Matplotlib.pyplot.fill() 函数：轻松创建填充区域图|极客教程

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

参考：Matplotlib.pyplot.fill() function in Python

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能。其中，pyplot.fill()函数是一个强大的工具，用于创建填充区域图。本文将深入探讨pyplot.fill()函数的用法、参数和应用场景，帮助您掌握这一重要的可视化技巧。

1. pyplot.fill() 函数简介

pyplot.fill()函数是Matplotlib库中用于创建填充区域图的核心函数。它允许用户在二维平面上填充由一系列x坐标和y坐标定义的多边形区域。这个函数非常适合用来绘制面积图、阴影区域或强调特定数据范围。

让我们从一个简单的例子开始：

import matplotlib.pyplot as plt

x = [0, 1, 2, 1]
y = [0, 1, 0, 0]

plt.fill(x, y, 'r', alpha=0.5)
plt.title('Simple Fill Example - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

在这个例子中，我们创建了一个简单的三角形填充区域。x和y列表定义了多边形的顶点，’r’表示填充颜色为红色，alpha=0.5设置了透明度。

2. pyplot.fill() 函数的基本语法

pyplot.fill()函数的基本语法如下：

matplotlib.pyplot.fill(*args, data=None, **kwargs)

其中：
– *args：可以是一系列x和y坐标，或者是一个个独立的多边形。
– data：可选参数，用于指定包含绘图数据的对象。
– **kwargs：其他关键字参数，用于自定义填充区域的样式。

3. 常用参数详解

3.1 颜色参数

颜色是fill()函数最常用的参数之一。您可以使用颜色名称、RGB值或十六进制代码来指定填充颜色。

import matplotlib.pyplot as plt

x = [0, 1, 2, 1]
y = [0, 1, 0, 0]

plt.fill(x, y, color='skyblue')
plt.title('Color Fill Example - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

在这个例子中，我们使用’skyblue’作为填充颜色。

3.2 透明度参数

透明度参数alpha允许您控制填充区域的不透明度，取值范围为0（完全透明）到1（完全不透明）。

import matplotlib.pyplot as plt

x = [0, 1, 2, 1]
y = [0, 1, 0, 0]

plt.fill(x, y, color='green', alpha=0.3)
plt.title('Transparency Example - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用alpha参数来设置填充区域的透明度。

3.3 边界线参数

您可以使用edgecolor和linewidth参数来自定义填充区域的边界线。

import matplotlib.pyplot as plt

x = [0, 1, 2, 1]
y = [0, 1, 0, 0]

plt.fill(x, y, color='yellow', edgecolor='red', linewidth=2)
plt.title('Edge Customization - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何设置填充区域的边界颜色和宽度。

4. 多个区域的填充

fill()函数允许您在一次调用中填充多个区域。您可以通过提供多组x和y坐标来实现这一点。

import matplotlib.pyplot as plt

x1 = [0, 1, 2, 1]
y1 = [0, 1, 0, 0]
x2 = [2, 3, 4, 3]
y2 = [0, 1, 0, 0]

plt.fill(x1, y1, 'r', x2, y2, 'b', alpha=0.5)
plt.title('Multiple Fills - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何在一个图中填充两个不同的区域。

5. 使用fill()创建面积图

面积图是fill()函数的一个常见应用。它可以用来展示数据随时间的变化趋势。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.fill(x, y1, 'r', alpha=0.3, label='sin(x)')
plt.fill(x, y2, 'b', alpha=0.3, label='cos(x)')
plt.title('Area Plot Example - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子创建了一个包含两个函数（sin和cos）的面积图。

6. 填充曲线下方区域

fill()函数还可以用来填充曲线下方的区域，这在统计学和数据分析中非常有用。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y, 'r')
plt.fill_between(x, y, where=(y > 0), color='r', alpha=0.3)
plt.title('Fill Under Curve - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何填充正弦曲线上方的区域。

7. 创建堆叠面积图

堆叠面积图是展示多个数据系列随时间变化的有效方式。fill()函数可以轻松创建这种图表。

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(10)
y1 = np.random.rand(10)
y2 = np.random.rand(10)
y3 = np.random.rand(10)

plt.fill(x, y1, 'r', alpha=0.3)
plt.fill(x, y1+y2, 'g', alpha=0.3)
plt.fill(x, y1+y2+y3, 'b', alpha=0.3)
plt.title('Stacked Area Chart - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子创建了一个包含三个数据系列的堆叠面积图。

