我是靠谱客的博主 土豪朋友,这篇文章主要介绍echarts y轴只显示5个刻度_数据可视化 | 16个 matplotlib 绘图实用小技巧,现在分享给大家,希望可以做个参考。

来源:雪山飞猪,编辑:Python大数据分析

本文主要 16 个 Matplotlib 绘图实用的小技巧。

1. 添加标题-title

matplotlib.pyplot 对象中有个 title() 可以设置表格的标题。

复制代码
1
2
3
4
5
6
7
8
9
10
11
import numpy as np import matplotlib.pyplot as plt # 显示中文 plt.rcParams['font.sans-serif'] = [u'SimHei'] plt.rcParams['axes.unicode_minus'] = False %matplotlib inline x=np.arange(0,10) plt.title('这是一个示例标题') plt.plot(x,x*x) plt.show()

具体实现效果:

18a11276d06485b7942feb8e553739e8.png

2. 添加文字-text

设置坐标和文字,可以使用 matplotlib.pyplot 对象中 text() 接口。其中 第一、二个参数来设置坐标,第三个参数是设置显示文本内容。

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
import numpy as np import matplotlib.pyplot as plt # 显示中文 plt.rcParams['font.sans-serif'] = [u'SimHei'] plt.rcParams['axes.unicode_minus'] = False %matplotlib inline x=np.arange(-10,11,1) y=x*x plt.plot(x,y) plt.title('这是一个示例标题') # 添加文字 plt.text(-2.5,30,'function y=x*x') plt.show()

具体实现效果:

01423ba9283da2b8dc4251a023ba22fd.png

3. 添加注释-annotate

我们实用 annotate() 接口可以在图中增加注释说明。其中:

  • xy 参数:备注的坐标点
  • xytext 参数:备注文字的坐标(默认为xy的位置)
  • arrowprops 参数:在 xy 和 xytext 之间绘制一个箭头。
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
import numpy as np import matplotlib.pyplot as plt # 显示中文 plt.rcParams['font.sans-serif'] = [u'SimHei'] plt.rcParams['axes.unicode_minus'] = False %matplotlib inline x=np.arange(-10,11,1) y=x*x plt.title('这是一个示例标题') plt.plot(x,y) # 添加注释 plt.annotate('这是一个示例注释',xy=(0,1),xytext=(-2,22),arrowprops={'headwidth':10,'facecolor':'r'}) plt.show()

具体实现效果:

8fef2065dce8aa405d047780b70b8ff0.png

4. 设置坐标轴名称-xlabel/ylabel

二维坐标图形中,需要在横轴和竖轴注明名称以及数量单位。设置坐标轴名称使用的接口是 xlabel() 和 ylable()。

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
import numpy as np import matplotlib.pyplot as plt # 显示中文 plt.rcParams['font.sans-serif'] = [u'SimHei'] plt.rcParams['axes.unicode_minus'] = False %matplotlib inline x=np.arange(1,20) plt.xlabel('示例x轴') plt.ylabel('示例y轴') plt.plot(x,x*x) plt.show()

具体实现效果:

d2d4eee4bf6d42ac57de2f257c845966.png

5. 添加图例-legend

当线条过多时,我们设置不同颜色来区分不同线条。因此,需要对不同颜色线条做下标注,我们实用 legend() 接口来实现。

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
import numpy as np import matplotlib.pyplot as plt # 显示中文 plt.rcParams['font.sans-serif'] = [u'SimHei'] plt.rcParams['axes.unicode_minus'] = False %matplotlib inline plt.plot(x,x) plt.plot(x,x*2) plt.plot(x,x*3) plt.plot(x,x*4) # 直接传入legend plt.legend(['生活','颜值','工作','金钱']) plt.show()

具体实现效果:

127b5e778ea42063bdb19ccaa72f0547.png

6. 调整颜色-color

传颜色参数,使用 plot() 中的 color 属性来设置,color 支持以下几种方式

复制代码
1
2
3
4
5
6
7
8
9
10
11
import numpy as np import matplotlib.pyplot as plt %matplotlib inline x=np.arange(1,5) #颜色的几种方式 plt.plot(x,color='g') plt.plot(x+1,color='0.5') plt.plot(x+2,color='#FF00FF') plt.plot(x+3,color=(0.1,0.2,0.3)) plt.show()

具体实现效果:

7abc18ac6de2928e7ebd2dfdad190c48.png

7. 切换线条样式-marker

如果想改变线条的样式,我们可以使用修改 plot() 绘图接口中 mark 参数,具体实现效果:

