python畫圖橫軸縱軸等比例

Ⅰ 用python畫圖

今天開始琢磨用Python畫圖，沒使用之前是一臉懵的，我使用的開發環境是Pycharm，這個輸出的是一行行命令，這個圖畫在哪裡呢？

搜索之後發現，它會彈出一個對話框，然後就開始畫了，比如下圖

第一個常用的庫是Turtle，它是Python語言中一個很流行的繪制圖像的函數庫，這個詞的意思就是烏龜，你可以想像下一個小烏龜在一個x和y軸的平面坐標系裡，從原點開始根據指令控制，爬行出來就是繪制的圖形了。

  它最常用的指令就是旋轉和移動，比如畫個圓，就是繞著圓心移動；再比如上圖這個怎麼畫呢，其實主要就兩個命令：

turtle.forward(200)

turtle.left(170)

第一個命令是移動200個單位並畫出來軌跡

第二個命令是畫筆順時針轉170度，注意此時並沒有移動，只是轉角度

然後呢？ 循環重復就畫出來這個圖了

好玩吧。

有需要仔細研究的可以看下這篇文章 https://blog.csdn.net/zengxiantao1994/article/details/76588580 ，這個牛人最後用這個庫畫個移動的鍾表，太贊了。

Turtle雖好玩，但是我想要的是我給定數據，然後讓它畫圖，這里就找到另一個常用的畫圖的庫了。

Matplotlib是python最著名的繪圖庫，它提供了一整套和matlab相似的命令API，十分適合互動式地行制圖。其中，matplotlib的pyplot模塊一般是最常用的，可以方便用戶快速繪制二維圖表。

使用起來也挺簡單，

首先import matplotlib.pyplot as plt 導入畫圖的圖。

然後給定x和y，用這個命令plt.plot(x, y)就能畫圖了，接著用plt.show()就可以把圖形展示出來。

接著就是各種完善，比如加標題，設定x軸和y軸標簽，范圍，顏色，網格等等，在 https://blog.csdn.net/guoziqing506/article/details/78975150 這篇文章里介紹的很詳細。

現在互聯網的好處就是你需要什麼內容，基本上都能搜索出來，而且還是免費的。

我為什麼要研究這個呢？當然是為了用，比如我把比特幣的曲線自己畫出來可好？

假設現在有個數據csv文件，一列是日期，另一列是比特幣的價格，那用這個命令畫下：

這兩列數據讀到pandas中，日期為df['time']列，比特幣價格為df['ini']，那我只要使用如下命令

plt.plot(df['time'], df['ini'])

plt.show()

就能得到如下圖：

自己畫的是不是很香，哈哈！

然後呢，我在上篇文章 https://www.jianshu.com/p/d4013d8a73de 中介紹過求Ahr999指數，那可不可以也放到這張圖中呢？不就是加一條命令嘛

plt.plot(df['time'], df['Ahr999'])

圖形如下：

但是，Ahr999指數怎麼就一條線不動啊， 原來兩個Y軸不一致，顯示出來太怪了，需要用多Y軸，問題來了。

繼續谷歌一下，把第二個Y軸放右邊就行了，不過呢得使用多圖，重新繪制

fig = plt.figure() # 多圖

ax1 = fig.add_subplot(111)

ax1.plot(df['time'], df['ini'], label="BTC price")  # 繪制第一個圖比特幣價格

ax1.set_ylabel('BTC price') # 加上標簽

# 第二個直接對稱就行了

ax2 = ax1.twinx()# 在右邊增加一個Y軸

ax2.plot(df['time'], df['Ahr999'], 'r', label="ahr999")  # 繪制第二個圖Ahr999指數，紅色

ax2.set_ylim([0, 50])# 設定第二個Y軸范圍

ax2.set_ylabel('ahr999')

plt.grid(color="k", linestyle=":")# 網格

fig.legend(loc="center")#圖例

plt.show()

