matplotlib学习记录.

最近搞了一些数据，想做一个可视化的界面，就准备花两天时间熟悉一下Python的可视化神器matplotlib模块

学习资料来源:https://www.bilibili.com/video/BV1Jx411L7LU?p=12

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-

import matplotlib.pyplot as plt
import numpy as np

# np切割出50个点
x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2

# 第一块画布
plt.figure()
# 在plot之前都会操作第一块画布
plt.plot(x, y1)


# 第二块画布
plt.figure()
# 限制坐标的长度
plt.xlim((-1,2))
plt.ylim((-2,3))
# 在坐标上面显示标签提示
plt.xlabel('I am X')
plt.ylabel('I am Y')

new_ticks = np.linspace(-1, 2, 5)
print(new_ticks)
# 替换x坐标的ticks数字内容
plt.xticks(new_ticks)
# 替换成指定的输出，可以添加$$美化输出
plt.yticks([-2,-1.8,-1,1.22,3],['$really bad$', r'$bad$', 'normal','good', 'really good'])

# 抓取坐标框
ax = plt.gca()
# 取出坐标框的颜色
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 设置坐标框的初始位置
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

# 画出坐标，label位标注的提示，还有color,linewidth,linestyle字面都可以理解
l1, = plt.plot(x, y2, label='up')
l2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
print(l1)

# 框标注设置,loc设置best将放在合适位置
plt.legend(handles=[l1,l2],labels=['lll11','ll222'],loc='best')

plt.show()

上面的代码，主要展示了一些简单的功能，个人对坐标的移动还是觉的很好用的。

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y = 2 * x + 1

plt.figure(num=1, figsize=(8, 5))
plt.plot(x, y)

ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

# 前面还是已经讲过的设置
# 定义一个需要注释的坐标点，这里是为1的时候
x0 = 1
y0 = 2 * x0 + 1

# 这个是画出一个点，scatter对于画散点图还是非常实用的
plt.scatter(x0, y0, s=50, color='blue')
# 画一条竖线
plt.plot([x0, x0], [y0, 0], 'k--', lw=2.5)

# 通过内置的annotate写注释，显然感觉非常麻烦，参数的设置，累
plt.annotate(r'$2x+1=%s$' % y0,
             xy=(x0, y0),
             xycoords='data',
             xytext=(+30, -30),
             textcoords='offset points',
             fontsize=16,
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2')
             )

# 通过.text的方式写如信息，坐标作为加信息既可
plt.text(-3.7,3,r'$This is the $')

plt.show()

 

 这是添加注释的用法。

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y = 0.1 * x

plt.figure()
# 这里有个设置zorder感觉像是图层
plt.plot(x, y, linewidth=10, zorder=1)
plt.ylim(-2, 2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

# 对画框里面的ticks坐标进行设置，图册也需要进行设置
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_zorder = 2
    label.set_fontsize(12)
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7))
    ...

plt.show()

 

 上面是画的线覆盖ticks如何显示的操作

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-

import matplotlib.pyplot as plt
import numpy as np

n= 1024
# 通过np创建一堆数据，话说不学一点numpy感觉有点亏
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
T = np.arctan2(X,Y)

# 直接调用scatter话点状图，s是直径的意思
plt.scatter(X,Y,s=75,c=T,alpha=0.5)


# 对区域做了一些限制
plt.xlim((-1.5,1.5))
plt.ylim((-1.5,1.5))

# 取出坐标上的显示
plt.xticks(())
plt.yticks(())

plt.show()

 

 这是一个简单的点状图的显示

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-

import matplotlib.pyplot as plt
import numpy as np

n = 12
X = np.arange(n)

Y1 = (1-X/float(n))*np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n))*np.random.uniform(0.5,1.0,n)

# 通过.bar的方式画条状图
plt.bar(X, Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

# 读取坐标进行内容标注
for x,y in zip(X,Y1):
    plt.text(x+0.04,y+0.05, '%.2f'%y,ha='center', va='bottom')

for x,y in zip(X,Y2):
    plt.text(x+0.04, -y-0.05, '%.2f'%y, ha='center', va='top')


plt.xlim(-.5, n)
plt.xticks(())
plt.ylim((-1.25,1.25))
plt.yticks(())


plt.show()

 

 这是柱装图的简单操作也比较容易

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-

import matplotlib.pyplot as plt

plt.figure()

# 整个分成2行2列,4个画面
plt.subplot(2,2,1)
plt.plot([0,1],[0,1])

# 最后一个数字代码字画面的序列
plt.subplot(2,2,2)
plt.plot([0,1],[0,1])

plt.subplot(2,2,3)
plt.plot([0,1],[0,1])

plt.subplot(2,2,4)
plt.plot([0,1],[0,1])
plt.xticks(())

plt.show()

