matplotlib基本功能
matplotlib基本功能
- matplotlib概述
- matplotlib基本功能
- 基本绘图
- 绘图核心API
- 线型、线宽和颜色
- 设置坐标轴范围
- 设置坐标刻度
- 设置坐标轴
- 图例
- 设置图例的位置
- 特殊点
- 备注
- 图形对象(图形窗口)
- 设置当前窗口的参数
- 子图
- 矩阵式布局
- 网格式布局
- 自由式布局
- 刻度定位器
- 刻度网格线
- 半对数坐标
- 散点图
- 填充
- 条形图(柱状图)
- 饼图
- 等高线图
- 热成像图
- 3D图像绘制
- 3d散点图的绘制相关API
- 3d平面图的绘制相关API
- 3d线框图的绘制相关API
- 极坐标系
- 简单动画
matplotlib概述
matplotlib是python的一个绘图库。使用它可以很方便的绘制出版质量级别的图形。
matplotlib基本功能
基本绘图
绘图核心API
import numpy as np
import matplotlib.pyplot as mp# xarray: <序列> 水平坐标序列
# yarray: <序列> 垂直坐标序列
mp.plot(xarray, yarray)
#显示图表
mp.show()
绘制水平线与垂直线:
import numpy as np
import matplotlib.pyplot as mp# vertical 绘制垂直线
mp.vlines(vval, ymin, ymax, ...)
# horizotal 绘制水平线
mp.hlines(xval, xmin, xmax, ...)
#显示图表
mp.show()
举个例子
import numpy as np
import matplotlib.pyplot as mpx = np.array([0, 1, 2, 3, 4, 5, 6, 7])
y = np.array([45,81,36,51,19,92,23,51])
mp.plot(x, y)# 绘制水平线 在纵坐标为60的地方,画一条横坐标从1到6.5的水平线
mp.hlines(60, 1, 6.5)
# 绘制垂直线
mp.vlines([1,2,3,4,5], [10,20,30,40,50], [25,35,45,55,65])
#分别在横坐标为1 2 3 4 5的地方,画5条垂直线,具体起始坐标是后面两个列表的元素
mp.show()
运行结果:
线型、线宽和颜色
linestyle: 线型 ‘-’ ‘–’ ‘-.’ ‘:’
linewidth: 线宽(数字)
color: <关键字参数> 颜色,可以写:英文颜色单词 或 常见颜色英文单词首字母 或 #495434 或 (1,1,1) 或 (1,1,1,1)
alpha: <关键字参数> 透明度(浮点数值)
mp.plot(xarray, yarray, linestyle='', linewidth=1, color='', alpha=0.5)
设置坐标轴范围
x_limt_min: x轴范围最小值
x_limit_max: x轴范围最大值
y_limt_min: y轴范围最小值
y_limit_max: y轴范围最大值
mp.xlim(x_limt_min, x_limit_max)
mp.ylim(y_limt_min, y_limit_max)
设置坐标刻度
x_val_list: x轴刻度值序列
x_text_list: x轴刻度标签文本序列 [可选]
y_val_list: y轴刻度值序列
y_text_list: y轴刻度标签文本序列 [可选]
mp.xticks(x_val_list , x_text_list )
mp.yticks(y_val_list , y_text_list )
刻度文本的特殊语法 – LaTex排版语法字符串
r'$x^n+y^n=z^n$', r'$\int\frac{1}{x} dx = \ln |x| + C$', r'$-\frac{\pi}{2}$'
x 2 + y 2 = z 2 , ∫ 1 x d x = ln ∣ x ∣ + C , − π 2 x^2+y^2=z^2, \int\frac{1}{x} dx = \ln |x| + C, -\frac{\pi}{2} x2+y2=z2,∫x1dx=ln∣x∣+C,−2π
设置坐标轴
坐标轴名:left / right / bottom / top
# 获取当前坐标轴字典,{'left':左轴,'right':右轴,'bottom':下轴,'top':上轴 }
ax = mp.gca() # getCurrentaxis
# 获取其中某个坐标轴
axis = ax.spines['坐标轴名']
# 设置坐标轴的位置。 该方法需要传入2个元素的元组作为参数
# type: <str> 移动坐标轴的参照类型 一般为'data' (以数据的值作为移动参照值)
# val: 参照值
axis.set_position(('data', val))
# 设置坐标轴的颜色
# color: <str> 颜色值字符串
axis.set_color(color)
举个例子:
#设置坐标轴
ax = mp.gca()
axis_b = ax.spines['bottom']
axis_b.set_position(('data', 0))
axis_l = ax.spines['left']
axis_l.set_position(('data', 0.5))
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
运行结果:
图例
再绘制曲线时定义曲线的label(plot函数中的参数)
label: <关键字参数 str> 支持LaTex排版语法字符串
设置图例的位置
loc: <关键字参数> 制定图例的显示位置 (若不设置loc,则显示默认位置)
String Code
‘best’ 0
‘upper right’ 1
‘upper left’ 2
‘lower left’ 3
‘lower right’ 4
‘right’ 5
‘center left’ 6
‘center right’ 7
‘lower center’ 8
‘upper center’ 9
‘center’ 10
mp.plot(xarray, yarray ... label='', ...)
