我终于懂得如何使用matplotlib进行画图

栏目: IT技术 · 发布时间: 4年前

内容简介:本篇文章带大家快速入门如何使用matplotlib画出精美数学的图片;看完本篇文章你将获得熟悉并简单使用matplotlib工具,会画基本得折现图,散点图,sin,cos图,一张画布画出多图等. 当然matplotlib得功能远不止这些,读者可以参照官网进行学习。下面张图片来自

一 前言

本篇文章带大家快速入门如何使用matplotlib画出精美数学的图片;看完本篇文章你将获得熟悉并简单使用matplotlib工具,会画基本得折现图,散点图,sin,cos图,一张画布画出多图等. 当然matplotlib得功能远不止这些,读者可以参照官网进行学习。

二 图像得组成

下面张图片来自 matplotlib 官网,简单说明一下图片得组成;

  1. figure:画布,一张图片得整体轮廓
  2. Axes:数轴,一张画布上可以画多张图片
  3. axis:坐标轴,通常得x轴,y轴等
  4. tick:刻度,坐标轴上得刻度
  5. title: 图片得标题
  6. legend:图例
  7. grid: 网格
  8. label:标签说明

我终于懂得如何使用matplotlib进行画图

三 画折现图

画图之前要导入matplotlib库和numpy库;

3.1 简单折线图

画一张简单得折线图,输入得数值只有y变量,并且设置x,y轴得标签和字体大小,详细说明看代码清单

import matplotlib.pyplot as plot
import numpy as np
# 着线图数据
line = [1,2,6,8,9,15,23,29,35]

# 指定线条粗细
plot.plot(line,linewidth=2)
# 设置标题
plot.title("zszxz line ",fontsize=12)
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y",fontsize=12)
# 显示
plot.show()

图片显示结果

我终于懂得如何使用matplotlib进行画图

3.2 齐全的折线图

下面得图片画得是带有x,y数值得折现图,能够自定义x,y值,实现数学上的数字换图片效果; 描绘坐标就是(1,2),(2,4),(6,12),(8,16),(9,18);y的值正好是x的2倍(y = 2x);也可以发现与前面一张图片的不同之处就是初始值不是(0,0)开始,而是(1,2);

import matplotlib.pyplot as plot
import numpy as np
# 着线图数据
line1 = [1,2,6,8,9]
line2 = [2,4,12,16,18]
# 指定线条粗细
plot.plot(line1, line2,linewidth=2)
# 设置标题
plot.title("zszxz line ",fontsize=12)
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y",fontsize=12)
# 显示
plot.show()

图片结果

我终于懂得如何使用matplotlib进行画图

3.3 销售折现图

模拟一次水果每个月份的销量,知识追寻者举例2个水果,分别是苹果,香蕉,然后用折现图显示每个月份的销量;代码清单将设置图例信息,限制x轴的范围(1~12月),设置x轴刻度;

import matplotlib.pyplot as plot
import numpy as np
# 折线图数据
line1 = [1,2,6,8,9,25,41,65,32,14,45,100]
line2 = [2,4,12,16,18,45,3,4,55,67,78,22]
# 线条1
plot.plot(line1,color='red',label="apple",linewidth=2)
# 线条2
plot.plot(line2,color='blue',label="banana",linewidth=2)
# 设置x轴
plot.xlabel("month",fontsize=12)
# 设置y轴
plot.ylabel("sales",fontsize=12)
# 设置标题
plot.title("zszxz prodcut sale ",fontsize=12)
# 添加图例
plot.legend()
# 设置x范围
plot.xlim(1,12)
# 设置 x 刻度
x_ticks = np.arange(1, 13, 1)
plot.xticks(x_ticks)
# 显示
plot.show()

执行结果

我终于懂得如何使用matplotlib进行画图

四 画散点图

4.1 简单的散点图

我们将以简单的(x,y)坐标匹配,然后在画布上画出简单的散点图;

import matplotlib.pyplot as plot
import numpy as np
x = [1,3,5,7,9]
y = [2,4,6,8,10]
# 散点
plot.scatter(x,y)
# 设置标题
plot.title("zszxz scatter",fontsize=12)
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y",fontsize=12)
# 显示
plot.show()