8. 使用fill()创建饼图

虽然Matplotlib有专门的饼图函数，但fill()函数也可以用来创建简单的饼图。

import matplotlib.pyplot as plt
import numpy as np

sizes = [30, 40, 30]
colors = ['red', 'green', 'blue']
labels = ['A', 'B', 'C']

plt.figure(figsize=(8,8))
plt.pie(sizes, colors=colors, labels=labels, autopct='%1.1f%%', startangle=90)
plt.title('Pie Chart using fill() - how2matplotlib.com')
plt.axis('equal')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用fill()函数创建一个简单的饼图。

9. 填充不规则形状

fill()函数非常灵活，可以用来填充任何由一系列点定义的不规则形状。

import matplotlib.pyplot as plt
import numpy as np

theta = np.linspace(0, 2*np.pi, 100)
r = 1 + 0.5 * np.sin(5*theta)
x = r * np.cos(theta)
y = r * np.sin(theta)

plt.fill(x, y, 'g', alpha=0.3)
plt.title('Irregular Shape Fill - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.axis('equal')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子创建了一个不规则的星形填充区域。

10. 使用fill()创建热图

虽然Matplotlib有专门的热图函数，但fill()函数也可以用来创建简单的热图。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(5, 5)
plt.figure(figsize=(8, 6))

for i in range(5):
    for j in range(5):
        plt.fill([j, j+1, j+1, j], [i, i, i+1, i+1], color=plt.cm.viridis(data[i, j]))

plt.title('Simple Heatmap using fill() - how2matplotlib.com')
plt.colorbar(plt.cm.ScalarMappable(cmap='viridis'))
plt.show()

这个例子展示了如何使用fill()函数创建一个简单的热图。

11. 填充区域间的差异

fill()函数可以用来强调两条曲线之间的差异，这在比较数据时非常有用。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, 'r', label='sin(x)')
plt.plot(x, y2, 'b', label='cos(x)')
plt.fill_between(x, y1, y2, where=(y1 > y2), color='red', alpha=0.3)
plt.fill_between(x, y1, y2, where=(y1 <= y2), color='blue', alpha=0.3)
plt.title('Difference Highlight - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用fill()函数来强调两条曲线之间的差异。

12. 创建阴影效果

fill()函数可以用来为图形元素添加阴影效果，增加视觉深度。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y, 'r', linewidth=2)
plt.fill(x, y-0.1, 'k', alpha=0.3)
plt.title('Shadow Effect - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用fill()函数为曲线添加简单的阴影效果。

13. 使用fill()创建水印

fill()函数可以用来在图表上添加半透明的水印或标记。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.text(5, 0, 'how2matplotlib.com', fontsize=40, color='gray', alpha=0.3, ha='center', va='center', rotation=30)
plt.title('Watermark using fill() - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用fill()函数在图表上添加水印。

14. 创建填充等高线图

fill()函数可以与等高线结合使用，创建填充等高线图。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 100)
y = np.linspace(-3, 3, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(X) * np.cos(Y)

plt.contourf(X, Y, Z, levels=20, cmap='viridis')
plt.colorbar()
plt.title('Filled Contour Plot - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用fill()函数创建填充等高线图。

15. 结合其他绘图函数

fill()函数可以与其他Matplotlib绘图函数结合使用，创建复杂的可视化效果。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, 'r', label='sin(x)')
plt.plot(x, y2, 'b', label='cos(x)')
plt.fill_between(x, y1, y2, where=(y1 > y2), color='red', alpha=0.3)
plt.fill_between(x, y1, y2, where=(y1 <= y2), color='blue', alpha=0.3)
plt.scatter(x[::10], y1[::10], c='red', s=50)
plt.scatter(x[::10], y2[::10], c='blue', s=50)
plt.title('Combined Plot - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何将fill()函数与线图和散点图结合使用。

结论

pyplot.fill()函数是Matplotlib库中一个强大而灵活的工具，可以用于创建各种填充区域图。从简单的多边形填充到复杂的面积图和热图，fill()函数都能胜任。通过本文的详细介绍和丰富的示例，您应该已经掌握了如何使用这个函数来创建各种类型的可视化效果。

以下是一些使用pyplot.fill()函数时的关键点和最佳实践：

数据准备：确保您的x和y坐标数据是正确的，并且长度相等。
颜色选择：选择适当的颜色和透明度可以大大提高图表的可读性和美观度。
组合使用：不要局限于单独使用fill()函数，尝试将它与其他绘图函数结合使用，以创建更丰富的可视化效果。
性能考虑：当处理大量数据点时，考虑使用fill_between()函数，它通常比fill()更高效。
图例和标签：不要忘记为您的填充区域添加适当的图例和标签，以提高图表的可解释性。
坐标轴设置：根据需要调整坐标轴的范围和刻度，以确保填充区域正确显示。
保存图表：使用plt.savefig()函数保存您的图表，以便后续使用或分享。

