Matplotlib Cheat Sheet: ściąga z Matplotlib
Ostatnia aktualizacja
Figure i axes
Figure to cały obraz. Axes to jeden wykres w jego środku, a prawie każde wywołanie poniżej to metoda na ax.
| Zadanie | Kod |
|---|---|
| Import pyplot | import matplotlib.pyplot as plt |
| Jedna figura z jednym wykresem | fig, ax = plt.subplots() |
| Rozmiar w calach | fig, ax = plt.subplots(figsize=(8, 4)) |
| Rysowanie na axes | ax.plot(x, y) |
| Pokaż figurę | plt.show() |
| Zapis jako ostry PNG | fig.savefig("chart.png", dpi=150, bbox_inches="tight") |
| Zapis jako grafika wektorowa | fig.savefig("chart.svg"), fig.savefig("chart.pdf") |
| Przezroczyste tło | fig.savefig("chart.png", transparent=True) |
| Zamknij figurę, by zwolnić pamięć | plt.close(fig) |
| Szybki styl pyplot dla jednego wykresu | plt.plot(x, y)
plt.title("Quick look")
plt.show() |
Typy wykresów
| Zadanie | Kod |
|---|---|
| Wykres liniowy | ax.plot(x, y) |
| Wykres punktowy | ax.scatter(x, y, s=20, alpha=0.7) |
| Punkty kolorowane wartością, z paskiem kolorów | points = ax.scatter(x, y, c=y, cmap="viridis")
fig.colorbar(points, ax=ax) |
| Wykres słupkowy | ax.bar(cats, a) |
| Wykres słupkowy poziomy | ax.barh(cats, a) |
| Słupki skumulowane | ax.bar(cats, a, label="2025")
ax.bar(cats, b, bottom=a, label="2026") |
| Słupki zgrupowane | pos = np.arange(len(cats))
ax.bar(pos - 0.2, a, width=0.4)
ax.bar(pos + 0.2, b, width=0.4)
ax.set_xticks(pos, labels=cats) |
| Histogram | ax.hist(data, bins=30) |
| Wykres pudełkowy | ax.boxplot([data, data * 2], tick_labels=["A", "B"]) |
| Wykres skrzypcowy | ax.violinplot([data, data * 2]) |
| Wykres kołowy | ax.pie([40, 35, 25], labels=cats, autopct="%1.0f%%") |
| Pas między dwiema krzywymi | ax.fill_between(x, y - 0.2, y + 0.2, alpha=0.3) |
| Słupki błędów | ax.errorbar([1, 2, 3], [4, 5, 3], yerr=[0.5, 0.3, 0.6], fmt="o", capsize=4) |
| Wykres schodkowy | ax.step(x, y, where="mid") |
| Mapa ciepła tablicy 2D | image = ax.imshow(np.random.default_rng(0).random((5, 5)), cmap="magma")
fig.colorbar(image, ax=ax) |
| Wypełniony wykres konturowy | X, Y = np.meshgrid(x, x)
ax.contourf(X, Y, np.sin(X) * np.cos(Y), levels=20) |
| Gęstość wielu punktów | ax.hexbin(data, data + np.random.default_rng(1).normal(size=200), gridsize=20) |
| Pozioma lub pionowa linia odniesienia | ax.axhline(0, color="gray", linestyle="--"), ax.axvline(5) |
| Zacieniowany zakres | ax.axvspan(2, 4, alpha=0.2) |
Linie, markery i kolory
| Zadanie | Kod |
|---|---|
| Kolor, grubość i styl linii | ax.plot(x, y, color="tab:red", linewidth=2, linestyle="--") |
| Markery na punktach | ax.plot(x, y, marker="o", markersize=4) |
| Krótki format w stringu | ax.plot(x, y, "g--o") |
| Przezroczystość | ax.plot(x, y, alpha=0.5) |
| Style linii | "-", "--", "-.", ":" |
| Kody markerów | "o", "s", "^", "x", ".", "*" |
| Sposoby podania koloru | "tab:blue", "C1", "#1f77b4", (0.2, 0.4, 0.6) |
| n kolorów z mapy kolorów | colors = plt.colormaps["viridis"](np.linspace(0, 1, 5)) |
| Własny cykl kolorów | ax.set_prop_cycle(color=["#0b7285", "#e8590c", "#5f3dc4"]) |
| Słupki z obrysem i kreskowaniem | ax.bar(cats, a, color="white", edgecolor="black", hatch="//") |
Tytuły, etykiety i legendy
| Zadanie | Kod |
|---|---|
| Tytuł i opisy osi | ax.set_title("Sales"), ax.set_xlabel("Month"), ax.set_ylabel("EUR") |