mp.legend(loc='')
特殊点
xarray: <序列> 所有需要标注点的水平坐标组成的序列
yarray: <序列> 所有需要标注点的垂直坐标组成的序列
mp.scatter(xarray, yarray, marker='', #点型 ~ matplotlib.markerss=70, #大小edgecolor='', #边缘色facecolor='', #填充色zorder=3 #绘制图层编号 (编号越大,图层越靠上)
)
marker点型可参照:help(matplotlib.markers)
备注
案例:为在某条曲线上的点添加备注,指明函数方程与值。
# 在图表中为某个点添加备注。包含备注文本,备注箭头等图像的设置。
mp.annotate(r'$\frac{\pi}{2}$', #备注中显示的文本内容xycoords='data', #备注目标点所使用的坐标系(data表示数据坐标系)xy=(x, y), #备注目标点的坐标textcoords='offset points', #备注文本所使用的坐标系(offset points表示参照点的偏移坐标系)xytext=(x, y), #备注文本的坐标fontsize=14, #备注文本的字体大小arrowprops=dict() #使用字典定义文本指向目标点的箭头样式
)
arrowprops参数使用字典定义指向目标点的箭头样式
#arrowprops字典参数的常用key
arrowprops=dict(arrowstyle='', #定义箭头样式connectionstyle='' #定义连接线的样式
)
箭头样式(arrowstyle)字符串如下
=============================================
Name Attrs
============================================='-' None'->' head_length=0.4,head_width=0.2'-[' widthB=1.0,lengthB=0.2,angleB=None'|-|' widthA=1.0,widthB=1.0'-|>' head_length=0.4,head_width=0.2'<-' head_length=0.4,head_width=0.2'<->' head_length=0.4,head_width=0.2'<|-' head_length=0.4,head_width=0.2'<|-|>' head_length=0.4,head_width=0.2'fancy' head_length=0.4,head_width=0.4,tail_width=0.4'simple' head_length=0.5,head_width=0.5,tail_width=0.2'wedge' tail_width=0.3,shrink_factor=0.5
=============================================
连接线样式(connectionstyle)字符串如下
=============================================
Name Attrs
============================================='angle' angleA=90,angleB=0,rad=0.0'angle3' angleA=90,angleB=0` 'arc' angleA=0,angleB=0,armA=None,armB=None,rad=0.0'arc3' rad=0.0'bar' armA=0.0,armB=0.0,fraction=0.3,angle=None
=============================================
举个例子:(绘制 sin(x) 和 cos(x) / 2 函数)
import numpy as np
import matplotlib.pyplot as mp#从-pi到pi拆1000个点
x = np.linspace(-np.pi, np.pi, 1000)
sinx = np.sin(x)# 画一个y = cos(x)/2
cosx = np.cos(x) / 2# 修改x轴的刻度
vals = [-np.pi, -np.pi/2, 0, np.pi/2, np.pi]
texts = [r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{\pi}{2}$', r'$\pi$']
mp.xticks(vals, texts) #设置x轴坐标刻度# 设置坐标轴
ax = mp.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['left'].set_position(('data', 0))
ax.spines['bottom'].set_position(('data', 0))
mp.yticks([-1.0, -0.5, 0.5, 1.0]) #设置y轴刻度#设置绘制的两条线的属性
mp.plot(x, sinx, linestyle='-.', linewidth=2, color='dodgerblue', alpha=0.8,label=r'$y = sin(x)$')
mp.plot(x, cosx, linestyle='--', linewidth=2,color='orangered', alpha=0.8, label=r'$y = \frac{1}{2}cos(x)$')# 绘制特殊点
mp.scatter([np.pi/2, np.pi/2], [1, 0],s=[120,80], marker='o', edgecolor='red', facecolor='green', zorder=3) #zorder是图层顺序# 为特殊点添加备注
mp.annotate(r'$[\frac{\pi}{2}, 1]$', xycoords='data', xy=(np.pi/2, 1), textcoords='offset points', xytext=(20, 30),fontsize=14, arrowprops=dict(arrowstyle='->',connectionstyle='angle3'))
mp.legend() #显示图例
mp.show()
运行结果:
图形对象(图形窗口)
# 手动构建 matplotlib 窗口
mp.figure('', #窗口标题栏文本 figsize=(4, 3), #窗口大小 <元组>dpi=120, #像素密度facecolor='' #图表背景色
)
mp.show()
mp.figure方法不仅可以构建一个新窗口,如果已经构建过title='AAA’的窗口,又使用figure方法构建了title=‘AAA’ 的窗口的话,mp将不会创建新的窗口,而是把title='AAA’的窗口置为当前操作窗口。(这个title指的是窗口的标题,不是图表的标题)
设置当前窗口的参数
设置图表标题 显示在图表上方,注意!这是图标的标题,不是窗口的标题!
mp.title(title, fontsize=12)
设置水平轴的文本
mp.xlabel(x_label_str, fontsize=12)
设置垂直轴的文本
mp.ylabel(y_label_str, fontsize=12)
设置刻度参数 labelsize设置刻度字体大小
mp.tick_params(…, labelsize=8, …)
设置图表网格线 linestyle设置网格线的样式
- or solid 粗线
– or dashed 虚线
-. or dashdot 点虚线
: or dotted 点线
mp.grid(linestyle=’’)
设置紧凑布局,把图表相关参数都显示在窗口中
mp.tight_layout()
举个例子:
import matplotlib.pyplot as mp
mp.figure('Figure A', facecolor='lightgray')
mp.title('Figure AAA', fontsize=16)
mp.grid(linestyle=':')
mp.figure('Figure B', facecolor='gray')
mp.title('Figure BBB', fontsize=16)
mp.grid(linestyle='-.')
mp.figure('Figure A')
mp.xlabel('Date', fontsize=14)
mp.ylabel('Price', fontsize=14)
mp.tight_layout()
mp.show()
运行结果:
子图
矩阵式布局
绘制矩阵式子图布局相关API:
拆分矩阵
rows: 行数
cols: 列数
num: 编号
mp.subplot(rows, cols, num)
mp.figure('Subplot Layout', facecolor='lightgray')
mp.subplot(3, 3, 5) #操作3*3的矩阵中编号为5的子图
mp.subplot(335) #简写
运行结果:
案例:绘制9宫格矩阵式子图,每个子图中写一个数字。
mp.figure('Subplot Layout', facecolor='lightgray')
for i in range(9):mp.subplot(3, 3, i+1)mp.text(0.5, 0.5, i+1, # 第三个参数是具体内容ha='center', va='center',size=36,alpha=0.5,)mp.xticks([])mp.yticks([])
mp.tight_layout()
mp.show()
运行结果:
网格式布局
网格式布局支持单元格的合并。
绘制网格式子图布局相关API:
调用GridSpec方法拆分网格式布局
rows: 行数
cols: 列数
gs = mg.GridSpec(rows, cols)
import matplotlib.gridspec as mg
mp.figure('GridLayout', facecolor='lightgray')
gridsubs = mp.GridSpec(3, 3) # 拆分成3行3列
# 合并0行、0/1列为一个子图
mp.subplot(gridsubs[0, :2])
mp.text(0.5, 0.5, 1, ha='center', va='center', size=36)
mp.tight_layout()
mp.xticks([])
mp.yticks([])
运行结果:
自由式布局
自由式布局相关API:
设置图标的位置,给出左下角点坐标与宽高即可
left_bottom_x: 坐下角点x坐标
left_bottom_x: 坐下角点y坐标
width: 宽度
height: 高度
mp.axes([left_bottom_x, left_bottom_y, width, height])
mp.figure('FlowLayout', facecolor='lightgray')
mp.axes([0.1, 0.2, 0.5, 0.3]) # 第一二个参数是图标左下角的横纵坐标,第三四个参数是图标的相对跨度
mp.text(0.5, 0.5, 1, ha='center', va='center', size=36)
mp.show()
刻度定位器
刻度定位器相关API:
获取当前坐标轴:ax = mp.gca()
设置水平坐标轴的主刻度定位器:ax.xaxis.set_major_locator(mp.NullLocator())
设置水平坐标轴的次刻度定位器为多点定位器,间隔0.1:ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
案例:绘制一个数轴。
mp.figure('Locators', facecolor='lightgray')
# 获取当前坐标轴
ax = mp.gca()
# 隐藏除底轴以外的所有坐标轴
ax.spines['left'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
# 将底坐标轴调整到子图中心位置
ax.spines['bottom'].set_position(('data', 0))
# 设置水平坐标轴的主刻度定位器
ax.xaxis.set_major_locator(mp.NullLocator())
# 设置水平坐标轴的次刻度定位器为多点定位器,间隔0.1
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
# 标记所用刻度定位器类名
mp.text(5, 0.3, 'NullLocator()', ha='center', size=12)
案例:使用for循环测试刻度器样式:
import numpy as np
import matplotlib.pyplot as mplocators = ['mp.NullLocator()', 'mp.MultipleLocator(1)', 'mp.MaxNLocator(nbins=3)', 'mp.AutoLocator()']mp.figure('Locator', facecolor='lightgray')
mp.title('Locator', fontsize=18)for i, locator in enumerate(locators):mp.subplot(len(locators), 1, i+1)ax = mp.gca()ax.xaxis.set_major_locator(eval(locator))ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))# ax.xaxis.set_minor_locator(mp.NullLocator())mp.xlim(1, 10)ax.spines['top'].set_color('none')ax.spines['right'].set_color('none')ax.spines['left'].set_color('none')ax.spines['bottom'].set_position(('data', 0.5))mp.yticks([])
mp.show()
运行结果:
常用刻度器如下
# 空定位器:不绘制刻度
mp.NullLocator()
# 最大值定位器:
# 最多绘制nbins+1个刻度
mp.MaxNLocator(nbins=3)
# 定点定位器:根据locs参数中的位置绘制刻度
mp.FixedLocator(locs=[0, 2.5, 5, 7.5, 10])
# 自动定位器:由系统自动选择刻度的绘制位置
mp.AutoLocator()
# 索引定位器:由offset确定起始刻度,由base确定相邻刻度的间隔
mp.IndexLocator(offset=0.5, base=1.5)
# 多点定位器:从0开始,按照参数指定的间隔(缺省1)绘制刻度
mp.MultipleLocator()
# 线性定位器:等分numticks-1份,绘制numticks个刻度
mp.LinearLocator(numticks=21)
# 对数定位器:以base为底,绘制刻度
mp.LogLocator(base=2)
刻度网格线
绘制刻度网格线的相关API:
ax = mp.gca()
#绘制刻度网格线
ax.grid(which='', # 'major'/'minor' <-> '主刻度'/'次刻度' axis='', # 'x'/'y'/'both' <-> 绘制x或y轴linewidth=1, # 线宽linestyle='', # 线型color='', # 颜色alpha=0.5 # 透明度
)
案例:绘制曲线 [1, 10, 100, 1000, 100, 10, 1],然后设置刻度网格线,测试刻度网格线的参数。
y = np.array([1, 10, 100, 1000, 100, 10, 1])
mp.figure('Normal & Log', facecolor='lightgray')
mp.subplot(211)
mp.title('Normal', fontsize=20)
mp.ylabel('y', fontsize=14)
ax = mp.gca()
ax.xaxis.set_major_locator(mp.MultipleLocator(1.0))
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
ax.yaxis.set_major_locator(mp.MultipleLocator(250))
ax.yaxis.set_minor_locator(mp.MultipleLocator(50))
mp.tick_params(labelsize=10)
ax.grid(which='major', axis='both', linewidth=0.75,linestyle='-', color='orange')
ax.grid(which='minor', axis='both', linewidth=0.25,linestyle='-', color='orange')
mp.plot(y, 'o-', c='dodgerblue', label='plot')
mp.legend()
运行结果:
半对数坐标
y轴将以指数方式递增。 基于半对数坐标绘制第二个子图,表示曲线:[1, 10, 100, 1000, 100, 10, 1]。
mp.figure('Grid', facecolor='lightgray')
y = [1, 10, 100, 1000, 100, 10, 1]
mp.semilogy(y)
mp.show()
综合起来举个例子:
import matplotlib.pyplot as mpy = [1, 10, 100, 1000, 100, 10, 1]
# 设置刻度定位器
mp.figure('Grid Line', facecolor='lightgray')mp.subplot(211)
ax = mp.gca()
ax.xaxis.set_major_locator(mp.MultipleLocator(1))
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
ax.yaxis.set_major_locator(mp.MultipleLocator(250))
ax.yaxis.set_minor_locator(mp.MultipleLocator(50))
# 刻度网格线
ax.grid(which='major', axis='both', color='orangered', linewidth=0.5)
ax.grid(which='minor', axis='both', color='orangered', linewidth=0.25)
mp.plot(y, 'o-')mp.subplot(212)
ax = mp.gca()
ax.xaxis.set_major_locator(mp.MultipleLocator(1))
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
