文章目录

• 1. 什么是Matplotlib
• 2. 安装和基本使用
• 3.点线缩写和颜色的选择
• 4. 设置图的信息
  *
• 4.1 设置线条样式的方法
• 4. 2 设置轴和标题
  -
  • 4.2.1 设置轴名称
  • 4.2.2 设置标题
  • 4.2.3 设置 x 轴和 y 轴的刻度
  • 4.2.4 复仇者联盟电影票房案例
  • 小结
• 5. 设置文本注释和marker
  *
• 5.1 设置marker
• 5.2 设置注释文本
• 小结
• 6. 设置图形样式
  *
• 6.1 调整图片的大小和像素
• 6.2 显示图片的网格
• 6.3 绘制多个图
  -
  • 6.3.1 绘制多根折线
  • 6.3.2 绘制多个子图
  • 小结
• 6.4 风格设置
• 我将月亮缝入躯体，葬自我于山谷，如果那一天野花疯长，那便是我在讲

1. 什么是Matplotlib

Matplotlib 是一个 Python 的 2D 绘图库，通过 Matplotlib ，开发者可以仅需要几行代码，便可以生成折线图，直方图，条形图，饼状图，散点图等。

2. 安装和基本使用

安装很简单。

如果是用的自己安装的python解释器，那直接pip install matplotlib就可以安装。

如果是用 Anaconda ，可以通过 conda install matplotlib ，也可以通过 pip install matplotlib 进行安装。

基本使用，首先先看以下例子：

import matplotlib.pyplot as plt
import numpy as np

y1 = [np.random.randint(0,10) for x in range(20)]
x1 = range(5,25)
plt.plot(x1,y1)

在jupyter里面运行就会出现以下图：

在pycharm里面这个要加上plt.show()才可以出图：

所以做数据分析建议最好还是用交互式的jupyter noterbok，它既简洁又能保存中间结果，看起来也更直观方便。

3.点线缩写和颜色的选择

import matplotlib.pyplot as plt
import numpy as np

y1 = [np.random.randint(0,10) for x in range(20)]
x1 = range(5,25)
plt.plot(x1,y1)

下面我们再看一下这段代码，其中 plot 是一个画图的函数，它的参数为 plot([x],y,[fmt],data=None,**kwargs)。其中 fmt 可以传一个字符串，用来给这个图做一些样式修改的。默认的绘制样式是 b- ，也就是蓝色实体线条。b就是英文blue蓝色的缩写。

点线缩写还有以下的：

除了设置线的形状外，还可以设置点的颜色。通常，有三种方法可以设置线条的颜色：

1. 第一种是使用颜色名称（ r 是 red 的缩写）的形式；
2. 第二种是使用十六进制的方式；
3. 第三种是使用 RGB 或 RGBA 的方式。

示例：

plt.plot([1,2,3,4,5],[1,2,3,4,5],'r') #将颜色线条设置成红色
plt.plot([1,2,3,4,5],[1,2,3,4,5],color='red') #将颜色设置成红色

plt.plot([1,2,3,4,5],[1,2,3,4,5],color='#000000') #将颜色设置成纯黑色
plt.plot([1,2,3,4,5],[1,2,3,4,5],color=(0,0,0,0)) #将颜色设置成纯黑色

最简单的还是第一种，其他的还得查RGB颜色对照表，虽然颜色种类更多，但如果没有必要，还是简单的用颜色名称这种方法更好记：

如果您使用的是颜色名称，则可以将其写入与线条形状相同的字符串中。例如，如果使用红色五角点，则可以通过以下方式完成：

因此，如果我想要将原始图片的线条更改为红色虚线，则可以通过以下代码完成：

y1 = [np.random.randint(0,10) for x in range(20)]
x1 = range(5,25)
plt.plot(x1,y1,"--",color='r')

小结：

1. plt.plot可以只传Y轴的值，如果只传Y轴的值，那么X轴就会默认使用range(0,Y的长度)
2. plt.plot的x和y参数不能够作为关键字参数来传递，只能作为位置参数来传。
3. plt.plot中的data参数可以为一个字典或者DataFrame对象，然后在x和y上指定这个列的名字，那么plot会自动读取。这里有一个细节，因为x,y,fmt都是在前面，所以如果只传x和y，那么可能会产生歧义，这时候我们可以多传一个空的参数作为fmt的参数，就不会有警告了。
4. plt.plot的fmt参数可以设置线条的样式以及颜色。
5. plt.plot的color参数可以使用字母、十六进制，或者是RGBA的方式来设置颜色。
6. plt.plot函数的官方文档