复制代码
1
2
3
4
5
6
7
8
9
import numpy as np import matplotlib.pyplot as plt %matplotlib inline x=np.arange(1,5) plt.plot(x,marker='o') plt.plot(x+1,marker='>') plt.plot(x+2,marker='s') plt.show()

具体实现效果:

f28b4b9e4ff3ae0f463ad7ba62248b0d.png

其中 marker 支持的类型:

  • ‘.’:点(point marker)
  • ‘,’:像素点(pixel marker)
  • ‘o’:圆形(circle marker)
  • ‘v’:朝下三角形(triangle_down marker)
  • ‘^’:朝上三角形(triangle_up marker)
  • ‘<‘:朝左三角形(triangle_left marker)
  • ‘>’:朝右三角形(triangle_right marker)
  • ‘1’:(tri_down marker)
  • ‘2’:(tri_up marker)
  • ‘3’:(tri_left marker)
  • ‘4’:(tri_right marker)
  • ‘s’:正方形(square marker)
  • ‘p’:五边星(pentagon marker)
  • ‘*’:星型(star marker)
  • ‘h’:1号六角形(hexagon1 marker)
  • ‘H’:2号六角形(hexagon2 marker)
  • ‘+’:+号标记(plus marker)
  • ‘x’:x号标记(x marker)
  • ‘D’:菱形(diamond marker)
  • ‘d’:小型菱形(thin_diamond marker)
  • ‘|’:垂直线形(vline marker)
  • ‘_’:水平线形(hline marker)

具体各个效果类型如下

f37db423e9cc9dbd2a2fc4e9978de295.png

8. 显示数学公式-mathtext

格式如下: 作为开始和结束符,如omega $,中间的将解析出公式中的符号

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
import numpy as np import matplotlib.pyplot as plt %matplotlib inline plt.title('chenqionghe') plt.xlim([1,8]) plt.ylim([1,5]) plt.text(2,4,r'$ alpha beta pi lambda omega $',size=25) plt.text(4,4,r'$ sin(0)=cos(frac{pi}{2}) $',size=25) plt.text(2,2,r'$ lim_{x rightarrow y} frac{1}{x^3} $',size=25) plt.text(4,2,r'$ sqrt[4]{x}=sqrt{y} $',size=25) plt.show()

具体实现效果:

81535a0d758e15e41d61f244de25287e.png

9. 显示网格-grid
grid() 接口可以用来设置背景图为网格。

复制代码
1
2
3
4
5
6
7
8
9
10
11
import numpy as np import matplotlib.pyplot as plt %matplotlib inline x='a','b','c','d' y=[15,30,45,10] plt.grid() # 也可以设置颜色、线条宽度、线条样式 # plt.grid(color='g',linewidth='1',linestyle='-.') plt.plot(x,y) plt.show()

具体实现效果:

23f9a6c0d88eefed519e366ac691dc47.png

10. 调整坐标轴刻度-locator_params

坐标图的刻度我们可以使用 locator_params 接口来调整显示颗粒。同时调整 x 轴和 y 轴:plt.locator_params(nbins=20)只调整 x 轴:plt.locator_params(‘'x',nbins=20)只调整 y 轴:plt.locator_params(‘'y',nbins=20)

复制代码
1
2
3
4
5
6
7
8
9
import numpy as np import matplotlib.pyplot as plt %matplotlib inline x=np.arange(0,30,1) plt.plot(x,x) # x轴和y轴分别显示20个 plt.locator_params(nbins=20) plt.show()

具体实现效果:

8b23e4bebebb27c1437fb2da9f297ccc.png

11. 调整坐标轴范围-axis/xlim/ylim

axis:[0,5,0,10],x从0到5,y从0到10xlim:对应参数有xmin和xmax,分别能调整最大值最小值ylim:同xlim用法

复制代码
1
2
3
4
5
6
7
8
9
10
11
import numpy as np import matplotlib.pyplot as plt %matplotlib inline x=np.arange(0,30,1) plt.plot(x,x*x) #显示坐标轴,plt.axis(),4个数字分别代表x轴和y轴的最小坐标,最大坐标 #调整x为10到25 plt.xlim(xmin=10,xmax=25) plt.plot(x,x*x) plt.show()

具体实现效果:

b7402abef5581f5aa82e90ec304761c3.png

12. 调整日期自适应-autofmt_xdate

有时候显示日期会重叠在一起,非常不友好,调用plt.gcf().autofmt_xdate(),将自动调整角度

复制代码
1
2
3
4
5
6
7
8
9
10
import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline x=pd.date_range('2020/01/01',periods=30) y=np.arange(0,30,1) plt.plot(x,y) plt.gcf().autofmt_xdate() plt.show()

