Python科学计算(三)Matplotlib

系统 392 0

1.简介

Matplotlib是一个非常强大的画图工具,对数据的可视化起着很大的作用

Matplotlib可以画线图,散点图,等高线图,条形图,柱形图,3D图形等

2,基础语法

            
              import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-3,3,50)  #在(-3,3)之间生成50个数
y1 = 2*x+1
y2 = x**2
plt.figure(num=1,figsize=(8,5))   #定义编号为1,大小为(8,5)
plt.plot(x,y1,color='red',linewidth=2,linestyle="--")
plt.plot(x,y2)
plt.show()
            
          

设置坐标轴

            
              import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-3,3,50)  #在(-3,3)之间生成50个数
y = 2*x+1
plt.figure(num=1,figsize=(8,5))   #定义编号为1,大小为(8,5)
plt.xlim(-1,2)     #x轴的范围
plt.ylim(-2,3)     #y轴的范围
plt.xlabel("x轴")  #设置坐标轴的显示
plt.ylabel("y轴")
plt.xticks(x)         #设置坐标轴刻度
plt.plot(x,y,color='red',linewidth=2,linestyle="--")
plt.show()
            
          

lengend()图例

            
              import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.xlim(-1,2)
plt.ylim(-2,3)

new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks)
plt.yticks([-2,-1,1,2,],
          [r'$really\ bad$','$bad$','$well$','$really\ well$'])

l1,=plt.plot(x,y1,color='red',linewidth=2,linestyle='--',label='linear line')
l2,=plt.plot(x,y2,label='square line')
plt.legend(loc='best') #显示在最好的位置,自动分配


plt.show() #显示图
            
          

Annotation标注

            
              import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-3,3,50)
y=2*x+1
plt.figure(num=1,figsize=(8,5))
plt.plot(x,y)

#移动坐标轴
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

#标注信息
x0=1
y0=2*x0+1
plt.scatter(x0,y0,color='b')
plt.plot([x0,x0],[y0,0],'k--',lw=2.5)  #连接两个点,k表示黑色,lw=line weight 线粗细

plt.annotate(r'$2x0+1=%s$' % y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
#xycoords='data'  基于数据的值来选位置,xytext=(+30,-30),对于标注位置的描述,textcoords='offset points',xy偏差值,arrowprops对图中箭头类型设置
plt.text(-3.7,3,r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',fontdict={'size':16,'color':'r'})

plt.show()
            
          

Tick能见度

            
              import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-3,3,50)
y=0.1*x
plt.figure()
plt.plot(x,y,linewidth=10,zorder=1)
plt.ylim(-2,2)

#移动坐标轴
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

#label.set_fontsize(12) 重新调整字体的大小,bbox设置目的内容透明度相关系数,facecolor调节box景色
#edgecolor设置边框 ,alpha设置透明度,zorder设置图层顺序
for label in ax.get_xticklabels()+ax.get_yticklabels():
    label.set_fontsize(12)
    label.set_bbox(dict(facecolor='red',edgecolor='None',alpha=0.7,zorder=2))

plt.show()
            
          

绘制图像

散点图

            
              import numpy as np
import matplotlib.pyplot as plt
n=1024
X=np.random.normal(0,1,n)
Y=np.random.normal(0,1,n)
T=np.arctan2(Y,X)  #arctan2返回给定的X和Y值的反正切值
#scatter画散点图,size=75,颜色为T,透明度为50%,利用xticks函数来隐藏x坐标轴
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.xlim(-1.5,1.5)
plt.xticks(())  #忽略xticks
plt.ylim(-1.5,1.5)
plt.yticks(()) #忽略yticks
plt.show()
            
          

条形图

            
              import numpy as np
import matplotlib.pyplot as plt
n=12
X=np.arange(n)
Y1=(1-X/float(n))*np.random.uniform(0.5,1,n)
Y2=(1-X/float(n))*np.random.uniform(0.5,1,n)
plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')
plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')

#标记值
for x,y in zip(X,Y1):  #zip表示可以传递两个值
    plt.text(x+0.4,y+0.5,'%.2f'%y,ha='center',va='bottom')  #ha表示横向对齐,bottom表示向下对齐
for x,y in zip(X,Y2):
    plt.text(x+0.4,-y-0.05,'%.2f'%y,ha='center',va='top')
plt.xlim(-0.5,n)
plt.xticks(())
plt.ylim(-1.25,1.25)
plt.yticks(())

plt.show()
            
          

等高线图

            
              import numpy as np
import matplotlib.pyplot as plt
n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y)  #从坐标向量返回坐标矩阵
#函数用来计算高度值,利用contour函数把颜色加进去,位置参数依次为x,y,f(x,y),透明度为0.75,并将f(x,y)的值对应到camp之中
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)  #8表示等高线分成多少份,alpha表示透明度,cmap表示color map

C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
plt.clabel(C,inline=True,fontsize=10)
plt.xticks(()) #隐藏坐标轴
plt.yticks(())

plt.show()
            
          

3D数据

            
              import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D   #需要导入模块Axes3D
fig=plt.figure() #定义图像窗口
ax=Axes3D(fig)  #在窗口上添加3D坐标轴
#将x和y值编织成栅格
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=np.sin(R)  #高度值

#将colormap ranbow填充颜色,之后将三维图像投影到XY平面做等高线图,其中rstride和cstride表示row和column的宽度
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) #rstride表示图像中分割线的跨图

#添加XY平面等高线 投影到Z平面
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow')) #把图像进行投影的图形 offset表示比0坐标轴低两个位置
ax.set_zlim(-2,2)
plt.show()
            
          

 

次坐标轴

 

动图

 


更多文章、技术交流、商务合作、联系博主

微信扫码或搜索:z360901061

微信扫一扫加我为好友

QQ号联系: 360901061

您的支持是博主写作最大的动力,如果您喜欢我的文章,感觉我的文章对您有帮助,请请扫描上面二维码支持博主1元、2元、5元等您想捐的金额吧,狠狠点击下面给点支持吧

发表我的评论
最新评论 总共0条评论