python中matplotlib的颜色以及形状实例详解
目录
绘制折线图
绘制柱形图
簇状柱形图
堆积柱形图
散点图
附：matplotlib实现区域颜色填充
总结
绘制折线图命令形如：
# 常用
plt.plot(x, y, linewidth = '1', label = "test", color=' red ', linestyle=':', marker='|')
# 所有可选参数
plt.plot(x,y,color,linestyle=,linewidth,marker,markeredgecolor,markeredgwidth,markerfacecolor,markersize,label)
plt.legend(loc='upper left')
plt.show()
主要参数详解：
线条形式（linestyle）：
| ‘-’ | “solid” | 实线 |
| ‘–’ | “dashed” | 破折线 |
| ‘-.’ | “dashdot” | 点划线 |
| ‘:’ | “dotted” | 虚线 |
| ’ ’ | ‘none’ | 无线条 |
标注形状（marker）：
| ‘.’ | point marker | 点标记 |
| ‘,’ | pixel marker | 像素标记（极小点） |
| ‘o’ | circle marker | 实心圈标记 |
| ‘v’ | triangle_down marker | 倒三角标记 |
| ‘^’ | triangle_up marker | 上三角标记 |
| ‘<’ | triangle_left marker | 左三角标记 |
| ‘>’ | triangle_right marker | 右三角标记 |
| ‘1’ | tri_down marker | 下花三角标记 |
| ‘2’ | tri_up marker | 上花三角标记 |
| ‘3’ | tri_left marker | 左花三角标记 |
| ‘4’ | tri_right marker | 右花三角标记 |
| ‘s’ | square marker | 实心方形标记 |
| ‘p’ | pentagon marker | 实心五角标记 |
| ‘*’ | star marker | 星形标记 |
| ‘h’ | hexagon1 marker | 竖六边形标记 |
| ‘H’ | hexagon2 marker | 横六边形标记 |
| ‘+’ | plus marker | 十字标记 |
| ‘x’ | x marker | x标记 |
| ‘D’ | diamond marker | 菱形标记 |
| ‘d’ | thin_diamond marker | 受菱形标记 |
| ‘|’ | vline marker | 垂直线标记 |
| ‘_’ | hline marker | 水平线标记 |
颜色（color），可用十六进制形式，每两个十六进制数分别代表R、G、B分量，可用如下代码展示所有：
import matplotlib
for name, hex in matplotlib.colors.cnames.items():
print(name, hex)
得所有支持颜色：
cnames = {
'aliceblue': '#F0F8FF',
'antiquewhite': '#FAEBD7',
'aqua': '#00FFFF',
'aquamarine': '#7FFFD4',
'azure': '#F0FFFF',
'beige': '#F5F5DC',
'bisque': '#FFE4C4',
'black': '#000000',
'blanchedalmond': '#FFEBCD',
'blue': '#0000FF',
'blueviolet': '#8A2BE2',
'brown': '#A52A2A',
'burlywood': '#DEB887',
'cadetblue': '#5F9EA0',
'chartreuse': '#7FFF00',
'chocolate': '#D2691E',
'coral': '#FF7F50',
'cornflowerblue': '#6495ED',
'cornsilk': '#FFF8DC',
'crimson': '#DC143C',
'cyan': '#00FFFF',
'darkblue': '#00008B',
'darkcyan': '#008B8B',
'darkgoldenrod': '#B8860B',
'darkgray': '#A9A9A9',
'darkgreen': '#006400',
'darkkhaki': '#BDB76B',
'darkmagenta': '#8B008B',
'darkolivegreen': '#556B2F',
'darkorange': '#FF8C00',
'darkorchid': '#9932CC',
'darkred': '#8B0000',
'darksalmon': '#E9967A',
'darkseagreen': '#8FBC8F',
'darkslateblue': '#483D8B',
'darkslategray': '#2F4F4F',
'darkturquoise': '#00CED1',
'darkviolet': '#9400D3',
'deeppink': '#FF1493',
'deepskyblue': '#00BFFF',
'dimgray': '#696969',
'dodgerblue': '#1E90FF',
'firebrick': '#B22222',
'floralwhite': '#FFFAF0',
'forestgreen': '#228B22',
'fuchsia': '#FF00FF',
'gainsboro': '#DCDCDC',
'ghostwhite': '#F8F8FF',
'gold': '#FFD700',
'goldenrod': '#DAA520',
'gray': '#808080',
'green': '#008000',
'greenyellow': '#ADFF2F',
'honeydew': '#F0FFF0',
'hotpink': '#FF69B4',
'indianred': '#CD5C5C',
'indigo': '#4B0082',
'ivory': '#FFFFF0',
'khaki': '#F0E68C',
'lavender': '#E6E6FA',
'lavenderblush': '#FFF0F5',
'lawngreen': '#7CFC00',
