀容易理解。

函數(shù)	坐標參數(shù)	圖形類別
plot	x,y	曲線圖
stackplot	x,y	散點圖
stem	x,y	莖葉圖
scatter	x,y	散點圖
polar	x,y	極坐標圖
step	x,y	步階圖
bar	x,y	條形圖
barh	x,y	橫向條形圖

其中，除了極坐標需要添加一個極坐標映射之外，其他函數(shù)均在直角坐標系中繪制，效果如下

在這里插入圖片描述

繪圖代碼如下

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(25)/3
y = np.sin(x)
fDct = {"plot" : plt.plot,  "stackplot": plt.stackplot,
        "stem" : plt.stem,  "scatter"  : plt.scatter,         
        "polar": plt.polar, "step"     : plt.step, 
        "bar"  : plt.bar,   "barh"     : plt.barh, }
fig = plt.figure(figsize=(14,6))
for i,key in enumerate(fDct, 1):
    p = "polar" if key=="polar" else None
    ax = fig.add_subplot(2,4,i, projection=p)
    fDct[key](x, y)
    plt.title(key)
plt.tight_layout()
plt.show()

誤差線

實際繪圖時，誤差線這種需求十分常見，尤其是在做擬合的時候，除了要畫出趨勢線之外，還可能要畫出其抖動的范圍，下面三種函數(shù)主要實現(xiàn)這個功能。

函數(shù)	坐標	圖形類別
errorbar	x,y,xerr,yerr	誤差線
fill_between	x,y1,y2	縱向區(qū)間圖
fill_betweenx	y, x1, x2	橫向區(qū)間圖

圖像效果為

在這里插入圖片描述

繪圖代碼如下，errorbar函數(shù)的誤差方向，與輸入的參數(shù)有關(guān)。

x = np.arange(25)/3
y = np.sin(x)
y1, y2 = 0.9*y, 1.1*y
x1, x2 = 0.9*x, 1.1*x
xerr = np.abs([x1, x2])/10
yerr = np.abs([y1, y2])/10
fig = plt.figure(figsize=(12,6))
ax = fig.add_subplot(221)
ax.errorbar(x, y, yerr=yerr)
plt.title("errorbar with yerr")
ax = fig.add_subplot(222)
ax.errorbar(x, y, xerr=xerr)
plt.title("errorbar with xerr")
ax = fig.add_subplot(223)
ax.fill_between(x, y1, y2)
plt.title("fill_between")
ax = fig.add_subplot(224)
ax.fill_betweenx(y, x1, x2)
plt.title("fill_betweenx")
plt.tight_layout()
plt.show()

三維圖

繪圖函數(shù)	坐標	繪圖類型	坐標說明
plot	x,y,z	三維曲線圖
scatter	x,y,z	三維散點圖
plot_surface	x,y,z	三維曲面圖	x,y必須是網(wǎng)格
plot_wireframe	x,y,z	三維網(wǎng)格圖	x,y必須是網(wǎng)格
plot_trisurf	x,y,z	三角曲面圖	x,y,z是一維數(shù)組

plot和scatter雖然是二維繪圖函數(shù)，但如果新增一個三維坐標，就可以搖身一變，成為三維曲線圖或者三維散點圖

在這里插入圖片描述

繪圖代碼如下

x = np.arange(100)/10
y,z = np.sin(x), np.cos(x)
fig = plt.figure(figsize=(8,4))
ax = fig.add_subplot(121, projection='3d')
ax.plot(x,y,z)
plt.title("plot")
ax = fig.add_subplot(122, projection='3d')
ax.scatter(x,y,z)
plt.title("scatter")
plt.tight_layout()
plt.show()

真正專業(yè)的三維圖是plot_surface, plot_wireframe和plot_trisurf

在這里插入圖片描述

如果仔細看就會發(fā)現(xiàn)plot_trisurf的紋理和前兩者不同，相比之下，前兩者必須要求輸入規(guī)整的數(shù)據(jù)。繪圖代碼如下

X, Y = np.indices([30, 30])/3 - 5
Z = np.sin(np.sqrt(X**2 + Y**2))
fig = plt.figure(figsize=(12,5))
ax = fig.add_subplot(131, projection='3d')
ax.plot_surface(X, Y, Z)
plt.title("plot_surface")
ax = fig.add_subplot(132, projection='3d')
ax.plot_wireframe(X, Y, Z)
plt.title("plot_wireframe")
ax = fig.add_subplot(133, projection='3d')
ax.plot_trisurf(X.reshape(-1), Y.reshape(-1), Z.reshape(-1))
plt.title("plot_trisurf")
plt.tight_layout()
plt.show()

等高線圖

繪圖函數(shù)	坐標	說明
contour	[x,y,]z	等高線
contourf	[x,y,]z	填充等高線
pcolormesh	[x,y,]z	偽彩圖
imshow	z	圖像

其中，imshow就是正常的圖片展示函數(shù)，這幾個函數(shù)可以只指定z軸然后繪圖

X, Y = np.indices([100,100])/30 - 1.5
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)
fDct = {"contour": plt.contour, "contourf":plt.contourf, 
    "pcolormesh" : plt.pcolormesh, "imshow":plt.imshow}
fig = plt.figure(figsize=(9,6))
for i,key in enumerate(fDct, 1):
    ax = fig.add_subplot(2,2,i)
    fDct[key](Z)
    plt.title(key)
plt.tight_layout()
plt.show()