| Wszystko w jednym wywołaniu | ax.set(title="Sales", xlabel="Month", ylabel="EUR") |
| Legenda z etykiet linii | ax.plot(x, y, label="sin")
ax.legend() |
| Pozycja i kolumny legendy | ax.legend(loc="upper right", ncols=2, frameon=False) |
| Legenda poza wykresem | ax.legend(loc="center left", bbox_to_anchor=(1, 0.5)) |
| Tekst w punkcie danych | ax.text(5, 0.5, "note") |
| Adnotacja ze strzałką | ax.annotate("peak", xy=(1.57, 1), xytext=(3, 1.2), arrowprops=dict(arrowstyle="->")) |
| Wartości na słupkach | bars = ax.bar(cats, a)
ax.bar_label(bars) |
| Tytuł całej figury | fig.suptitle("Q1 report") |
| Wzory matematyczne w etykietach | ax.set_xlabel(r"$\alpha$ (rad)") |
Osie, znaczniki i skale
| Zadanie | Kod |
|---|---|
| Zakresy osi | ax.set_xlim(0, 10), ax.set_ylim(bottom=0) |
| Skala logarytmiczna | ax.set_yscale("log") |
| Wybór znaczników i ich etykiet | ax.set_xticks([0, 5, 10], labels=["start", "middle", "end"]) |
| Obrót etykiet znaczników | ax.tick_params(axis="x", labelrotation=45) |
| Linie siatki | ax.grid(True, alpha=0.3) |
| Oś w procentach | from matplotlib.ticker import PercentFormatter
ax.yaxis.set_major_formatter(PercentFormatter(1.0)) |
| Separator tysięcy | ax.yaxis.set_major_formatter("{x:,.0f}") |
| Ukryj górną i prawą ramkę | ax.spines[["top", "right"]].set_visible(False) |
| Druga oś y po prawej | ax2 = ax.twinx()
ax2.plot(x, y * 100, color="tab:orange") |
| Ta sama skala na obu osiach | ax.set_aspect("equal") |
| Odwróć oś | ax.invert_yaxis() |
| Całkowicie ukryj osie | ax.axis("off") |
| Czytelne etykiety dat | fig.autofmt_xdate() |
Subploty i układ
plt.subplots(rows, cols) zwraca tablicę NumPy z axes. Indeksuj ją jak zwykłą tablicę.
| Zadanie | Kod |
|---|---|
| Siatka wykresów | fig, axs = plt.subplots(2, 2, figsize=(8, 6)) |
| Rysowanie na jednym z nich | axs[0, 1].plot(x, y) |
| Pętla po wszystkich | for ax in axs.flat:
ax.grid(True) |
| Wspólna oś dla wykresów | fig, axs = plt.subplots(1, 3, sharey=True) |
| Odstępy bez nachodzenia | fig, axs = plt.subplots(2, 2, layout="constrained") |
| Usuń nachodzenie po rysowaniu | fig.tight_layout() |
| Kolumny o różnej szerokości | fig, axs = plt.subplots(1, 2, width_ratios=[3, 1]) |
| Nazwany układ z szerokim panelem | fig, axd = plt.subplot_mosaic([["top", "top"], ["left", "right"]])
axd["top"].plot(x, y) |
| Mały wykres wewnątrz wykresu | inset = ax.inset_axes([0.6, 0.6, 0.35, 0.35]) |
| Ukryj pusty panel | axs[0].axis("off") |
Style i ustawienia domyślne
| Zadanie | Kod |
|---|---|
| Wbudowany styl | plt.style.use("ggplot") |
| Lista stylów | plt.style.available |
| Wygląd seaborn bez seaborn | plt.style.use("seaborn-v0_8-whitegrid") |
| Styl tylko dla jednej figury | with plt.style.context("dark_background"):
fig, ax = plt.subplots() |
| Domyślny rozmiar czcionki | plt.rcParams["font.size"] = 12 |
| Domyślny rozmiar i rozdzielczość figury | plt.rcParams["figure.figsize"] = (8, 4), plt.rcParams["figure.dpi"] = 120 |
| Powrót do ustawień domyślnych | plt.style.use("default") |
| Popularne mapy kolorów: sekwencyjne, rozbieżne, szare | "viridis", "coolwarm", "Greys" |
Wykresy z pandas
pandas rysuje za pomocą Matplotlib. Przekaż ax=, żeby rysować na własnych axes, albo zachowaj ax, które zwraca pandas.
