Python+matplotlib怎么实现简单曲线的绘制(matplotlib,python,开发技术)

一、安装matplotlib

1）由于已安装anaconda，可直接打开anaconda prompt，再用命令pip install matplotlib进行安装，因镜像问题，可能较慢，建议第2种方式。

2）访问https://pypi.org/project/matplotlib/#files，并查找与你使用的Python版本匹配的wheel文件（扩展名为.whl的文件），比如与python3.9版本相应的matplotlib-3.5.1-cp39-cp39-win_amd64.whl放在目录G:\develop\python下，（或者你自己所建目录）

打开anaconda prompt，再用命令pip install G:\develop\python\matplotlib-3.5.1-cp39-cp39-win_amd64.whl（注意目录要保持一致）执行完成即可。

二、测试 matplotlib

打开anaconda prompt 先输入python,再输入 import matplotlib，如图所示，没有出现任何错误消息，就说明系统安装成功。

三、绘制简单的折线

importmatplotlib.pyplotasplt#导入模块matplotlib.pyplot，并重新命名为pltsquares=[1,4,9,16,25,36,49,64,81,100]#定义一个数组plt.plot(squares,linewidth=5)#设置图表标题，并给坐标轴加上标签和参数linewidth决定了绘制的线条的粗细plt.title("SquareNumbers",fontsize=24)#设置标题和字体大小plt.xlabel("Value",fontsize=14)#x轴标签，和字体大小plt.ylabel("SquareofValue",fontsize=14)#y轴标签，和字体大小plt.tick_params(axis='both',labelsize=14)#设置刻度标记的大小，函数tick_params()设置刻度的样式plt.show()

这样就完成一个简单的折线图，运行效果如下：

注：如果运行过程中，出现图中红色方框所示警告，需要重新设置spyder中Tools,如下图所示：

四、使用 scatter() 绘制散点图并设置其样式

1、要绘制单个点

可使用函数 scatter() ，并向它传递一对x和y坐标，它将在指定位置绘制一个点：

importmatplotlib.pyplotasplt#导入模块matplotlib.pyplot，并重新命名为pltplt.scatter(2,4,s=200)#调用了scatter()，并使用实参s设置了绘制图形时使用的点的尺寸，位置为2，4plt.title("SquareNumbers",fontsize=24)#设置图表标题并给坐标轴加上标签plt.xlabel("Value",fontsize=14)plt.ylabel("SquareofValue",fontsize=14)#设置刻度标记的大小plt.tick_params(axis='both',which='major',labelsize=14)plt.show()

2、要绘制系列点

绘制系列点，只需要给出系列点的坐标即可。我们将上述代码中plt.scatter(2, 4, s=200)的2，4分别用两个数列代替。

importmatplotlib.pyplotasplt#导入模块matplotlib.pyplot，并重新命名为pltx_values=[1,2,3,4,5]#X轴的数列y_values=[1,3,6,9,12]#y轴的数列plt.scatter(x_values,y_values,s=100)#调用了scatter()，并使用实参s设置了绘制图形时使用的点的尺寸plt.title("seriesNumbers",fontsize=24)#设置图表标题并给坐标轴加上标签plt.xlabel("Value",fontsize=14)plt.ylabel("Value",fontsize=14)#设置刻度标记的大小plt.tick_params(axis='both',which='major',labelsize=14)plt.show()

运行结果如下：

3、自动计算数据

像上述手动输入点数，或数列，都是比较慢的处理方式 ，下面用for循环来替代手工输入。

可以先将x_values定义为一个数列，数值在一定的范围，比如1-1000，而对应的y_values也是一个数列，按一定的方式（函数）产生。于是，可以将上述代码修改为如下：

importmatplotlib.pyplotasplt#导入模块matplotlib.pyplot，并重新命名为pltx_values=list(range(1,1001))#定义一个1-1000的数列，y_values=[x**2forxinx_values]#定义Y值的生成方式。plt.scatter(x_values,y_values,s=4)#调用了scatter()，并使用实参s设置了绘制图形时使用的点的尺寸plt.title("seriesNumbers",fontsize=24)#设置图表标题并给坐标轴加上标签plt.xlabel("Value",fontsize=14)plt.ylabel("Value",fontsize=14)#设置刻度标记的大小plt.tick_params(axis='both',which='major',labelsize=10)plt.axis([1,1100,1,1100000])#注意一下axis的参数plt.show()

运行结果如下：

matplotlib中的点默认为蓝色点和黑色轮廓，如上述三图所示，其中最后一图因为点较多，且连在一起，像是一条曲线，为区别不同的点，可以对点分别不同的颜色。

只需再配置几个参数 ，就可以删除黑色轮廓，和修改点的颜色。

plt.scatter(x_values, y_values, edgecolor='none', s=40)，其中edgecolor='none'表示将黑色轮廓删除

修改数据点的颜色，可向 scatter() 传递参数 c ，并将其设置为要使用的颜色的名称，如下：

plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40) # 将颜色修改为红色。

颜色映射（colormap）

颜色映射是一系列颜色，从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolor='none',s=40)#调用了scatter()参数c设置成了一个y值列表，并使用参数cmap告诉pyplot使用哪个颜色映射，#将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色

具体运行效果如下：

注意，要了解所有相关颜色的映射，可访问官网，单击Examples，向下滚动到Color Examples，再单击colormaps_reference进行参考。

4、自动保存图表

方法 plt.show() 是显示图表

要让程序自动将图表保存到文件中，可调用 plt.savefig() 方法

plt.savefig('scatter.png',bbox_inches='tight')#保存为scatter.png的图片文件