行使matplotlib举行数据可视化

痞子衡嵌入式：恩智浦i.MX RT1xxx系列MCU启动那些事（11.3）- FlexSPI NOR连接方式大全(RT1010)

matplotlib是python中的一个画图库，继续了matlib（从名字上也看得出来）的长处和语法，所以关于熟习matlib的用户来讲是非常友爱的。

pylab和pyplot

关于pylab和pyplot，人们做过不少的议论。这两个模块有哪些差别呢？pylab模块跟matplotlib一同装置，而pyplot则是matplotlib的内部模块。二者的导入要领有所差别，可选择个中一种举行导入。

from pylab import *
#或
import matplotlib.pyplot as plt
import numpy as np

pylab在统一定名空间整合了pyplot和Numpy的功用，因而无需再零丁导入Numpy。更进一步来讲，导入pylab后，pyplot和Numpy的函数就能够够直接挪用，而不必再指定其所属模块（定名空间），从而使得matplotlib开发环境更像是Matlab。

plot(x,y)
array([1,2,3,4])
#而不必指定模块称号
plt.plot()
np.array([1,2,3,4])

大多状况下，我们更愿意运用pyplot模块。

线状图

这里我运用jupyter来举行演示

ipython qtconsole --matplotlib inline

用matplotlib生成这个图表很简单，一行代码就能够搞定

plt.plot([1,2,3,4])
plt.show()

如图所示，生成了一个Line2D对象。该对象为一条直线，它示意图表中各数据点的线性延长趋向。我们能够看出，列表中的数据直接被作为y轴的值展现了出来，x周是从0入手下手的，所以我们要看一个数据的折线图，只用输入一个list即可。

但我们能够看出这个图大概还很大略，比方有以下几个问题：

• y轴显现为啥是0.5为步长距离，我想以1为步长距离
• 我想掌握x轴展现的值，而不是从0入手下手
• 图太小了，可否掌握大小
• x轴和y轴字太小了，可否掌握大小
• 给x轴和y轴命个名吧
• 没有网格看不清
• 没有图例
• 给线状图标上点
• 我想保留图片到当地
• 怎样画子图呢

接下来我们就一个一个处理。

1.设置x轴和y轴步长距离

掌握x轴，y轴显现的值，有两个参数

• xticks(ticks, [labels], **kwargs)
• yticks(ticks, [labels], **kwargs)
  • ticks：掌握显现的位置，也就是显现那几个值，这几个值必须在y值数据的局限内，这里也就是[1，4]这个局限。
  • [labels]：掌握显现在对应位置的值，能够是数也能够是字符。

y = [1,2,3,4]
step = 1
plt.yticks([i for i in y if i%step == 0]) 
plt.plot(y)

2.x轴展现的值

这里展现了坐标轴显现字符的状况。

注重第五行，我改成了[1,2,3,3.5,4]，所以显现出来就多了个3.5。

y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["强盛","民主","文化","调和"]
plt.xticks(scale_ls,index_ls)
plt.yticks([1,2,3,3.5,4])
plt.plot(y)

3.掌握图表大小

掌握图表的大小要用到的几个要领

• rcParams：这个参数是用来设置一些设置参数的，比方这里我就用到了大小和dpi
  • figure.figsize：掌握大小，参数为一个二元组(x,y)，即长、宽
  • figure.dpi：掌握dpi

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["强盛","民主","文化","调和"]
plt.xticks(scale_ls,index_ls)
plt.yticks([1,2,3,3.5,4])
plt.plot(y)

这里能够看出更大更清楚了

4.调治x轴和y轴字体大小

这里掌握字体大小用到的也是xticks和yticks，只不过运用到了fontsize参数。

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["强盛","民主","文化","调和"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.plot(y)

5.给x轴和y轴加上名字

运用

• xlabel(str,fontsize=int )
• ylabel(str,fontsize=int )

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["强盛","民主","文化","调和"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.xlabel("中心价值观", fontsize=20)
plt.ylabel("次序", fontsize=20)
plt.plot(y)

6.加上网格

• plt.grid(True)，加上横纵两种网格。
• plt.grid(True,axis="x"),加上x轴网格。

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["强盛","民主","文化","调和"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.xlabel("中心价值观", fontsize=20)
plt.ylabel("次序", fontsize=20)
plt.grid(True,axis="both")
plt.plot(y)

7.加上图例

运用legend要领，内里有这么几个参数

• handles：代表运用的是那几个曲线的对象
• labels：代表对应的图例笔墨
• loc：安排的位置
• prop：分外参数，比方size，掌握图例大小

t = np.arange(0, 2.5, 0.01)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)
l1, = plt.plot(list(y1))
l2, = plt.plot(list(y2))
plt.legend(handles = [l1, l2], labels = ['Sin', 'Cos'], loc = 'best', prop={'size': 20})

8.给线状图标点

只用在plot到场参数marker 即可

t = np.arange(0, 2.5, 0.1)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)
l1, = plt.plot(list(y1), marker = "o")
l2, = plt.plot(list(y2), marker = "*")
plt.legend(handles = [l1, l2], labels = ['Sin', 'Cos'], loc = 'best', prop={'size': 20})

9.保留图片到当地

只用在末了运用savefig 要领

plt.savefig('test.png',dpi=400)

10.画子图

这里运用到了subplot要领

他有三个参数，分别为

• 几行
• 几列
• 第几个

举个栗子

1. subplot(2,2,1) 2行2列（即子图排列为田字格外形）第一个
2. subplot(2,1,2) 2行1列（即子图排列为纵向两个图外形）第二个

t = np.arange(0, 2.5, 0.1)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)

plt.subplot(2, 1, 1)
plt.title("Sin", fontsize=20)
l1, = plt.plot(list(y1), marker = "o")

plt.subplot(2, 1, 2)
plt.title("Cos", fontsize=20)
l2, = plt.plot(list(y2), marker = "*")

这里我还运用到了title要领，给对应图表加上了标题。

Magisk了解以及简单的模块制作