繪圖結(jié)果如下

在這里插入圖片描述

可以看到，imshow和另外三種函數(shù)的區(qū)別是，其橫坐標和縱坐標之間的比例始終是1：1，并不隨著圖像的拉伸而放大或者縮小。

除了imshow之外，另外三種函數(shù)還支持輸入x,y,z三個坐標軸的數(shù)據(jù)來繪圖，效果如下

在這里插入圖片描述

繪圖代碼如下

X, Y = np.indices([100,100])/30 - 1.5
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)
fDct = {"contour": plt.contour, "contourf":plt.contourf, 
    "pcolormesh" : plt.pcolormesh}
fig = plt.figure(figsize=(9,3))
for i,key in enumerate(fDct, 1):
    ax = fig.add_subplot(1,3,i)
    fDct[key](X,Y,Z)
    plt.title(key)
plt.tight_layout()
plt.show()

場圖

繪圖函數(shù)	坐標	說明
quiver	x,y,u,v	向量場圖
streamplot	x,y,u,v	流場圖
barbs	x,y,u,v	風場圖

quiver以單點為單位，繪制出某點處向量的方向；streamplot則在此之上，將每個點銜接到一起，顯得更加有流動性；barbs則是以風向標志取代了向量，這個圖過于專業(yè)，我應(yīng)該沒啥機會用到。

Y, X = np.indices([6,6])/0.75 - 4
U = X + Y
V = Y - X
dct = {"quiver":plt.quiver, "streamplot":plt.streamplot, 
       "barbs" :plt.barbs}
fig = plt.figure(figsize=(12,4))
for i,key in enumerate(dct, 1):
    ax = fig.add_subplot(1,3,i)
    dct[key](X,Y,U,V)
    plt.title(key)
plt.tight_layout()
plt.show()

在這里插入圖片描述

統(tǒng)計圖

繪圖函數(shù)	坐標	說明
hist	x	數(shù)據(jù)直方圖
boxplot	x	箱線圖
violinplot	x	小提琴圖
enventplot	x	平行線疏密圖
hist2d	x,y	二維直方圖
hexbin	x,y	鉆石圖
pie	x	餅圖

其中hist, boxplot, violinplot, enventplot是統(tǒng)計一維數(shù)據(jù)的，可直接輸入隨機數(shù)，繪圖函數(shù)會自行統(tǒng)計其區(qū)間

在這里插入圖片描述

繪圖代碼如下

x = np.random.standard_normal(size=1000)
dct = {"hist"  : plt.hist, "violinplot" : plt.violinplot,
      "boxplot": plt.boxplot}
fig = plt.figure(figsize=(10,6))
for i,key in enumerate(dct, 1):
    ax = fig.add_subplot(2,2,i)
    dct[key](x)
    plt.title(key)
ax = fig.add_subplot(224)
ax.eventplot(x)
plt.title("eventplot")
plt.tight_layout()
plt.show()

hist2d和hexbin用于統(tǒng)計二維數(shù)據(jù)，最終以圖像的形式展示出來，二者在觀感上的主要區(qū)別是，hist2d的“像素”是方形的，而hexbin則是六邊形的。

在這里插入圖片描述

繪圖代碼如下

x = np.random.randn(5000)
y = 1.2 * x + np.random.randn(5000) / 3
fig = plt.figure(figsize=(10,5))
ax = fig.add_subplot(121)
ax.hist2d(x, y, bins=[np.arange(-3,3,0.1)] * 2)
plt.title("hist2d")
ax = fig.add_subplot(122)
ax.hexbin(x, y, gridsize=20)
plt.title("hexbin")
plt.tight_layout()
plt.show()

最后還有一個餅圖，餅圖要求輸入坐標必須都大于0，繪圖代碼如下

plt.pie([1,2,3,4,5])
plt.tight_layout()
plt.show()

在這里插入圖片描述

非結(jié)構(gòu)坐標圖

下面這四個繪圖函數(shù)有一個特點，即其繪圖坐標并不是格式化的，而支持隨機坐標進行繪圖，這一點和plot_trisurf比較相似

繪圖函數(shù)	坐標	說明
tricontour	x,y,z	非結(jié)構(gòu)等高線
tricontourf	x,y,z	非結(jié)構(gòu)化填充等高線
tricolor	x,y,z	非結(jié)構(gòu)化偽彩圖
triplot	x,y	三角連線圖

在這里插入圖片描述

繪圖代碼如下

x = np.random.uniform(-4, 4, 256)
y = np.random.uniform(-2, 2, 256)
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)
levels = np.linspace(z.min(), z.max(), 7)
fig = plt.figure(figsize=(12,6))
ax = fig.add_subplot(221)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tricontour(x, y, z, levels=levels)
plt.title("tricontour")
ax = fig.add_subplot(222)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tricontourf(x, y, z, levels=levels)
plt.title("tricontourf")
ax = fig.add_subplot(223)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tripcolor(x, y, z)
plt.title("tripcolor")
ax = fig.add_subplot(224)
ax.triplot(x,y)
plt.title("triplot")
plt.tight_layout()
plt.show()

以上就是python35種繪圖函數(shù)詳細總結(jié)的詳細內(nèi)容，更多關(guān)于python繪圖函數(shù)的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: