Python程序设计之Matplotlib图形

以你之姓@ 2023-06-18 06:55 16阅读 0赞

数据的快速生成  
arange函数进行采样

实现：

import numpy as np
    p=np.arange(0,1,0.1) #arange函数需要三个参数，分别为起始点、终止点、采样间隔。
    
    if __name__ == '__main__':
        print(p)

输出结果：  
![在这里插入图片描述][20191130210740495.png]

实现：

import numpy as np
    p=np.arange(0,5.6) #arange函数需要三个参数，分别为起始点、终止点、采样间隔。
    #采样间隔默认值为1
    
    if __name__ == '__main__':
        print(p)

输出结果：  
![在这里插入图片描述][20191130210754616.png]

linspace函数进行采样

import numpy as np
    p=np.linspace(1,10,10) #linspace函数指定开始值、终止值和元素个数来创建一维数组
    
    if __name__ == '__main__':
        print(p)

输出结果：  
![在这里插入图片描述][20191130210807191.png]

import numpy as np
    p= np.linspace(1,10,endpoint=False) #linspace函数指定开始值、终止值和元素个数来创建一维数组
    #可以通过endpoint=True关键字指定是否包括终值，缺省设置是包括终值
    if __name__ == '__main__':
        print(p)

输出结果：  
![在这里插入图片描述][20191130210824121.png]

Numpy提供了大量函数，计算速度快

import numpy as np
    x=np.arange(0,np.pi/2,0.1)  #arange函数三个参数，分别为起始点、终止点、采样间隔。
    y=np.sin(x)  #把所有点的函数值，一次求得
    
    
    if __name__ == '__main__':
        print(y)

输出结果：  
![在这里插入图片描述][20191130210836351.png]

#step 1 引用
    import matplotlib.pyplot as plt
    import numpy as np
    #step 2 准备数据
    x=np.arange(-np.pi,np.pi,0.1)  #arange函数三个参数，分别为起始点、终止点、采样间隔。
    y=np.sin(x)   #把所有点的函数值，一次求得
    #step 3 制图
    plt.plot(x,y,'b') #'b'代表使用蓝色画曲线
    #step 4 显示图形
    plt.show()

![在这里插入图片描述][20191130210917313.png]

import matplotlib.pyplot as plt
    import numpy as np
    
    #使用xlim(x1,x2)设定横轴坐标，ylin(y1,y2)设置纵轴坐标
    x=np.arange(-5,5,0.1) #arange函数需要三个参数，分别为起始点、终止点、采样间隔。
    y=x**2
    plt.xlim(-5,5) #设定横坐标范围
    plt.ylim(0,100) #设定纵坐标范围
    plt.xlabel("x") #横轴标识
    plt.ylabel("y=x*x") #纵轴标识
    plt.title("Plot y=x*x") #设定图形的标题
    plt.plot(x,y)	#制图
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70]

#特别指定坐标轴的刻度，制作更能表达深意的图形,xticks(yticks)方法实现了这个功能 
    import numpy as np
    from pylab import *
    x=np.linspace(-np.pi,np.pi,100)
    #linspace函数指定开始值、终止值和元素个数来创建一维数组
    cos=np.cos(x)  #把所有点的函数值，一次求得
    xticks(np.linspace(-np.pi,np.pi,5))   #linspace函数指定开始值、终止值和元素个数来创建一维数组
    plot(x,cos,color='red',linewidth=2.0,linestyle='-') #制图，设置一些属性
    show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 1]

#plot的label参数
    import numpy as np
    from pylab import *
    x=np.linspace(-np.pi,np.pi,100)  #linspace函数指定开始值、终止值和元素个数来创建一维数组
    sin,cos=np.sin(x),np.cos(x)   #把所有点的函数值，一次求得
    plot(x,sin,color='blue',linewidth=2.0,linestyle='-',label='sin') #制图，设置一些属性
    plot(x,cos,color='red',linewidth=2.0,linestyle='-',label='cos') #制图，设置一些属性
    legend(loc='upper left') #为每条折线添加图例
    show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 2]

#饼图
    import numpy as np
    import matplotlib.pyplot as plt
    data = np.random.randint(1,11,5)  #随机数生成模块
    plt.pie(data,explode=[0,0,0.2,0,0]) #explode的第三个参数为0.2，意味着对应饼块被拖出饼
    plt.show()

![在这里插入图片描述][20191130211009543.png]

#散点图
    from pylab import *
    import numpy as np
    n=100
    x=np.random.normal(0,1,n)	#随机数生成模块
    y=np.random.normal(0,1,n)	#随机数生成模块
    scatter(x,y)	#绘制散点图
    show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 3]

#柱图+折线图
    import numpy as np
    import matplotlib.pyplot as plt
    import matplotlib as mpl
    mpl.rcParams['font.family']='sans-serif' 	#自定义样式控制
    mpl.rcParams['font.sans-serif']=[u'SimHei']	#自定义样式控制
    data=np.random.randint(1,10,10)		#随机数生成模块
    x=np.arange(len(data))	
    plt.plot(x,data,color='r')	#制图，同时设置一些属性
    plt.bar(x,data,alpha=.5,color='b',width=0.2)	#制柱形图，同时设置一些属性
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 4]

#子窗口制图
    import numpy as np
    import matplotlib.pyplot as plt
    
    x=np.linspace(0,5,10)	#linspace函数指定开始值、终止值和元素个数来创建一维数组
    y=x**2
    
    #subplot(numRows, numCols, plotNum)
    #图表的整个绘图区域被分成 numRows 行和 numCols 列
    #然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1
    
    plt.subplot(1,2,1)		
    plt.plot(x,y,'r--')		#制图，同时设置一些属性
    plt.subplot(1,2,2)
    plt.plot(y,x,'g*-')		#制图，同时设置一些属性
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 5]

如何设定下图的参数？  
答：

#子窗口制图
    import numpy as np
    import matplotlib.pyplot as plt
    
    x=np.linspace(0,5,10)  #linspace函数指定开始值、终止值和元素个数来创建一维数组
    y=x**2
    
    #subplot(numRows, numCols, plotNum)
    #图表的整个绘图区域被分成 numRows 行和 numCols 列
    #然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1
    
    plt.subplot(2,1,1)
    plt.plot(x,y,'r--')       #制图，同时设置一些属性
    plt.subplot(2,1,2)
    plt.plot(y,x,'g*-')       #制图，同时设置一些属性
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 6]

指定图的大小和分辨率  
指定图形的分辨率、大小和长宽比例（aspect ratio）  
通过subplots函数中的figsize、dpi等参数实现  
如创建一个800\*600像素、100dpi（每英寸100点）分辨率的图形，可以使用如下语句

import numpy as np
    import matplotlib.pyplot as plt
    
    #linspace函数指定开始值、终止值和元素个数来创建一维数组
    x=np.linspace(0,5,10)
    y=x**2
    fig,axes=plt.subplots(figsize=(8,6),dpi=100)	#绘制子图
    axes.plot(x,y,'r')	#制图，同时设置一些属性
    axes.set_xlabel('x')		#横轴标识
    axes.set_ylabel('y')		#纵轴标识
    axes.set_title('title')	#设置标题
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 7]

三维图  
除了要引用matplotlib外，  
还需要引用mpl\_toolkits.mplot3d库  
还需要在matplotlib的figure函数生成实例对象后，设置其制图模式为3d

import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    
    fig=plt.figure()	#创建自定义图像
    ax=fig.add_subplot(111,projection='3d') ##“111”表示“1×1网格，第一子图”
    X=[0,1,2,1.5]	#设置X坐标
    Y=[0,4,4,1]	#设置Y坐标
    Z=[0,2,0,0]	#设置Z坐标
    ax.plot_trisurf(X,Y,Z) 
    # Tri 的每一行都定义了三角形的一个面，其实现方式是对包含 X、Y 和 Z 顶点的向量或矩阵进行索引，以此来定义面。
    
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 8]

