Python中Matplotlib实现简单的绘图

Matplotlib实现简单的绘图

Matplotlib是什么

Matplotlib是Python中重要的绘图库，它主要用于二维绘图。Matplotlib主要通过pyplot模块进行绘图，pyplot模块和MATLAB的绘图很类似。

示列一：用Matplotlib库实现简单的色彩条 1.引入库

代码如下（示例）：

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import make_axes_locatable
import numpy as np

2.主代码

代码如下（示例）：

ax = plt.subplot(111)  # 1.多个子图合并到一个图，2.自定义图表样式；
                       #(xxx)这里前两个表示几*几的网格，最后一个表示第几子图
im = ax.imshow(np.arange(100).reshape((10, 10)))  #固定长宽和垂直色条

# 在ax的右边创建一个坐标轴。
# cax的宽度为ax的5%，cax和ax之间的填充将固定在0.05英尺。
divider = make_axes_locatable(ax)
cax = divider.append_axes("right", size="5%", pad=0.05)
#pad表示cax轴距离ax轴的距离，size表示cax轴占ax轴的大小
plt.colorbar(im,cax=cax)
plt.show()

3.效果图

 示列二：用Matplotlib库实现简单的 Axisline4(sin 图像或cos 图像) 1.引入库

代码如下（示例）：

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import host_subplot
import numpy as np

2.主代码

代码如下（示例）：

# 1.多个子图合并到一个图，2.自定义图表样式;(xxx)这里前两个表示几*几的网格，最后一个表示第几子图
ax = host_subplot(111)   
# 0表示横坐标轴从0开始，3*np.pi表示sin图像的一个半周期的图像，0.01表示散点距离若是0.5就是折线图 
xx = np.arange(0, 2*np.pi, 0.01)
ax.plot(xx, np.sin(xx))   #sin图像
#ax.plot(xx, np.cos(xx))    #cos图像

ax2 = ax.twin()  # 创建顶轴和右轴
# 将顶轴变成sin图像的x轴（含有pi）
ax2.set_xticks([0., .5*np.pi, np.pi, 1.5*np.pi, 2*np.pi])
ax2.set_xticklabels(["import matplotlib.pyplot as plt
from mpl_toolkits.axisartist.axislines import SubplotZero
import numpy as np
$", r"$\frac{1}{2}\pi$",r"$\pi$", r"$\frac{3}{2}\pi$", r"\pi$"])

ax2.axis["right"].major_ticklabels.set_visible(False) #右边的坐标轴数值不显示
 ax2.axis["top"].major_ticklabels.set_visible(True)   #顶部坐标轴数值显示

plt.show()

 3.效果图

 示列三：简单的轴线 1.引入库

代码如下（示例）：

fig = plt.figure(1, (4, 3))    #（4，3）坐标轴的宽和高


ax = SubplotZero(fig, 1, 1, 1)   # (x，x，x)这里前两个表示几*几的网格，最后一个表示第几子图
fig.add_subplot(ax)  #显示坐标轴

#新建坐标轴并给坐标轴名为“Axis Zero”和字体颜色为红色（r是红色的简写）,默认是黑色
ax.axis["xzero"].set_visible(True)
ax.axis["xzero"].label.set_text("Axis Zero")
ax.axis["xzero"].label.set_color('r')

# 消除底部，顶部，右边的坐标轴
for n in ["bottom", "top", "right"]:
    ax.axis[n].set_visible(False)

# 0表示横坐标轴从0开始，2*np.pi表示sin图像的一个周期的图像，0.01表示散点距离若是0.5就是折线图
xx = np.arange(0, 2*np.pi, 0.01)
ax.plot(xx, np.sin(xx))   # sin图像
#ax.plot(xx, np.cos(xx))    #cos图像

plt.show()

2.主代码

代码如下（示例）：

 3.效果图