具体实现效果:

5cf1a814009d481cd394a1907184ee35.png

13. 添加双坐标轴-twinx

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
import numpy as np import matplotlib.pyplot as plt %matplotlib inline x=np.arange(1,20) y1=x*x y2=np.log(x) plt.plot(x,y1) # 添加一个坐标轴,默认0到1 plt.twinx() plt.plot(x,y2,'r') plt.show()

具体实现效果:

003635d5fd8c97d9988a4adbb7f6d7d9.png

14. 填充区域-fill/fill_beween

fill 填充函数区域

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import numpy as np import matplotlib.pyplot as plt # 显示中文 plt.rcParams['font.sans-serif'] = [u'SimHei'] plt.rcParams['axes.unicode_minus'] = False %matplotlib inline x=np.linspace(0,5*np.pi,1000) y1=np.sin(x) y2=np.sin(2*x) plt.plot(x,y1) plt.plot(x,y2) # 填充 plt.fill(x,y1,'g') plt.fill(x,y2,'r') plt.title('这是一个示例标题') plt.show()

具体实现效果:

c83c301a8898dd42bb665a277bda7e31.png

fill_beween填充函数交叉区域

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import numpy as np import matplotlib.pyplot as plt # 显示中文 plt.rcParams['font.sans-serif'] = [u'SimHei'] plt.rcParams['axes.unicode_minus'] = False %matplotlib inline plt.title('这是一个示例标题') x=np.linspace(0,5*np.pi,1000) y1=np.sin(x) y2=np.sin(2*x) plt.plot(x,y1) plt.plot(x,y2) # 填充 plt.fill_between(x,y1,y2,where=y1>y2,interpolate=True) plt.show()

具体实现效果:

cd797f67119081157f6f3231c18dec48.png

15. 画一个填充好的形状-matplotlib.patche

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import numpy as np import matplotlib.pyplot as plt import matplotlib.patches as mptaches %matplotlib inline xy1=np.array([0.2,0.2]) xy2=np.array([0.2,0.8]) xy3=np.array([0.8,0.2]) xy4=np.array([0.8,0.8]) fig,ax=plt.subplots() #圆形,指定坐标和半径 circle=mptaches.Circle(xy1,0.15) ax.add_patch(circle) #长方形 rect=mptaches.Rectangle(xy2,0.2,0.1,color='r') ax.add_patch(rect) #多边形 polygon=mptaches.RegularPolygon(xy3,6,0.1,color='g') ax.add_patch(polygon) # 椭圆 ellipse=mptaches.Ellipse(xy4,0.4,0.2,color='c') ax.add_patch(ellipse) ax.axis('equal') plt.show()

具体实现效果:

f08485b0df7ce0bf94494e0923fc8696.png

16. 切换样式-plt.style.use

matplotlib支持多种样式,可以通过plt.style.use切换样式,例如:plt.style.use('ggplot')输入plt.style.available可以查看所有的样式:

复制代码
1
2
3
import matplotlib.pyplot as plt plt.style.available

具体实现效果:

df3740fc69ea54e11e3c07110bd07c0b.png

示例代码,ggplot样式:

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import numpy as np import matplotlib.pyplot as plt import matplotlib.patches as mptaches %matplotlib inline plt.style.use('ggplot') # 新建4个子图 fig,axes=plt.subplots(2,2) ax1,ax2,ax3,ax4=axes.ravel() # 第一个图 x,y=np.random.normal(size=(2,100)) ax1.plot(x,y,'o') # 第二个图 x=np.arange(0,10) y=np.arange(0,10) colors=plt.rcParams['axes.prop_cycle'] length=np.linspace(0,10,len(colors)) for s in length: ax2.plot(x,y+s,'-') # 第三个图 x=np.arange(5) y1,y2,y3=np.random.randint(1,25,size=(3,5)) width=0.25 ax3.bar(x,y1,width) ax3.bar(x+width,y2,width) ax3.bar(x+2*width,y3,width) # 第四个图 for i,color in enumerate(colors): xy=np.random.normal(size=2) ax4.add_patch(plt.Circle(xy,radius=0.3,color=color['color'])) ax4.axis('equal') plt.show()

具体实现效果:

7a2ab06575aa30cebea501dd5d72705e.png

最后

以上就是土豪朋友最近收集整理的关于echarts y轴只显示5个刻度_数据可视化 | 16个 matplotlib 绘图实用小技巧的全部内容,更多相关echarts内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(72)

评论列表共有 0 条评论

立即
投稿
返回
顶部