三维曲面plot\_trisurf

import numpy as np
    import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    
    n_angles=36	#设置角度
    n_radii=8
    radii=np.linspace(0.125,1.0,n_radii)	
    #linspace函数指定开始值、终止值和元素个数来创建一维数组
    #可以通过endpoint=True关键字指定是否包括终值，缺省设置是包括终值
    angles=np.linspace(0,2*np.pi,n_angles,endpoint=False)
    angles=np.repeat(angles[...,np.newaxis],n_radii,axis=1)
    #angles [...,np.newaxis] 将angles转置，将每个元素转化成一个列表
    x=np.append(0,(radii*np.cos(angles)).flatten())
    y=np.append(0,(radii*np.sin(angles)).flatten())
    #flatten作用是将矩阵的行之间首位相接连接成一个一维矩阵
    z=np.sin(-x*y)	#把所有点的函数值，一次求得
    fig=plt.figure()	#创建自定义图像
    ax=fig.gca(projection='3d')	#进入3d图形制作模式
    
    ax.plot_trisurf(x,y,z,cmap=plt.get_cmap('rainbow'),linewidth=0.2)
    # Tri 的每一行都定义了三角形的一个面，其实现方式是对包含 X、Y 和 Z 顶点的向量或矩阵进行索引，以此来定义面。
    #同时可以设置线的颜色和线的宽度
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 9]

三维曲面plot\_surface

import numpy as np
    import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    import matplotlib.mlab as mlab
    
    delta=0.025
    x=np.arange(-3.0,3.0,delta)    #arange函数需要三个参数，分别为起始点、终止点、采样间隔。
    y=np.arange(-2.0,2.0,delta)    #arange函数需要三个参数，分别为起始点、终止点、采样间隔。
    X,Y=np.meshgrid(x,y)      #生成网格型数据
    Z1=mlab.bivariate_normal(X,Y,1.0,1.0,0.0,0.0)#产生双变量正态分布，四个整数分别为：x和y的方差，x和y的均值
    Z2=mlab.bivariate_normal(X,Y,1.5,0.5,1,1)   #产生双变量正态分布，四个整数分别为：x和y的方差，x和y的均值
    #difference of Gaussians
    Z=10.0*(Z2-Z1)
    #使用默认色创建带标签轮廓图
    fig=plt.figure()
    ax=fig.gca(projection='3d') #进入3d图形制作模式
    
    ax.plot_surface(X,Y,Z,cmap=plt.get_cmap('rainbow'),linewidth=0.2) #绘制图案，设置颜色，设置线的宽度
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 10]

三维曲面plot\_surface+scatter

import numpy as np
    import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    from random import seed,random
    import matplotlib.mlab as mlab
    
    fig=plt.figure()    #创建自定义图像
    ax=fig.gca(projection='3d') #进入3d图形制作模式
    x_surf=np.arange(0,1,0.01) #产生x坐标
    y_surf=np.arange(0,1,0.01) #产生y坐标
    x_surf,y_surf=np.meshgrid(x_surf,y_surf)    #产生网格
    z_surf=np.sqrt(x_surf+y_surf)  #产生z坐标
    ax.plot_surface(x_surf,y_surf,z_surf) #画3d曲面
    n=100;seed(0) #随机种子，产生可重复的数据，既程序每次运行结果一样
    x=[random()for i in range(n)] #产生随机点
    y=[random()for i in range(n)] #产生随机点
    z=[random()for i in range(n)] #产生随机点
    ax.scatter(x,y,z) #画3d散点图
    ax.set_xlabel('x label');	#设置x标签
    ax.set_ylabel('y label'); #设置y标签
    ax.set_zlabel('z label'); #设置z标签
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 11]

为三维曲面绘制等高线

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 12]

[20191130210740495.png]: https://img-blog.csdnimg.cn/20191130210740495.png
[20191130210754616.png]: https://img-blog.csdnimg.cn/20191130210754616.png
[20191130210807191.png]: https://img-blog.csdnimg.cn/20191130210807191.png
[20191130210824121.png]: https://img-blog.csdnimg.cn/20191130210824121.png
[20191130210836351.png]: https://img-blog.csdnimg.cn/20191130210836351.png
[20191130210917313.png]: https://img-blog.csdnimg.cn/20191130210917313.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191130210930252.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20191130210945706.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20191130210954804.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[20191130211009543.png]: https://img-blog.csdnimg.cn/20191130211009543.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20191130211019500.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/201911302110334.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20191130211048938.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/2019113021110087.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20191130211117423.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20191130211232878.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20191130211248665.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20191130211301432.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20191130211316220.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20191130211331579.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NjEzOTMx,size_16,color_FFFFFF,t_70