跑起來看看效果，雖然丑了點，但終於跑通了。

這樣就可以把所有指數都繪制到一張圖中，等等，三個甚至多個Y軸怎麼加？這又是一個問題，留給愛思考愛學習的你。

有了自己的數據，建立自己的各個指數，然後再放到圖形界面中，同時針對異常情況再自動進行提醒，比如要抄底了，要賣出了，用程序做出自己的晴雨表。

Ⅱ 怎樣用python畫圖

思路：

1. 確定好需要畫的圖。

2. 創建一個畫布，用來畫你需要的圖。

（1）畫布大小，可以使用默認大小，也可以自定義畫布大小。

（2）畫布背景色bgcolor()。

（3）確定起點位置。

3. 畫筆的設置。

（1）畫筆的大小，顏色。

（2）畫筆運行屬性。

二、定義畫布參數

importturtleast
t.screensize(width=None,heigh=None,bg=None)#以像素為單位，參數分別為畫布的寬，高，背景色
t.screensize()#返回默認大小（400，300）
t.Screen()#也是表示默認畫布大小，注意S大寫
t.setup(w=0.5,h=0.75,startx=None,starty=None)#w,h為整數是表示像素，為小數時表示占據電腦屏幕的比例
#startx，starty坐標表示矩形窗口左上角頂點的位置，默認為屏幕中心位置

三、定義畫筆

1、畫筆的狀態

在畫布上默認有一個坐標原點為畫布中心的坐標軸，坐標原點上有一隻面朝x軸正方向小烏龜。這里我們描述小烏龜時使用了兩個詞語：坐標原點(位置)，面朝x軸正方向(方向)，turtle繪圖中，就是使用位置方向描述小烏龜(畫筆)的狀態。

2、畫筆的屬性

畫筆(畫筆的屬性，顏色、畫線的寬度)

（1）turtle.pensize()：設置畫筆的寬度；

（2）turtle.pencolor()：沒有參數傳入，返回當前畫筆顏色，傳入參數設置畫筆顏色，可以是字元串如"green"，"red"，也可以是RGB 3元組；

>>>pencolor('brown')
>>>tup=(0.2,0.8,0.55)
>>>pencolor(tup)
>>>pencolor()
'#33cc8c'

（3）turtle.speed(speed)：設置畫筆移動速度，畫筆繪制的速度范圍[0,10]整數，數字越大越快。

相關推薦：《Python入門教程》

3、繪圖命令

操縱海龜繪圖有著許多的命令，這些命令可以劃分為3種：一種為運動命令，一種為畫筆控制命令，還有一種是全局控制命令。

（1）畫筆運動命令：

（3）全局控制命令：

四、命令詳解

turtle.circle(radius,extent=None,steps=None)

描述：以給定半徑畫圓

參數：

radius(半徑)；半徑為正(負),表示圓心在畫筆的左邊(右邊)畫圓；

extent(弧度) (optional)；

steps (optional) (做半徑為radius的圓的內切正多邊形，多邊形邊數為steps)；

舉例：

circle(50)#整圓;
circle(50,steps=3)#三角形;
circle(120,180)#半圓

五、繪圖舉例

（1）菱形太陽花

importturtleast#turtle庫是python的內部庫，直接import使用即可
defdraw_diamond(turt):
foriinrange(1,3):
turt.forward(100)#向前走100步

希望我的回答對你有幫助

Ⅲ python畫圖縱坐標

簡單的可以這樣，舉個例子，數據就直接用圖片中的一部分：

frompylabimport*
fromdatetimeimportdatetime

data_str="""2016-06-15_16:2599.7324
2016-06-15_17:2599.7323
2016-06-15_18:2599.7322
2016-06-15_19:2599.7349
2016-06-15_20:2599.7207"""

lines=data_str.split('
')

X_labels=[]
X=[]
Y=[]
forlineinlines:
xy=line.split()
X_labels.append(xy[0])
X.append(datetime.strptime(xy[0],"%Y-%m-%d_%H:%M"))
Y.append(float(xy[1]))

figure(figsize=(8,6))
plot(X,Y,'b.-')
grid(True)
xticks(X,X_labels,rotation=90)
subplots_adjust(bottom=0.35)
savefig('graph.png')
show()

畫出來效果如上所示。

數據多了的時候有些參數要自己調整一下。

Ⅳ python畫圖：，橫坐標是點數（1到1000），縱坐標是大小不同的數值，即如何用顏色的深淺代表數值的大小

1、首先在python軟體中，創建一個響應滑鼠的自定義函數，當滑鼠在畫布上面點擊一下，就畫一個圓。

Ⅳ python turtle繪圖教程

python turtle繪圖教程如下：

1、使用海龜繪圖首先我們需要導入turtle。

畫布就是turtle展開用於繪圖區域，可以設置它的大小和初始位置。

turtle.screensize(canvwidth=None,canvheight=None,bg=None)，參數分別為畫布的寬(單位像素),高,背景顏色。

在畫布上，默認有一個坐標原點為畫布中心的坐標軸，坐標原點上有一隻面朝x軸正方向小烏龜。這里我們描述小烏龜時使用了兩個詞語：坐標原點(位搏隱置)，面朝x軸正方向(方向)，turtle繪圖中，就是使用位置方向描述小烏龜(畫筆)的狀態。