| Zadanie | Kod |
|---|---|
| Kolumny DataFrame'u na twoich axes | df.plot(x="month", y="sales", ax=ax) |
| Wykres słupkowy podsumowania grup | df.groupby("city")["sales"].sum().plot.bar(ax=ax) |
| Dalsze stylowanie wykresu z pandas | ax = df.plot(x="month", y="sales")
ax.set_title("Sales") |
| Kolumny prosto do Matplotlib | ax.plot(df["month"], df["sales"]) |
Matplotlib 3.11: stare zapisy i co pisać teraz
Kod skopiowany ze starszych tutoriali może w Matplotlib 3.11 rzucić błąd albo ostrzeżenie. Używaj zapisów z kolumny Matplotlib 3.11.
| Zadanie | Matplotlib 3.11 | Stary zapis |
|---|---|---|
| Etykiety wykresu pudełkowego | ax.boxplot([data, data * 2], tick_labels=["A", "B"]) | labels=["A", "B"] |
| Poziomy wykres pudełkowy lub skrzypcowy | ax.boxplot(data, orientation="horizontal") | vert=False |
| Pobranie mapy kolorów | plt.colormaps["viridis"] | plt.cm.get_cmap("viridis") |
| Styl seaborn | plt.style.use("seaborn-v0_8") | plt.style.use("seaborn") |
Kod Matplotlib, który zamienia dane w czytelny wykres, pogrupowany według zadań: figure i axes, typy wykresów, linie i kolory, tytuły i legendy, osie i znaczniki, subploty i układ, style oraz wykresy z pandas. Każdy wiersz to krótki fragment kodu do wklejenia i jedno zdanie o tym, co robi.
Wszystko tutaj używa stylu obiektowego (fig, ax = plt.subplots(), a potem metody na ax) i jest napisane dla Matplotlib 3.11, wersji, której używa Coddy. Starsze zapisy, takie jak labels= w boxplot, pojawiają się tylko w ostatniej tabeli, obok tego, co pisać zamiast nich. Przykłady używają x = np.linspace(0, 10, 50), y = np.sin(x) i próbki wartości z rozkładu normalnego o nazwie data. Dopiero zaczynasz z Pythonem? Zajrzyj do ściągi z Pythona, a obok tej ściągi trzymaj też ściągi z pandas, NumPy i scikit-learn.
FAQ: ściąga z Matplotlib
Czy ta ściąga z Matplotlib jest darmowa?
Tak. Ta ściąga z Matplotlib jest całkowicie darmowa i nie wymaga rejestracji. Dodaj ją do zakładek albo wydrukuj do PDF z przeglądarki i wracaj, kiedy tylko potrzebujesz dokładnego wywołania dla legendy, siatki subplotów czy paska kolorów.
Czym różni się plt od ax?
plt.plot() rysuje na bieżących axes, co jest wygodne przy pojedynczym wykresie. fig, ax = plt.subplots() daje ci figurę i axes jako obiekty, więc ax.plot() zawsze rysuje dokładnie tam, gdzie chcesz. Używaj stylu z ax wszędzie tam, gdzie jest więcej niż jeden wykres, i w kodzie, który zostanie na dłużej.Jak zmienić rozmiar figury?
Podaj
figsize w calach przy tworzeniu figury: fig, ax = plt.subplots(figsize=(10, 5)). Żeby zmienić wartość domyślną dla każdej figury, ustaw plt.rcParams["figure.figsize"] = (10, 5). Rozmiar zapisanego pliku w pikselach to figsize razy dpi.Jak zapisać wykres w wysokiej rozdzielczości?
Wywołaj
fig.savefig("chart.png", dpi=300, bbox_inches="tight"). Wyższe dpi daje ostrzejszy PNG, a bbox_inches="tight" przycina puste marginesy. Do druku lub prezentacji zapisz SVG albo PDF, które są ostre w każdym rozmiarze.Dlaczego tytuły i etykiety subplotów na siebie nachodzą?
Utwórz figurę z
layout="constrained", na przykład plt.subplots(2, 2, layout="constrained"), a Matplotlib zrobi miejsce na tytuły, etykiety i paski kolorów. Na istniejącej figurze wywołaj fig.tight_layout() po narysowaniu.Którą wersję Matplotlib obejmuje ta ściąga?
Matplotlib 3.11, wersję, której używa Coddy. Wywołania, które nowsze wersje usunęły lub przemianowały, takie jak
labels= w boxplot (teraz tick_labels=) i plt.cm.get_cmap (teraz plt.colormaps[...]), są w ostatniej tabeli obok tego, co pisać zamiast nich.Czy mogę uruchomić kod Matplotlib online?
Tak. Darmowy Matplotlib playground uruchamia Pythona z Matplotlib, NumPy, pandas i scikit-learn w przeglądarce i rysuje twoje figury obok wyniku, więc możesz wkleić dowolny fragment z tej ściągi i zobaczyć wykres bez instalowania czegokolwiek. Kurs Machine Learning w Coddy używa tych wykresów do eksploracji danych przed trenowaniem modelu.
Powiązane materiały
Więcej ściąg