4. 设置图的信息

现在我们添加图后，没有指定x轴代表什么，y轴代表什么，以及这个图的标题是什么。因此以下我们通过一些属性来设置一下。

4.1 设置线条样式的方法

1. 使用 plot 方法：

plot 方法就是用来绘制线条的，因此可以在绘制的时候就把线条相关的样式通过参数传进去。

示例如下：

y = [np.random.randint(0,10) for x in range(10)]
plt.plot(y,lw=4,c='r',ls='--',aa=True)

比如linewidth表示线的宽度，简写为lw；
c就是颜色color的首字母，r就是红色red
ls即linestyle，表示点线格式，我们这里用虚线展示。

1. 通过 Line2D 对象来设置：

plot 方法会返回一个装有 Line2D 对象的列表，比如 lines=plt.plot(x1,y1,x2,y2) 因为绘制了两根线条，因此 lines 中会有两个 2D 对象。而如果 plot 只绘制一根线条，那么 lines 中就只有一个 Line2D 对象。拿到这个 Line2D 对象后就可以通过 set_属性名 设置线条的样式了

示例：

y1 = [np.random.randint(0,10) for x in range(10)]
y2 = [np.random.randint(0,10) for x in range(10)]
lines = plt.plot(range(10),y1,range(10),y2)
line = lines[0]
line.set_color('r')
line.set_linewidth(4)
line.set_alpha(0.5)

3. 使用 plt.setp 来设置： setp 的好处是一次性可以设置多根线条的样式。
示例代码如下：

y1 = [np.random.randint(0,10) for x in range(10)]
y2 = [np.random.randint(0,10) for x in range(10)]
lines = plt.plot(range(10),y1,range(10),y2)
plt.setp(lines,linewidth=4)

小结：

1. 使用plot绘图的时候，就可以传递Line2D的属性值进去，来修改线条的样式。
2. 使用plot返回的线条，单独去设置也可以，但是单独设置的时候，是通过set_Line2D属性名()的方式来设置的。
3. 使用plt.setp来一次性设置多个线条的样式。

4. 2 设置轴和标题

4.2.1 设置轴名称

可以通过 plt.xlabel 和 plt.ylabel 来设置 x 轴和 y 轴的的名称。
示例代码如下：

 plt.plot(x,y,linewidth=10,color='red')
 plt.xlabel("x轴")
 plt.ylabel("y轴")

默认情况下是显示不了中文的。需要设置字体。

在windows中要使用中文坐标轴的话，需要调用电脑中的字体,可以通过以下代码来实现：

# 加载字体
 font = font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")
 plt.plot(x,y,linewidth=10,color='red')
 plt.xlabel("x轴",fontproperties=font)
 plt.ylabel("y轴",fontproperties=font)

加载字体的时候，可以到 C:\Windows\Fonts 中找你喜欢的并且可以显示中文的字体。找到字体后，还需要找到字体的真实名称。
方法是右键->属性->安全->对象名称：

4.2.2 设置标题

可以通过 plt.title 方法来实现，比如设置中文标题，示例1：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import font_manager

y = [np.random.randint(10) for x in range(10)]
font = font_manager.FontProperties(fname=r"C:\\Windows\\Fonts\\msyh.ttc",size=20)
plt.plot(y)
plt.title("折线图",fontproperties=font)

4.2.3 设置 x 轴和 y 轴的刻度

之前我们画的图， x 轴和 y 轴的刻度都是 matplotlib 自动生成的。
如果想要在生成图的时候手动的指定，那么可以通过 plt.xticks 和 plt.yticks 来实现：

plt.xticks(range(0,20,2)) #在x轴上的刻度是0,2,4,6...20

以上会把那个刻度显示在 x 轴上。如果想要显示字符串类型，那么可以再构造一个数组，这个数组的长度必须和 x 轴刻度的长度保持一致。然后传给 xticks 的第二个参数。示例代码如下：

_x = range(0,20,2)
_xticks = ["%d坐标"%i for i in _x]
plt.xticks(_x,_xticks,fontproperties=font) #在x轴上的刻度是0坐标,2坐标...20坐标

同样 y 轴的刻度设置也是一样的,将xticks换成yticks即可。

4.2.4 复仇者联盟电影票房案例

实例展示， 复仇者联盟电影票房案例：

avenger = [17974.4,50918.4,30033.0,40329.1,52330.2,19833.3,11902.0,24322.6,47521.8,32262.0,22841.9,12938.7,4835.1,3118.1,2570.9,2267.9,1902.8,2548.9,5046.6,3600.8]
plt.figure(figsize=(15,5))
plt.plot(avenger,marker="o")
font.set_size(10)
plt.xticks(range(20),["第%d天"%x for x in range(1,21)],fontproperties=font)
plt.xlabel("天数",fontproperties=font)
plt.ylabel("票房（单位：万）",fontproperties=font)
plt.title("复仇者联盟前20天票房数据",fontproperties=font)
plt.grid(True)
plt.show()