Ⅵ Python 數據可視化：分類特徵統計圖

上一課已經體驗到了 Seaborn 相對 Matplotlib 的優勢，本課將要介紹的是 Seaborn 對分類數據的統計，也是它的長項。

針對分類數據的統計圖，可以使用 sns.catplot 繪制，其完整參數如下：

本課使用演繹的方式來學習，首先理解這個函數的基本使用方法，重點是常用參數的含義。

其他的參數，根據名稱也能基本理解。

下面就依據 kind 參數的不同取值，分門別類地介紹各種不同類型的分類統計圖。

讀入數據集：

然後用這個數據集制圖，看看效果：

輸出結果：

毫無疑問，這里繪制的是散點圖。但是，該散點圖的橫坐標是分類特徵 time 中的三個值，並且用 hue='kind' 又將分類特徵插入到圖像中，即用不同顏色的的點代表又一個分類特徵 kind 的值，最終得到這些類別組合下每個記錄中的 pulse 特徵值，並以上述圖示表示出來。也可以理解為，x='time', hue='kind' 引入了圖中的兩個特徵維度。

語句 ① 中，就沒有特別聲明參數 kind 的值，此時是使用默認值 'strip'。

與 ① 等效的還有另外一個對應函數 sns.stripplot。

輸出結果：

② 與 ① 的效果一樣。

不過，在 sns.catplot 中的兩個參數 row、col，在類似 sns.stripplot 這樣的專有函數中是沒有的。因此，下面的圖，只有用 sns.catplot 才能簡潔直觀。

輸出結果：

不過，如果換一個叫角度來說，類似 sns.stripplot 這樣的專有函數，表達簡單，參數與 sns.catplot 相比，有所精簡，使用起來更方便。

仔細比較，sns.catplot 和 sns.stripplot 兩者還是稍有區別的，雖然在一般情況下兩者是通用的。

因此，不要追求某一個是萬能的，各有各的用途，存在即合理。

不過，下面的聲明請注意： 如果沒有非常的必要，比如繪制分區圖，在本課中後續都演示如何使用專有名稱的函數。

前面已經初步解釋了這個函數，為了格式完整，這里再重復一下，即 sns.catplot 中參數 kind='strip'。

如果非要將此函數翻譯為漢語，可以稱之為「條狀散點圖」。以分類特徵為一坐標軸，在另外一個坐標軸上，根據分類特徵，將該分類特徵數據所在記錄中的連續值沿坐標軸描點。

從語句 ② 的結果圖中可以看到，這些點雖然縱軸的數值有相同的，但是沒有將它們重疊。因此，我們看到的好像是「一束」散點，實際上，所有點的橫坐標都應該是相應特徵分類數據，也不要把分類特徵的值理解為一個范圍，分散開僅僅是為了圖示的視覺需要。

輸出結果：

④ 相對 ② 的圖示，在於此時同一縱軸值的都重合了——本來它們的橫軸值都是一樣的。實現此效果的參數是 jitter=0，它可以表示點的「振動」，如果默認或者 jitter=True，意味著允許描點在某個范圍振動——語句 ② 的效果；還可設置為某個 0 到 1 的浮點，表示許可振動的幅度。請對比下面的操作。

輸出結果：

語句 ② 中使用 hue='kind' 參數向圖中提供了另外一個分類特徵，但是，如果感覺圖有點亂，還可以這樣做：

輸出結果：

dodge=True 的作用就在於將 hue='kind' 所引入的特徵數據分開，相對 ② 的效果有很大差異。

並且，在 ⑤ 中還使用了 paletter='Set2' 設置了色彩方案。

sns.stripplot 函數中的其他有關參數，請讀者使用幫助文檔了解。

此函數即 sns.catplot 的參數 kind='swarm'。

輸出結果：

再繪制一張簡單的圖，一遍研究這種圖示的本質。

輸出結果：

此圖只使用了一個特徵的數據，簡化表象，才能探究 sns.swarmplot 的本質。它同樣是將該特徵中的數據，依據其他特徵的連續值在圖中描點，並且所有點在默認情況下不彼此重疊——這方面與 sns.stripplot 一樣。但是，與之不同的是，這些點不是隨機分布的，它們經過調整之後，均勻對稱分布在分類特徵數值所在直線的兩側，這樣能很好地表示數據的分布特點。但是，這種方式不適合「大數據」。

