- 入门阶段
- 花式阶段
- 实战DEMO
- 参考链接
兄弟们，Python啥也不会，如何画出一张最基本的图？相较其他文章，本文特色是体系化，搞清楚画图的来龙去脉，一文掌握画图的核心三板斧及高频操作。
入门阶段天才第一步，首先应该问下：绘图的基本骨架是什么？
我认为，核心主要有：图幅、横纵坐标、曲线类型（曲线、散点、柱状）。
好开干，先导入对应的工具包：matplotlib
import matplotlib.pyplot as plt # 绘图用 import numpy as np # 数据处理用
其次，准备好相关的横纵坐标数据x, y。
图源：ref1
那么如何用Python代码去实现对应功能呢？
基本流程：
- 横纵坐标数据
- 绘制图形
- 图片显示
对应函数：
- plt.figure(num)
- 创建画板num，若无入参，则默认为1
- 返回对应画板句柄
- plt.plot(x, y, format_string, **kwargs)
- x:x轴数据，列表或数组，可选
- y:y轴数据，列表或数组
- format_string:控制曲线的格式字符串，可选
- **kwargs:第二组或更多，(x,y,format_string)
- 注：当绘制多条曲线时，各条曲线的x不能省略
- plt.show()
- 无入参，将plot绘制的曲线显示出来
更进一步，过了雪中送炭阶段，来点锦上添花的东西。
花式操作：
- 曲线控制：颜色、粗细、实虚
- 图例、标题、横纵轴标签
- 网格线、坐标轴刻度范围
- 图片保存、关闭
对应函数：
- xlabel(‘xx’)，横轴标签名
- ylabel(‘yy’)，纵轴标签名
- title(‘title’)，图标题
- legend(‘曲线说明’)，添加图例说明不同曲线
- axis([xmin, xmax, ymin, ymax]) ，同时控制xy轴的范围
- xlim([xmin, xmax])，单独控制x轴的范围
- ylim([ymin, ymax])，单独控制y轴的范围
- grid()，显示网格线
- savefig(‘path with filename’)，保存当前figure画板中的图
- close(fig1)，关闭画板，通过figure()函数返回的句柄
import matplotlib.pyplot as plt # 绘图用
import numpy as np # 数据处理用
import math as mt # 数学运算
def data_generation(max_val, band_num):
freq = range(max_val)
max_val_lg = mt.log10(max_val)
band_interval = max_val_lg / band_num
bands = []
for i in range(band_num):
tmp = mt.pow(10, i * band_interval) - 1
val = int(tmp)
if val < i:
val = i
bands.append(val)
return bands
def plot_basic(x, y):
plt.figure(1)
plt.plot(x, y)
plt.show()
def plot_advance(x, y0, y1):
fig2 = plt.figure(2)
l1 = plt.plot(x, y0, color='r',marker='o', linestyle='dashed', label='Me') # 返回结果为对线操作的句柄
l2 = plt.plot(x, y1, color='k',marker='.', linestyle='--', label='You') # 黑色，linestye: -, --实线
plt.xlabel('time/day')
plt.ylabel('salary/dollar')
plt.title('The change of salary')
plt.legend() # 显示图例，即每条线对应 label 中的内容
# plt.axis([-1, 33, -1, 480]) # [xmin, xmax, ymin, ymax]
plt.xlim(-1, 33) # 或单独设置
plt.ylim(-1, 280)
# plt.grid()
plt.grid(linestyle='--') # 组合有： -. --
plt.show()
# plt.savefig('./salary.jpg')
fig2.savefig('./salary.jpg')
# plt.close(fig2)
if __name__ == "__main__":
y0 = range(30) # 刻画下理想中30天日薪增长情况
y1 = data_generation(480, 30)
x = range(30)
print('start processing...')
plot_basic(x, y1)
plot_advance(x, y0, y1)
print('done!')
效果图如下：
更多进阶用法见参考链接，里面涉及如一个画板中绘制多幅子图的方法。
如果小伙伴觉得本文有帮助，欢迎评论留言哦，下一篇总结分享gif动图制作。
参考链接- python如何使用Matplotlib画图（基础篇），link
- python常用数据作图–matplotlib用法（相关设置及常用图），link
- Plot不同字符串组合控制粗细、大小颜色等，link
