目录
- python画图时linestyle,color和loc参数的设置
- 颜色字符（color）
- 风格字符（linestyle）
- loc 参数（以matplotlib添加图例为例说明位置）
- python画图基础
- 1.matplotlib
- 1.1绘制基本图像
- 1.2实现一些其他功能
- 1.3 在一个坐标系中画出多个图像
- 1.4多坐标作图
- 1.5 绘图应用
python画图时linestyle,color和loc参数的设置
本人没有看过专门介绍matplotlib的书籍，所以一直以来对一些画图的风格不是很清楚，今天总结一下linestyle，color和loc，供那些像我一样没看过这方面介绍的人使用。
linestyle和color是matplotlib做表时常用的两个参数，只要是需要线条的，不论是主图，还是添加的网格线，基本上是都会遇到的。loc则是用来确定位置的，一般添加图例的时候回用到。
颜色字符（color）
| 字符 |
代表颜色 |
| r |
红色 |
| b |
蓝色 |
| g |
绿色 |
| w |
白色 |
| c |
青色 |
| m |
洋红 |
| y |
黄色 |
| k |
黑色 |
风格字符（linestyle）
| 字符 |
代表风格 |
| - （一个连字符） |
实线 |
| – （两个连字符） |
虚线 |
| -. |
点划线 |
| ： |
点虚线 |
| ’ ’ |
留空，空格 |
loc 参数（以matplotlib添加图例为例说明位置）
| loc string |
loc code |
位置 |
| "best" |
0 |
右上角（默认） |
| “upper right” |
1 |
右上角 |
| “upper left” |
2 |
左上角 |
| “lower left” |
3 |
左下角 |
| “lower right” |
4 |
右下角 |
| "right" |
5 |
中右侧 |
| “center left” |
6 |
中左侧 |
| “center right” |
7 |
中右侧 |
| “low center” |
8 |
中下方 |
| “upper center” |
9 |
中上方 |
| “center” |
10 |
中间 |
python画图基础
python用于画图常用matplotlib和seaborn**
1.matplotlib
使用前需要导入api
import matplotlib.pyplot as plt
1.1绘制基本图像
1.1.1折线图
1.准备数据
import random
x = range(60)
y = [random.uniform(15,18) for i in x]
#random.uniform 中参数即为取值范围。
2.创建画布
plt.figure(figsize=(20,5),dpi=100)
#其中参数figsize即为图像大小，dpi为分辨率。
3.绘制图像
4.图像显示
1.1.2 散点图
重复1，2，4步
第3步改为plt.scatter(x,y)
图像显示：
1.1.3柱状图
重复1，2，4步
第3步改为plt.bar(x,y)
图像显示：
1.1.4 直方图
重复1，2，4步
第三步改为plt.hist(y)
只传入一个y参数，表示y的分布情况
图像显示：
也可以传入x参数，表示x的分布情况（但因x为0~59，所以没有意义）
图像显示：
1.2实现一些其他功能
我们用自己创建的数据作为上海市早上10时~11时的温度变化
#1.数据准备
x_shanghai = x
y_shanghai = y
#2.创建画布
plt.figure(figsize=(20,5),dpi=100)
#3.绘制图像
plt.plot(x_shanghai,y_shanghai)
#3.1添加x、y的刻度
x_ticks = ["10:{}分"format(i) for i in x_shanghai]
y_ticks = range(40)
#3.2修改x、y的刻度
plt.xticks(x_shanghai[::5],x_ticks[::5])
#plt.xticks第一个参数是刻度，第二个参数是刻度标签(plt.yticks也一样)
plt.yticks(y_ticks[::5])
#五分钟取一个刻度
#3.3添加网格显示
plt.grid(True,linestyle = "--",alpha = 0.6)
参数linestyle为网格线的种类，alpha为网格线深浅
图像显示：
1.3 在一个坐标系中画出多个图像
#0 准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]
#1 创建画布
plt.figure(figsize=(20,5),dpi=100)
#2 绘制图像
plt.plot(x,y_shanghai,label = "上海")
#画一条标签为上海的图像