小结

1. 标题是通过plt.title来设置的。
2. 刻度是通过xticks和yticks来设置的。xticks和yticks需要传递两个参数，第一个参数ticks不重要，只要跟数据量保持一致就可以了，比如有20个数据，那么只要产生20个数据的数组或者列表都可以，第二个参数labels是用来设置每个刻度上的文本显示，这个就比较重了。
3. 轴的名称是通过xlabel和ylabel来设置的。
4. 默认plot是不支持中文的，如果想要支持中文，那么应该创建一个字体对象matplotlib.font_manager.FontProperties，然后指定fname参数，需要具体的路径。这里还有一个小细节，拷贝出来的字体的字符串，前面有一个乱码，要把那个乱码删掉。获取字体路径的方式：右键->属性->安全->对象名称。

5. 设置文本注释和marker

5.1 设置marker

有时候，我们想要在一些关键点上重点标记出来。那么我们可以通过设置 marker 来实现。示例代码如下：

x = np.linspace(0,20)
y = np.sin(x)
plt.plot(x,y,marker="o")

我们设置了 marker 为 o ，这样就是会在 (x,y) 的坐标点上显示出来，并且显示的是圆点。其中 o 跟之前的线条样式的简写是一样的。另外，还可以通过 markerfacecolor 属性
和 markersize 来指定标记点的颜色和大小。示例代码如下：

# 以下设置标记点的颜色为黑色，尺寸为10
plt.plot(x,y,marker="o",markerfacecolor='k',markersize=10)

5.2 设置注释文本

有时候需要在图形中的某个点标记或者注释一下。那么我们可以使用 plt.annotate(text,xy,xytext,arrowprops={})来实现，其中 text是注释的文本， xy是需要注释的点的坐标， xytext是注释文本的坐标， arrowprops 是箭头的样式属性。示例代码如下：

y = np.sin(np.arange(20))
plt.plot(y,marker='o')
# plt.annotate("(0,0)",xy=(0,0),xytext=(-0.5,-0.8),arrowprops={"width":10,"headwidth":16,"headlength":20,"shrink":0.3,"facecolor":"r","edgecolor":"y"})
for index,value in enumerate(y):
    plt.annotate("(%d,%.2f)"%(index,value),xy=(index,value),xytext=(index-0.1,value-0.1))
plt.show()
# plt.savefig("./a.png") # 保存图片

小结

1. plt.plot的时候，可以通过marker参数设置坐标点的样式。markerfacecolor代表的是点的颜色，markeredgecolor代表的是点的边界的颜色，markersize代表的是点的大小。
2. plt.annotate(text,xy,xytext,arrowprops)是用来做文本注释的，text代表的是需要注释的文本，xy代表的是需要注释的坐标点，xytext代表的是文本的坐标点，arrowprops代表的是箭头的一些属性。
3. annotate的官方文档

6. 设置图形样式

6.1 调整图片的大小和像素

如果想要调整图片的大小和像素，可以通过 plt.figure(num=None, figsize=None, dpi=None,facecolor=None, edgecolor=None, frameon=True)来实现。

其中 num 是图的编号， figsize 的单位是英寸， dpi是每英寸的像素点， facecolor 是图片背景颜色， edgecolor 是边框颜色， frameon 代表是否绘制画板。
示例代码如下：

plt.figure(figsize=(10,5),facecolor="r",edgecolor="k",linewidth=2,dpi=200,frameon=True)
plt.plot(np.arange(5,20))
# plt.savefig("./x.png")

6.2 显示图片的网格

我们也可以使用 grid 方法，来显示图片的网格：

plt.figure(figsize=(10,5),facecolor="r",edgecolor="k",linewidth=2,dpi=200,frameon=True)
plt.plot(np.arange(5,20))
plt.grid()

6.3 绘制多个图

绘制多个图形有两种形式，一是在一幅图中画多条线，二是画多个子图形。

以下分别进行讲解。

6.3.1 绘制多根折线

绘制多根线条，只要准备好坐标，重新使用 plt.plot 绘制即可。示例代码如下：

x = np.linspace(0,20)
plt.plot(x,np.sin(x))
plt.plot(x,np.cos(x))

6.3.2 绘制多个子图

绘制子图的时候，我们可以使用 plt.subplot 或 plt.subplots 来实现。示例代码如下：

plt.subplot(221)
plt.plot(np.arange(10),c='r')
plt.subplot(222)
plt.plot(np.sin(np.arange(10)),c='b')
plt.subplot(223)
plt.plot(np.cos(np.arange(10)),c='y')
plt.subplot(224)
plt.plot(np.tan(np.arange(10)),c='g')

其中 subplot 中的 221 和 222 分别代表的意思是，第一个数表示这个大图中总共有 2 行，第二个数表示总共有 2 列，然后第三个数表示当前绘制第几个图。

