迹忆客 专注技术分享

Matplotlib 是一个用于制作二维图形和绘图的 Python 脚本模块。 具有控制线条样式、字体属性、格式轴和其他功能的功能。

它提供各种图形和绘图，包括误差图、条形图、功率谱和直方图。

Matplotlib 是一个多平台数据可视化包，旨在处理更大的 SciPy 堆栈，它基于 NumPy 数组。 可视化的最大优势之一是它使我们能够以易于理解的形式直观地访问大量数据。

在 PyCharm 中安装 Matplotlib

要在 PyCharm IDE 中安装 Matplotlib 模块，请在 IDE 的终端中运行以下代码。

C:\Users\jiyik>pip install matplotlib

然后使用 import 关键字将 Matplotlib 模块导入 PyCharm IDE 中的程序。

import matplotlib

在 PyCharm 中手动安装 Matplotlib

要在 PyCharm IDE 中手动安装著名的数据可视化库 matplotlib，请按照以下步骤操作。

• 转到 PyCharm IDE。
• 创建一个 Python 项目。
• 转到顶部栏上的文件，然后从设置中选择项目。
• 单击 Python Interpreter 以到达包部分。
• 单击 + 符号，表示安装新包或库。
• 单击 + 符号将打开一个新窗口，现在搜索 matplotlib 并单击建议的。
• 单击安装包。
• 安装完成后，会得到matplotlib安装成功的消息包。
• 现在您可以使用 import 关键字将其导入到您当前的项目中。

Matplotlib 的绘图类型

正如我们上面提到的，您可以在 Matplotlib 库的帮助下制作许多不同的图表。 所以，在这里我们将讨论其中的一些。

使用 Matplotlib 绘制线图

顾名思义，线图在 x 轴和 y 轴上形成一条直线。 您需要以数组形式插入参数，以创建一条二维直线。

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([2, 6])
ypoints = np.array([5, 12])

plt.plot(xpoints, ypoints)
plt.show()

输出:

Matplotlib 标记

在 Matplotlib 图形中管理标记的独特方法称为 Matplotlib 标记。 可以使用标记功能自定义图形，因为它们带有各种标记和其他指示图标。

以下是一些最常用的标记。

让我们借助示例来理解所有这些。

为了形成这个，我们使用 . 这是代码：

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([5, 13, 21, 25])

# for point marker

plt.plot(ypoints, marker = '.')
plt.show()

输出:

使用以下代码制作一个 o（圆圈）标记：

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([4, 9, 19, 26])

# for circle
plt.plot(ypoints, marker = 'o')
plt.show()

输出:

Matplotlib 网格

可以使用坐标区对象的 grid() 函数显示或隐藏图形中的网格。

以下是 Matplotlib 网格的代码：

import sys
import matplotlib
%matplotlib inline

import numpy as np
import matplotlib.pyplot as plt

x = np.array([60, 65, 70, 75, 80, 85, 90, 95, 100, 105])
y = np.array([140, 150, 160, 170, 180, 190, 200, 210, 220, 230])

plt.plot(x, y)

plt.grid()

plt.show()

输出:

Matplotlib 栏

要显示不同类别的值的进度，可以使用 bar() 函数。

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["Maths", "Physics", "Chemistry", "Biology"])
y = np.array([80, 84, 75, 90])

plt.bar(x,y)
plt.show()

输出:

Matplotlib 直方图

直方图解释了给定区间内的频率分布。

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

x = np.random.normal(140, 30, 270)

plt.hist(x)
plt.show()

输出:

总结

Matplotlib 创建一个 2D 图形来可视化插入的信息。 在本文中，我们试图涵盖所有可以借助 Matplotlib 模块绘制的主要图形。

Matplotlib 与各种操作系统和图形后端的兼容性是其主要优势之一。 无论您使用什么操作系统或您喜欢哪种输出格式，您都可以依靠 Matplotlib 来运行。