'lemonchiffon': '#FFFACD',
'lightblue': '#ADD8E6',
'lightcoral': '#F08080',
'lightcyan': '#E0FFFF',
'lightgoldenrodyellow': '#FAFAD2',
'lightgreen': '#90EE90',
'lightgray': '#D3D3D3',
'lightpink': '#FFB6C1',
'lightsalmon': '#FFA07A',
'lightseagreen': '#20B2AA',
'lightskyblue': '#87CEFA',
'lightslategray': '#778899',
'lightsteelblue': '#B0C4DE',
'lightyellow': '#FFFFE0',
'lime': '#00FF00',
'limegreen': '#32CD32',
'linen': '#FAF0E6',
'magenta': '#FF00FF',
'maroon': '#800000',
'mediumaquamarine': '#66CDAA',
'mediumblue': '#0000CD',
'mediumorchid': '#BA55D3',
'mediumpurple': '#9370DB',
'mediumseagreen': '#3CB371',
'mediumslateblue': '#7B68EE',
'mediumspringgreen': '#00FA9A',
'mediumturquoise': '#48D1CC',
'mediumvioletred': '#C71585',
'midnightblue': '#191970',
'mintcream': '#F5FFFA',
'mistyrose': '#FFE4E1',
'moccasin': '#FFE4B5',
'navajowhite': '#FFDEAD',
'navy': '#000080',
'oldlace': '#FDF5E6',
'olive': '#808000',
'olivedrab': '#6B8E23',
'orange': '#FFA500',
'orangered': '#FF4500',
'orchid': '#DA70D6',
'palegoldenrod': '#EEE8AA',
'palegreen': '#98FB98',
'paleturquoise': '#AFEEEE',
'palevioletred': '#DB7093',
'papayawhip': '#FFEFD5',
'peachpuff': '#FFDAB9',
'peru': '#CD853F',
'pink': '#FFC0CB',
'plum': '#DDA0DD',
'powderblue': '#B0E0E6',
'purple': '#800080',
'red': '#FF0000',
'rosybrown': '#BC8F8F',
'royalblue': '#4169E1',
'saddlebrown': '#8B4513',
'salmon': '#FA8072',
'sandybrown': '#FAA460',
'seagreen': '#2E8B57',
'seashell': '#FFF5EE',
'sienna': '#A0522D',
'silver': '#C0C0C0',
'skyblue': '#87CEEB',
'slateblue': '#6A5ACD',
'slategray': '#708090',
'snow': '#FFFAFA',
'springgreen': '#00FF7F',
'steelblue': '#4682B4',
'tan': '#D2B48C',
'teal': '#008080',
'thistle': '#D8BFD8',
'tomato': '#FF6347',
'turquoise': '#40E0D0',
'violet': '#EE82EE',
'wheat': '#F5DEB3',
'white': '#FFFFFF',
'whitesmoke': '#F5F5F5',
'yellow': '#FFFF00',
'yellowgreen': '#9ACD32'}
可用如下代码展示具体颜色：
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import matplotlib.colors as colors
import math
fig = plt.figure()
ax = fig.add_subplot(111)
ratio = 1.0 / 3.0
count = math.ceil(math.sqrt(len(colors.cnames)))
x_count = count * ratio
y_count = count / ratio
x = 0
y = 0
w = 1 / x_count
h = 1 / y_count
for c in colors.cnames:
pos = (x / x_count, y / y_count)
ax.add_patch(patches.Rectangle(pos, w, h, color=c))
ax.annotate(c, xy=pos)
if y >= y_count-1:
x += 1
y = 0
else:
y += 1
plt.show()
得下图
plot.bar(x,height,width=0.8,bottom=None,align='center',color,edgecolor)
| x | 表示在什么位置显示柱形图 |
| height | 柱子高度 |
| width | 每根柱子的宽度，可各不相同 |
| bottom | 每根柱子的底部位置，可各不相同 |
| align | 柱子的位置与x值的关系，可选center、edge两个参数，center表示柱子位于x值的中心位置，edge表示边缘位置 |
| color | 柱子颜色 |
| edgecolor | 柱子边缘的颜色 |
例：
plt.subplot(1,1,1)
x = np.array(["东区","西区","南区","北区"])
y = np.array([8566,6482,5335,7310])
plt.bar(x,y,width=0.5,align="center",label="任务量")
plt.title("全国各分区任务量",loc="center")