sns.swarmplot 的參數似乎也沒有什麼太特殊的。下面使用幾個，熟悉一番基本操作。

在分類維度上還可以再引入一個維度，用不同顏色的點表示另外一種類別，即使用 hue 參數來實現。

輸出結果：

這里用 hue = 'smoker' 參數又引入了一個分類特徵，在圖中用不同顏色來區分。

如果覺得會 smoker 特徵的值都混在一起有點亂，還可以使用下面方式把他們分開——老調重彈。

輸出結果：

生成此效果的參數就是 dodge=True，它的作用就是當 hue 參數設置了特徵之後，將 hue 的特徵數據進行分類。

sns.catplot 函數的參數 kind 可以有三個值，都是用於繪制分類的分布圖：

下面依次對這三個專有函數進行闡述。

Ⅶ Python matplotlib之函數圖像繪制、線條rc參數設置

為避免中文顯示出錯，需導入matplotlib.pylab庫

1.2.1 確定數據

1.2.2 創建畫布

1.2.3 添加標題

1.2.4 添加埋雀x，y軸名稱

1.2.5 添加亮液段x，y軸范圍

1.2.6 添加x，y軸刻度

1.2.7 繪制曲線、圖例, 並保存圖片
保存圖片時，dpi為清晰度，數值越高越清晰。請注意，函數結尾處，必須加plt.show()，不然圖像不敬譽顯示。

繪制流程與繪制不含子圖的圖像一致，只需注意一點：創建畫布。

合理調整figsize、dpi，可避免出現第一幅圖橫軸名稱與第二幅圖標題相互遮蓋的現象.

2.2.1 rc參數類型

2.2.2 方法1：使用rcParams設置

2.2.3 方法2：plot內設置

2.2.4 方法3：plot內簡化設置
方法2中，線條形狀，linestyle可簡寫為ls；線條寬度，linewidth可簡寫為lw；線條顏色，color可簡寫為c，等等。

Ⅷ python中plot怎麼設置橫縱坐標名稱

用plot畫二維圖像時，默認情況下的橫坐標和縱坐標顯示的值有時達不到自己的需求，需要藉助xticks()和yticks()分別對橫坐標x-axis和縱坐標y-axis進行設置。

import numpy as np

import matplotlib.pyplot as plt

x = range(1,13,1)

y = range(1,13,1)

plt.plot(x,y)

plt.show()

此時的x軸和y軸都是只顯示偶數，其它的奇數未顯示，這樣在展示實驗效果或放入文章中都會影響其可讀性。

為了設置坐標軸的值，增加其可讀性，有多種方法。這里介紹的是matplotlib的函數xticks()和yticks()。

(8)python畫圖橫軸縱軸等比例擴展閱讀

基本用法：

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

# 生成x軸上的數據:從-3到3，總共有50個點

x = np.linspace(-1, 1, 50)

# 定義一個線性方程

y1 = 2 * x + 1

# 定義一個二次方程

y2 = x ** 2

# 設置x軸的取值范圍為：-1到2

plt.xlim(-1, 2)

# 設置y軸的取值范圍為：-1到3

plt.ylim(-1, 3)

# 設置x軸的文本，用於描述x軸代表的是什麼

plt.xlabel("I am x")

# 設置y軸的文本，用於描述y軸代表的是什麼

plt.ylabel("I am y")

plt.plot(x, y2)

# 繪制紅色的線寬為1虛線的線條

plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

# 顯示圖表

plt.show()

Ⅸ 怎麼用python繪圖

你可以使用numpy和matplotlab這兩個庫來實現的你功能。

你的圖可以參考：

http://matplotlib.org/examples/pylab_examples/histogram_percent_demo.html

importmatplotlib
fromnumpy.randomimportrandn
importmatplotlib.pyplotasplt
frommatplotlib.tickerimportFuncFormatter

defto_percent(y,position):
#Ignorethepassedinposition.
#ticklocations.
s=str(100*y)

#
ifmatplotlib.rcParams['text.usetex']==True:
returns+r'$\%$'
else:
returns+'%'

x=randn(5000)

#Makeanormedhistogram.It'llbemultipliedby100later.
plt.hist(x,bins=50,normed=True)

#_percent.Thismultipliesallthe
#defaultlabelsby100,makingthemallpercentages
formatter=FuncFormatter(to_percent)

#Settheformatter
plt.gca().yaxis.set_major_formatter(formatter)

plt.show()

最主要的就是x軸和y軸的處理，我按照對數算了一下你提供的數據，好像和這個圖效果不一樣。

如果解決了您的問題請採納！
如果未解決請繼續追問