也可以使用 fig,axs=plt.subplots(rows,cols,args,*kwargs) 来绘制多个图形，返回值是一个元组，其中的 fig 参数是 figure 对象， axs 是 axes 对象的 array 。示例代码如下：

values = np.linspace(0,20)
plt.style.use("seaborn")
fig,axes = plt.subplots(2,2,sharex=True) #Axes
ax1 = axes[0,0]
ax1.plot(values)
ax2 = axes[0,1]
ax2.plot(np.sin(values),c='y')
ax3 = axes[1,0]
ax3.plot(np.cos(values),c='b')
ax4 = axes[1,1]
ax4.plot(np.tan(values),c='g')

使用 subplot 和 subplots 都可以传递 sharex/sharey 参数，这两个参数表示是否需要共享X轴和Y轴。示例代码如下：

figure,axes = plt.subplots(2,2,sharex=True,sharey=True)
axes[0,0].plot(np.sin(np.arange(10)),c='r')
axes[0,1].plot(np.cos(np.arange(10)),c='b')
axes[1,0].plot(np.tan(np.arange(10)),c='y')
axes[1,1].plot(np.arange(10),c='g')

小结

1. 如果想要在一个图上绘制多根折线，那么直接在plot中传递多个x和y就可以了，或者调用多次plot方法就可以了。
2. 如果想要在一个画板上绘制多个子图（Axes对象），那么可以使用plt.subplot或plt.subplots方法。
3. plt.subplot：plt.subplot(221)，第一个数字代表行，第二个数字代表列，第三个数字代表当前第几个子图。使用了subploth后绘制的所有东西都是在当前子图上，指导出现了新的subplot。
4. plt.subplots：fig,axes = plt.subplots(2,2,sharex=True)，第一个代表行，第二个代表列，这个方法是一次性把所有的子图都绘制了，但是在子图上没有任何的东西，我们需要使用他的返回值来绘制，axes就是子图的对象。

6.4 风格设置

matplotlib 图片默认内置了几种风格。我们可以通过 plt.style.available 来查看内置的所有风格:

在绘制的时候，可以使用 plt.style.use 方法来使用不同的风格。示例代码如下：

plt.style.use("dark_background")
figure,axes = plt.subplots(2,2,sharex=True,sharey=True)
axes[0,0].plot(np.sin(np.arange(10)),c='r')
axes[0,1].plot(np.cos(np.arange(10)),c='b')
axes[1,0].plot(np.tan(np.arange(10)),c='y')
axes[1,1].plot(np.arange(10),c='g')

我将月亮缝入躯体，葬自我于山谷，如果那一天野花疯长，那便是我在讲

文章到此结束，希望这篇文章能对大家有一点帮助，欢迎三家公司，点赞，收藏藏品，如果有问题，随时打我，我有故事，你有酒，好沟通，别分手！哈哈!下次见!

Original: https://blog.csdn.net/weixin_44327634/article/details/123523501
Author: 冰履踏青云
Title: Matplotlib的基本使用

相关阅读

Title: tensorflow：查看tensorflow版本号、查看cuda版本、查看cudnn版本、查看GPU可用性、查看cuda可用性

1 查看tensorflow版本

1.1 进入对应的环境

打开终端、进入对应的虚拟环境，我的是tensorflow1140cuda100

conda activate tensorflow1140cuda100

1.2 打开Python

python

1.3 查看tensorflow版本、安装路径

import tensorflow as tf
tf.__version__
print(tf.__version__)
tf.__path__
print(tf.__path__)

2 查看cuda版本、查看cudnn版本

2.1 进入对应的环境

打开终端、进入对应的虚拟环境，我的是tensorflow1140cuda100

conda activate tensorflow1140cuda100

2.2 输入命令，查看cuda版本、cudnn版本

conda list | grep cuda

3 查看GPU可用性

3.1 进入对应的环境

打开终端、进入对应的虚拟环境，我的是tensorflow1140cuda100

conda activate tensorflow1140cuda100

3.2 打开Python

python

3.3 查看GPU可用性

import tensorflow as tf
print(tf.test.is_gpu_available())

4 查看cuda可用性

4.1 进入对应的环境

打开终端、进入对应的虚拟环境，我的是tensorflow1140cuda100

conda activate tensorflow1140cuda100

4.2 打开Python

python

4.3 查看cuda可用性

import tensorflow as tf

tf.test.is_built_with_cuda()
print(tf.test.is_built_with_cuda())

Original: https://blog.csdn.net/shaqilaixi2/article/details/121777180
Author: C系语言
Title: tensorflow：查看tensorflow版本号、查看cuda版本、查看cudnn版本、查看GPU可用性、查看cuda可用性