python中绘制2D曲线图需要使用到Matplotlib，Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形，通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。
 

1. 绘制折线图

plt.plot() 可以用于绘制折线图。只传入一维的散点(n个)p1时，横坐标对应散点的次序，从0到n-1，纵坐标对应散点的值。示例：

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

p1=[0,1.1,1.8,3.1,4.0]  # 数据点

#创建绘图图表对象，可以不显式创建，跟cv2中的cv2.namedWindow()用法差不多
plt.figure('Draw')

plt.plot(p1)  # plot绘制折线图

plt.draw()  # 显示绘图

plt.pause(5)  #显示5秒

plt.savefig("easyplot01.jpg")  #保存图象

plt.close()   #关闭图表

绘图：

plt.plot() 传入二维的散点p1,p2（p1和p2的长度要一样）时，横坐标x绘制p1,纵坐标y绘制p2，示例：

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

p1=[0,1.1,1.8,3.1,4.0]  # 数据点
p2=[2,2.4,4.3,3.5,2.5]

#创建绘图图表对象，可以不显式创建，跟cv2中的cv2.namedWindow()用法差不多
plt.figure('Draw')

plt.plot(p1,p2)  # plot绘制折线图

plt.draw()  # 显示绘图

plt.pause(5)  #显示5秒

plt.savefig("easyplot01.jpg")  #保存图象

plt.close()   #关闭图表

绘图：

2. 绘制散点图

plt.scatter()用于绘制散点图，传入参数必须是二维的：plt.scatter(p1,p2)，示例：

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

p1=[0,1.1,1.8,3.1,4.0]  # 数据点
p2=[2,2.4,4.3,3.5,2.5]

#创建绘图图表对象，可以不显式创建，跟cv2中的cv2.namedWindow()用法差不多
plt.figure('Draw')

plt.scatter(p1,p2)  # scatter绘制散点图

plt.draw()  # 显示绘图

plt.pause(10)  #显示10秒

plt.savefig("easyplot.jpg")  #保存图象

plt.close()   #关闭图表

绘图：

plt.plot() 也可以用于绘制散点图，plt.plot(p1,p2,'ro')表示散点的颜色是红色，形状是o，示例：

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

p1=[0,1.1,1.8,3.1,4.0]  # 数据点
p2=[2,2.4,4.3,3.5,2.5]

#创建绘图图表对象，可以不显式创建，跟cv2中的cv2.namedWindow()用法差不多
plt.figure('Draw')

plt.plot(p1,p2,'ro')

plt.draw()  # 显示绘图

plt.pause(10)  #显示10秒

plt.savefig("easyplot.jpg")  #保存图象

plt.close()   #关闭图表

绘图：

3. 添加坐标轴说明、添加标题、图片中插入文字、显示网格

坐标轴说明：plt.xlabel()、plt.ylabel()
添加标题： plt.title()
插入文字： plt.text(60, .025, r'$number=5, sigma=0$')
显示网格： plt.grid(True)

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np

p1=[0,1.1,1.8,3.1,4.0]  # 数据点
p2=[2,2.4,4.3,3.5,2.5]

#创建绘图图表对象，可以不显式创建，跟cv2中的cv2.namedWindow()用法差不多
plt.figure('Draw')

plt.plot(p1,p2,'ro')

plt.xlabel('number of samples')
plt.ylabel('value of samples')

plt.title('sample data')

plt.text(1.1, 3.6, r'$number=5, sigma=0$')

plt.grid(True)

plt.draw()  # 显示绘图

plt.pause(10)  #显示10秒

plt.savefig("easyplot.jpg")  #保存图象

plt.close()   #关闭图表

绘图：

4. 绘制3D图曲面图

plot_surface()用于绘制3D曲面图：

# -*- coding: utf-8 -*-
from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)

X = [0,1.1,1.8,3.1,4.0]
Y = [2,2.4,4.3,3.5,2.5]
X, Y = np.meshgrid(X, Y)
Z = np.array([[2,2.4,4.3,3.5,2.5]])

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')

plt.draw()
plt.pause(10)
plt.savefig('3D.jpg')
plt.close()

绘图：

使用plot_surface()绘制另一个3D曲面：

# -*- coding: utf-8 -*-
from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = X*Y

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')

plt.draw()
plt.pause(10)
plt.savefig('3D.jpg')
plt.close()