16. 创建渐变填充效果

fill()函数还可以用来创建渐变填充效果，这可以增加图表的视觉吸引力。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LinearSegmentedColormap

x = np.linspace(0, 10, 100)
y = np.sin(x)

colors = ['#ff9999', '#ff3333']
n_bins = 100
cmap = LinearSegmentedColormap.from_list('custom', colors, N=n_bins)

fig, ax = plt.subplots()
for i in range(n_bins):
    ax.fill_between(x, 0, y, where=y >= i/n_bins, color=cmap(i/n_bins), alpha=0.1)

ax.set_title('Gradient Fill Effect - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用fill()函数创建渐变填充效果。

17. 创建交互式填充图

结合Matplotlib的交互式功能，我们可以创建动态的填充图。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.widgets import Slider

fig, ax = plt.subplots()
plt.subplots_adjust(bottom=0.25)

t = np.arange(0.0, 1.0, 0.001)
a0 = 5
f0 = 3
s = a0 * np.sin(2 * np.pi * f0 * t)

l, = plt.plot(t, s, lw=2)
plt.fill_between(t, s, alpha=0.3)
plt.axis([0, 1, -10, 10])

ax_freq = plt.axes([0.25, 0.1, 0.65, 0.03])
s_freq = Slider(ax_freq, 'Freq', 0.1, 30.0, valinit=f0)

def update(val):
    f = s_freq.val
    l.set_ydata(a0 * np.sin(2 * np.pi * f * t))
    ax.collections.clear()
    ax.fill_between(t, a0 * np.sin(2 * np.pi * f * t), alpha=0.3)
    fig.canvas.draw_idle()

s_freq.on_changed(update)

plt.title('Interactive Fill Plot - how2matplotlib.com')
plt.xlabel('Time')
plt.ylabel('Amplitude')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子创建了一个交互式的填充图，用户可以通过滑块来调整正弦波的频率。

18. 创建3D填充图

虽然fill()函数主要用于2D图形，但我们也可以在3D图形中使用类似的填充技术。

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

ax.plot_surface(X, Y, Z, cmap='viridis', alpha=0.8)

ax.set_title('3D Fill Example - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.set_zlabel('Z-axis')

plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何在3D图形中创建填充效果。

19. 创建填充雷达图

fill()函数也可以用来创建填充雷达图，这种图表在多维数据比较中非常有用。

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D', 'E']
values = [4, 3, 5, 2, 4]

angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)
values = np.concatenate((values, [values[0]]))  # 闭合多边形
angles = np.concatenate((angles, [angles[0]]))  # 闭合多边形

fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(projection='polar'))
ax.fill(angles, values, alpha=0.25)
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)
ax.set_ylim(0, 6)

plt.title('Filled Radar Chart - how2matplotlib.com')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用fill()函数创建填充雷达图。

20. 创建填充树状图

最后，让我们看看如何使用fill()函数创建一个简单的填充树状图。

import matplotlib.pyplot as plt
import numpy as np

def draw_tree(ax, n, x, y, angle, depth, length):
    if depth > 0:
        x_end = x + length * np.cos(np.radians(angle))
        y_end = y + length * np.sin(np.radians(angle))
        ax.plot([x, x_end], [y, y_end], 'k-')

        new_length = length * 0.7
        draw_tree(ax, n, x_end, y_end, angle - 30, depth - 1, new_length)
        draw_tree(ax, n, x_end, y_end, angle + 30, depth - 1, new_length)
    else:
        ax.fill([x, x+0.1, x-0.1], [y, y+0.1, y+0.1], 'g', alpha=0.7)

fig, ax = plt.subplots(figsize=(10, 8))
draw_tree(ax, 0, 0, 0, 90, 8, 1)

ax.set_aspect('equal')
ax.axis('off')
plt.title('Filled Tree Diagram - how2matplotlib.com')
plt.show()

Output:

Matplotlib.pyplot.fill() 函数：轻松创建填充区域图

这个例子展示了如何使用fill()函数创建一个简单的填充树状图。

总结起来，pyplot.fill()函数是Matplotlib库中一个非常versatile的工具，可以用于创建各种类型的填充图表。从简单的多边形填充到复杂的数据可视化，fill()函数都能胜任。通过本文的详细介绍和丰富的示例，您应该已经掌握了如何使用这个函数来创建各种类型的可视化效果。希望这些信息和示例能够帮助您在数据可视化项目中充分利用fill()函数的潜力。