执行结果如下,可以看见基本实现了散点图功能不过不是很好看;

我终于懂得如何使用matplotlib进行画图

4.2 计算型散点图

实际应用中不可能要我们手动输入2个列表进行描绘散点图,一般都包含一种数学关系,我们用计算的方式获得散点图;

import matplotlib.pyplot as plot
import numpy as np
x_val = list(range(1,50))
# y的值是x的平方
y_val = [x**2 for x in x_val]
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y",fontsize=12)
# 散点
plot.scatter(x_val,y_val,color='pink')
# 显示
plot.show()

执行结果如下,修改颜色,数据集变多之后,明显就好看了许多;

我终于懂得如何使用matplotlib进行画图

4.3 随机数散点图

这次我们将使用随机数进行描绘图片,并设置图片散点颜色,标记属性;marker 属性默认是 o ,圆点,我们将其改成 * ; 更多marker配置配置可以参照官方文档

import matplotlib.pyplot as plot
import numpy as np
# 500 个随机数
n = 500
# 平均值为0,方差为1
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)

#plot.scatter(X,Y,color='green',alpha=0.7)
plot.scatter(X,Y,color='green',alpha=0.7,marker='*')
#设置网格线
#plot.grid(True)
plot.show()

执行结果如下,可以发现瞬间美观了许多,当然根据不同的实际需求,画出的图片也不一样。

我终于懂得如何使用matplotlib进行画图

五 画正余弦

5.1正弦

知识追寻者将画 一个 x 轴从-2Π 到 + 2 Π的 正弦图,并且在区间进行1024个等分处理;

import matplotlib.pyplot as plot
import numpy as np
# -2Π 到 2 Π 1024 个等值
x = np.linspace(-np.pi*2, np.pi*2, 1024)
y = np.sin(x)
plot.plot(x, y,c='r')
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y=sin(x)",fontsize=12)
# 设置标题
plot.title("zszxz sin",fontsize=12)
# 显示
plot.show()

执行结果如下:

我终于懂得如何使用matplotlib进行画图

5.2 余弦

跟正弦类似,画 一个 x 轴从-2Π 到 + 2 Π的 正弦图,并且在区间进行1024个等分处理;

import matplotlib.pyplot as plot
import numpy as np
# -2Π 到 2 Π 1024 个等值
x = np.linspace(-np.pi*2, np.pi*2, 1024)
y = np.cos(x)
plot.plot(x, y,c='c')
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y=cons(x)",fontsize=12)
# 设置标题
plot.title("zszxz cos",fontsize=12)
# 显示
plot.show()

我终于懂得如何使用matplotlib进行画图

六 画布多图

知识追寻者将5章节的正弦,余弦整合,然后在一张画布上画出2张图片;懂得这个方法之后,读者可以在任意得一张画布上画出多张图片;为了显示更加好看,还设置了虚线(dashes)

import matplotlib.pyplot as plot
import numpy as np
# 创建画布
plot.figure()
# 子图1
plot.subplot(211)
x = np.linspace(-np.pi*2, np.pi*2, 1024)
sin_y = np.sin(x)
# 设置虚线
plot.plot(x, sin_y,dashes=[6, 3],c='m')
# 子图2
plot.subplot(212)
con_y = np.cos(x)
plot.plot(x, con_y,dashes=[6, 2],c='r')
# 显示
plot.show()

我终于懂得如何使用matplotlib进行画图


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Head First 设计模式(中文版)

Head First 设计模式(中文版)

弗里曼 / O'Reilly Taiwan公司 / 中国电力出版社 / 2007-9 / 98.00元

《Head First设计模式》(中文版)共有14章,每章都介绍了几个设计模式,完整地涵盖了四人组版本全部23个设计模式。前言先介绍这本书的用法;第1章到第11章陆续介绍的设计模式为Strategy、Observer、Decorator、Abstract Factory、Factory Method、Singleton,Command、Adapter、Facade、TemplateMethod、I......一起来看看 《Head First 设计模式(中文版)》 这本书的介绍吧!

URL 编码/解码
URL 编码/解码

URL 编码/解码

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

HEX CMYK 转换工具
HEX CMYK 转换工具

HEX CMYK 互转工具