# 添加数据标签
for a,b in zip(x,y):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="r")
plt.xlabel('分区')
plt.ylabel('任务量')
plt.legend() #显示图例
#保存到本地
#plt.savefig("C:/Users/.../1.jpg")
plt.subplot(1,1,1)
x = np.array([1,2,3,4])
y1 = np.array([8566,6482,5335,7310])
y2 = np.array([4283,2667,3655,3241])
plt.bar(x,y1,width=0.3,label="任务量")
plt.bar(x+0.3,y2,width=0.3,label="完成量") #x+0.3相当于完成量的每个柱子右移0.3
plt.title("全国各分区任务量",loc="center")
# 添加数据标签
for a,b in zip(x,y1):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="blue")
for a,b in zip(x,y2):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="g")
plt.xlabel('区域')
plt.ylabel('任务情况')
#设置x轴刻度值
plt.xticks(x+0.15,["东区","西区","南区","北区"])
plt.grid(False)
plt.legend() #显示图例
plt.subplot(1,1,1)
x = np.array(["东区","西区","南区","北区"])
y1 = np.array([8566,6482,5335,7310])
y2 = np.array([4283,2667,3655,3241])
plt.bar(x,y1,width=0.3,label="任务量")
plt.bar(x,y2,width=0.3,label="完成量")
plt.title("全国各分区任务量",loc="center")
# 添加数据标签
for a,b in zip(x,y1):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="blue")
for a,b in zip(x,y2):
plt.text(a,b,b,ha='center',va="bottom",fontsize=12,color="g")
plt.xlabel('区域')
plt.ylabel('任务情况')
plt.grid(False)
plt.legend(loc = "upper center",ncol=2)
plt.scatter(x,y,s,c,marker,linewidths,edgecolors)
| （x，y） | 散点的位置 |
| s | 每个点的面积，即散点的大小。若只有一个具体值时，则所有点的大小都一样。也可呈现多个值，这样就成了气泡图 |
| c | 每个点的颜色，可多样 |
| marker | 标记，同折线图中marker |
| linewidths | 散点线宽 |
| edgecolors | 散点外轮廓的颜色 |
colors = y*10
area = y*100 #根据y值的大小生成不同形状
plt.scatter(x,y,c=colors,marker="o",s=area)
plt.title("销量关系图",loc="center")
# 添加数据标签
for a,b in zip(x,y):
plt.text(a,b,b,ha='center',va="center",fontsize=10,color="white")
plt.xlabel('气温')
plt.ylabel('啤酒销量')
plt.grid(False)
'''
学习python
'''
import matplotlib.pyplot as plt
import numpy as np
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)
plt.fill(x,y1,'b',alpha=0.5)
plt.fill(x,y2,'r',alpha=0.3)
plt.fill_between(x,y1,y2,facecolor='green')
plt.grid(True)
plt.show()
#########################################################
plt.plot(x,y1,'b',alpha=0.5)
plt.plot(x,y2,'r',alpha=0.3)
#添加条件
#如果数据点比较少的情况下，会有缝隙出现，使用interpolate可以填充缝隙
plt.fill_between(x,y1,y2,where=y1>=y2,facecolor='green',interpolate=True)
plt.fill_between(x,y1,y2,where=y2>y1,facecolor='yellow',interpolate=True)
plt.grid(True)
plt.show()
###########################################################
n = 256
X = np.linspace(-np.pi, np.pi, n, endpoint=True)
Y = np.sin(2 * X)
plt.plot(X, Y + 1, color='blue', alpha=1.00)
plt.fill_between(X, 1, Y + 1, color='blue', alpha=.25)
plt.plot(X, Y - 1, color='blue', alpha=1.00)
plt.fill_between(X, -1, Y - 1, (Y - 1) > -1, color='blue', alpha=.25)
plt.fill_between(X, -1, Y - 1, (Y - 1) < -1, color='red', alpha=.25)
plt.xlim(-np.pi, np.pi)
plt.xticks(())
plt.ylim(-2.5, 2.5)
plt.yticks(())
总结
到此这篇关于python中matplotlib的颜色以及形状的文章就介绍到这了,更多相关python matplotlib颜色及形状内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！