 

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-

import matplotlib.pyplot as plt

plt.figure()

# 整个分成2行2列,4个画面
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])

# 最后一个数字代码字画面的序列
plt.subplot(2,3,4)
plt.plot([0,1],[0,1])

plt.subplot(2,3,5)
plt.plot([0,1],[0,1])

plt.subplot(2,3,6)
plt.plot([0,1],[0,1])
plt.xticks(())

plt.show()

 

 上面是一张画布多个图标，还是蛮有意思的。，特别是第二种这种分法

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

plt.figure()
# 其实位置是0，0，最大可以到2，2,假如设置(3,3)的格局
ax1 = plt.subplot2grid((3, 3), (0, 0),colspan=3,rowspan=1)
ax1.plot([1,2],[1,2])
ax1.set_title('ax1_title')
# 设置的画，首先选择需要的字画面格局，第二个进行初始位的选定，第三选择需要跨域的行
ax2 = plt.subplot2grid((3, 3), (1, 0),colspan=2,rowspan=1)
ax3 = plt.subplot2grid((3, 3), (1, 2),colspan=1,rowspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 0),)
ax5 = plt.subplot2grid((3, 3), (2, 1),)





plt.show()

 

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

plt.figure()
# 首先定义几行几列
gs = gridspec.GridSpec(3, 3)
# 通过类似与列表切片的方式对操作区域进行选定
# 这里0标识选取第一行，第二个参数表示选择所有列
ax1 = plt.subplot(gs[0, :])
# 这个就是第二行,横跨两个列，第二个参数0:2，也可以写成:2
ax2 = plt.subplot(gs[1, 0:2])
# 这个就是选取了第二行横跨下面所有的行，第3列
ax3 = plt.subplot(gs[1:, 2])
# 可以用复数对列表参数进行选择
ax4 = plt.subplot(gs[-1, 0])
ax5 = plt.subplot(gs[-1, -2])
# # 其实位置是0，0，最大可以到2，2,假如设置(3,3)的格局
# ax1 = plt.subplot2grid((3, 3), (0, 0),colspan=3,rowspan=1)
# ax1.plot([1,2],[1,2])
# ax1.set_title('ax1_title')
# # 设置的画，首先选择需要的字画面格局，第二个进行初始位的选定，第三选择需要跨域的行
# ax2 = plt.subplot2grid((3, 3), (1, 0),colspan=2,rowspan=1)
# ax3 = plt.subplot2grid((3, 3), (1, 2),colspan=1,rowspan=2)
# ax4 = plt.subplot2grid((3, 3), (2, 0),)
# ax5 = plt.subplot2grid((3, 3), (2, 1),)


plt.show()

 

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

plt.figure()
# 直接切割几个画面，通过多个变量来接收，感觉用起来前面两种好
f, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, sharex=True, sharey=False)
# ax1.set_xlim((0,1))
# ax1.set_ylim((0,1))
ax1.plot([0, 0.5], [0, 0.5])

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt

fig = plt.figure()
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]

# 上下左右相对与外面的大框, left与bottom相对与边框定位。
# width，height是里面图的宽度，高度
left, bottom, width, height = .1, .1, .8, .8
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')

left, bottom, width, height = .1, .1, .2, .2
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(y, x, 'b')
ax2.set_xlabel('x')
ax2.set_xlabel('y')
ax2.set_title('title inside 1')


# 这种设置更加方便，需要的plt里面通过.axes的方法放入需要的定位框，
# 然后进行设置。
plt.axes([.6, .2, .25, .25])
plt.plot(y[::-1], x, 'g')
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside2')


plt.show()
# plt.savefig('fig.png', bbox_inches='tight')

 

 这种画中画的功能也很好用，我工作中要用到renko数据与volume准备就用这种画，上下两幅图，看起来应该会不错。

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, .1)
y1 = 0.05 * x ** 2
y2 = -1 * y1

# 获取一个子坐标
fig, ax1 = plt.subplots()
# 做一个x的镜像坐标，关键
ax2 = ax1.twinx()
ax1.plot(x,y1,'g-')
ax2.plot(x,y2,'b--')

ax1.set_xlabel('Xdata')
ax1.set_ylabel('Y1',color='g')
ax2.set_ylabel('Y2',color='b')

plt.show()

 

 次坐标，还是很有意思的一个小玩意，虽然我应该暂时用不到