plt.plot(x,y_beijing,color = 'r',linestyle="--",label="北京")
#画一条标签为北京的图像
plt.legend(loc ="best")
#plt.legend（）函数设置图例位置
#2.1 添加x，y刻度
x_shanghai_ticks = ["10点{}分".format(i) for i in x]
y_shanghai_ticks = range(40)
#2.2 修改x，y刻度
plt.xticks(x[::5],x_shanghai_ticks[::5])
plt.yticks(y_shanghai_ticks[::5])
#2.3 添加网格显示
plt.grid(True , linestyle = "--",alpha = 0.6)
#2.4 添加标签数据
plt.xlabel("时间",fontsize=20)
plt.ylabel("温度",fontsize=20)
plt.title("某市某日10时至11时的温度变化折线图",fontsize=20)
#fontsize为字体大小
# 图像保存
plt.savefig("test.png")
#3 图像显示
plt.show()
图像显示：
1.4多坐标作图
#0 准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]
#1 创建画布
plt.figure(figsize=(20,8),dpi=100)
# fig,axes=plt.subplot(nrows=1,ncols=2,figsize=(20,8),dpi=100)
#2 绘制图像
# axes[0].plot(x,y_shanghai,label = "上海")
# axes[1].plot(x,y_beijing,color = 'r',linestyle="--",label="北京")
f1=plt.subplot(1,2,1)#将figure分成一行两列，第三个数字代表的是第一个位置的图
f1.scatter(x,y_shanghai,label="上海",color='r',linestyle='--')#分别为x的显示范围为0-3,y的坐标0-1
f2=plt.subplot(1,2,2)#将figure分成一行两列，第三个数字代表的是第二个位置的图
f2.scatter(x,y_beijing,label="北京")
# #2.1 添加x，y刻度
x_ticks= ["10点{}分".format(i) for i in x]
y_shanghai_ticks = range(40)
# #2.2 修改x，y刻度
# plt.xticks(x[::5],x_ticks[::5])
# plt.yticks(y_shanghai_ticks[::5])
f1.set_xticks(x[::5])
f1.set_yticks(y_shanghai_ticks[::5])
f1.set_xticklabels(x_ticks[::5])
f2.set_xticks(x[::5])
f2.set_yticks(y_shanghai_ticks[::5])
f2.set_xticklabels(x_ticks[::5])
# #2.3 添加网格显示
f1.grid(True , linestyle = "--",alpha = 0.6)
f2.grid(True , linestyle = "--",alpha = 0.6)
# #2.4 添加标签数据
# plt.xlabel("时间",fontsize=20)
# plt.ylabel("温度",fontsize=20)
# plt.title("某市某日10时至11时的温度变化折线图",fontsize=20)
f1.set_xlabel("时间")
f1.set_ylabel("温度")
f1.set_title("上海市十时至十一时的温度变化",fontsize=20)
f2.set_xlabel("时间")
f2.set_ylabel("温度")
f2.set_title("北京市十时至十一时的温度变化",fontsize=20)
f1.legend(loc=0)
f2.legend(loc=0)
# 图像保存
plt.savefig("test.png")
#3 图像显示
plt.show()
图像显示：
1.5 绘图应用
import numpy as np
# 绘制一般函数的图像
# 绘制反正切函数图像
# 0 准备数据
x = np.linspace(-10,10,1000)
# x为-10到10等间距取1000份
y = np.arctan(x)
# 1 创建画布
plt.figure(figsize=(20,8),dpi = 100)
# 2 绘制图像
plt.plot(x,y)
# 2.1添加网格
plt.grid(True,linestyle = "--",alpha=0.6)
# 3 显示图像
plt.show()
图像显示：
#绘制正比例函数y = x
图像显示：
提供CDN加速