绘图：

5. 绘制3D散点图

scatter()用于绘制3D散点图：

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x = [0,1.1,1.8,3.1,4.0]
y = [2,2.4,4.3,3.5,2.5]
z = [1,2,3,4,5]

ax = plt.subplot(projection='3d')  # 创建一个三维的绘图工程

ax.scatter(x, y, z, c='r')  # 绘制数据点,颜色是红色

ax.set_zlabel('Z')  # 坐标轴
ax.set_ylabel('Y')
ax.set_xlabel('X')

plt.draw()
plt.pause(10)
plt.savefig('3D.jpg')
plt.close()

绘图：

公众号: 数据小斑马,关注即可获得价值1000元的数据分析学习资料

数据可视化系列汇总：
Matplotlib可视化①——二维图表绘制（折线图&直方图&散点图&条形图&箱形图）
Seaborn做图系列①——直方图&箱型图&散点图&回归图&热力图&条形图
Excel数据分析高级技巧①——动态图表制作（offset,vlookup,控件…）
Excel高级图表制作①——电池图/KPI完成情况对比图/重合柱形图
Excel高级图表制作②——帕累托图
Excel高级图表制作③——漏斗图/转化路径图

一、3D折线图

公众号: 数据小斑马,关注即可获得价值1000元的数据分析学习资料

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import random
import matplotlib as mpl
from matplotlib import cm
from mpl_toolkits.mplot3d import axes3d
from mpl_toolkits.mplot3d.art3d import Poly3DCollection,Line3DCollection

x = np.linspace(1,20,20)
y = np.arange(10,30,1)
z = np.random.randint(20,50,20)  # numpy分别生成三个维度数据
fig = plt.figure()
ax = Axes3D(fig)  # 创建3D图的2种方式，第一种通过Axes3D将图片从二维变成三维，第二种通过在add_subplot(111,projection='3d'）将子图坐标修改成三维
ax.plot(x,y,z,'bo--')  # 参数与二维折现图不同的在于多了一个Z轴的数据
plt.show()

二、3D曲面图

公众号: 数据小斑马,关注即可获得价值1000元的数据分析学习资料

data = np.random.randint(100,500,(3,10,20))
x,y,z = data[0],data[1],data[2]  # numpy同时生成三维数据
fig = plt.figure()
ax1 = fig.add_subplot(121,projection='3d')
ax1.plot_surface(x,y,z,cmap=plt.cm.winter,rstride=1,cstride=1) # rstride和cstride是隔几行几列取一个数字，代表曲面的稀疏度
ax2 = fig.add_subplot(122,projection='3d')
ax2.plot_surface(x,y,z,cmap=plt.cm.winter,rstride=10,cstride=10)
plt.show()

三、3D散点图

公众号: 数据小斑马,关注即可获得价值1000元的数据分析学习资料

x= np.linspace(5,20,20)
y = np.linspace(20,100,20)
x1,y1 = np.meshgrid(x,y)
z = np.sin(x1)*y1+np.sin(y1)*x1  # 函数构造数据
fig = plt.figure()
ax1 = fig.add_subplot(121,projection='3d')
ax1.scatter(x1,y1,z,c='y',marker='D')
ax2 = fig.add_subplot(122,projection='3d')
ax2.scatter(x1[:10],y1[:10],z[:10],cmap=plt.cm.winter,marker='o')
ax2.scatter(x1[10:],y1[10:],z[10:],cmap=plt.cm.spring,marker='*')
plt.show()

四、等高线图

x = np.arange(-10,10,0.01)  #生成步长为0.01的数据
y = np.arange(-10,10,0.01)
x,y=np.meshgrid(x,y)
def func(x,y):
    return x**2+y**2
fig,axes = plt.subplots(2,2)
axes[0,0].contour(x,y,func(x,y),20,cmap=plt.cm.winter,alpha=0.8) # 不填充，只是线20是指分成20等份，分太多会看不清
axes[0,1].contourf(x,y,func(x,y),20,cmap=plt.cm.hot)  # 填充
c = axes[1,0].contour(x,y,func(x,y),[8,20],c='k')  # [8,20]是只想看这两条线
plt.clabel(c,inline=True,fontsize=10,fmt='%.f',colors=['k','y']) # 设置数据标签格式，inline是在线上
d = axes[1,1].contourf(x,y,func(x,y),10,cmap=plt.cm.hot)
plt.clabel(d,inline=True,fontsizq=10,fmt='%.f')
plt.colorbar(d) # 显示数据条
plt.xticks(())
plt.yticks(()) # 去除坐标轴
plt.show()

本人互联网数据分析师，目前已出Excel，SQL，Pandas，Matplotlib，Seaborn，机器学习，统计学，个性推荐，关联算法，工作总结系列。

微信搜索 " 数据小斑马" 公众号
1、回复“数据分析"就可以免费领取数据分析升级打怪 15本必备教材喔