ax.yaxis.set_major_locator(mp.MultipleLocator(250))
ax.yaxis.set_minor_locator(mp.MultipleLocator(50))
# 刻度网格线
ax.grid(which='major', axis='both', color='orangered', linewidth=0.5)
ax.grid(which='minor', axis='both', color='orangered', linewidth=0.25)
mp.semilogy(y, 'o-')
mp.show()
散点图
可以通过每个点的坐标、颜色、大小和形状表示不同的特征值。
身高 | 体重 | 性别 | 年龄段 | 种族 |
---|---|---|---|---|
180 | 80 | 男 | 中年 | 亚洲 |
160 | 50 | 女 | 青少 | 美洲 |
绘制散点图的相关API:
mp.scatter(x, # x轴坐标数组y, # y轴坐标数组marker='', # 点型s=10, # 大小color='', # 颜色edgecolor='', # 边缘颜色facecolor='', # 填充色zorder='' # 图层序号
)
numpy.random提供了normal函数用于产生符合 正态分布 的随机数
n = 100
# 172: 期望值
# 10: 标准差
# n: 数字生成数量
x = np.random.normal(172, 20, n)
y = np.random.normal(60, 10, n)
案例:绘制平面散点图。
mp.figure('scatter', facecolor='lightgray')
mp.title('scatter')
mp.scatter(x, y)
mp.show()
设置点的颜色
mp.scatter(x, y, c='red') #直接设置颜色
d = (x-172)**2 + (y-60)**2
mp.scatter(x, y, c=d, cmap='jet') #以c作为参数,取cmap颜色映射表中的颜色值
cmap颜色映射表
绘制散点图:
import numpy as np
import matplotlib.pyplot as mp
n = 200
x = np.random.normal(175, 7, n)
y = np.random.normal(65, 10, n)
mp.figure('Scatter', facecolor='lightgray')
mp.title('Scatter', fontsize=18)
mp.grid(linestyle=':')
d = (x-175)**2 + (y-65)**2
mp.scatter(x, y, marker='o', s=70,c=d, cmap='gist_rainbow', label='Samples')
mp.legend()
mp.show()
填充
以某种颜色自动填充两条曲线的闭合区域。
mp.fill_between(x, # x轴的水平坐标sin_x, # 下边界曲线上点的垂直坐标cos_x, # 上边界曲线上点的垂直坐标sin_x < cos_x, # 填充条件,为True时填充color='', # 填充颜色alpha=0.2 # 透明度
)
案例:绘制两条曲线:
sin_x = sin(x)
cos_x = cos(x / 2) / 2 [0 ~ 8π]
n = 1000
x = np.linspace(0, 8 * np.pi, n)
sin_y = np.sin(x)
cos_y = np.cos(x / 2) / 2
mp.figure('Fill', facecolor='lightgray')
mp.title('Fill', fontsize=20)
mp.xlabel('x', fontsize=14)
mp.ylabel('y', fontsize=14)
mp.tick_params(labelsize=10) # 参数labelsize用于设置刻度线标签(数轴坐标)的字体大小
mp.grid(linestyle=':')
mp.plot(x, sin_y, c='dodgerblue', label=r'$y=sin(x)$')
mp.plot(x, cos_y, c='orangered', label=r'$y=\frac{1}{2}cos(\frac{x}{2})$')
mp.fill_between(x, cos_y, sin_y, cos_y < sin_y, color='dodgerblue', alpha=0.5)
mp.fill_between(x, cos_y, sin_y, cos_y > sin_y, color='orangered', alpha=0.5)
mp.legend()
mp.show()
条形图(柱状图)
绘制柱状图的相关API:
mp.figure('Bar', facecolor='lightgray')
mp.bar(x, # 水平坐标数组y, # 柱状图高度数组width, # 柱子的宽度color='', # 填充颜色label='', #alpha=0.2 #
)
案例:先以柱状图绘制苹果12个月的销量,然后再绘制橘子的销量。
apples = np.array([30, 25, 22, 36, 21, 29, 20, 24, 33, 19, 27, 15])
oranges = np.array([24, 33, 19, 27, 35, 20, 15, 27, 20, 32, 20, 22])
mp.figure('Bar' , facecolor='lightgray')
mp.title('Bar', fontsize=20)
mp.xlabel('Month', fontsize=14)
mp.ylabel('Price', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(axis='y', linestyle=':')
mp.ylim((0, 40))
x = np.arange(len(apples))
mp.bar(x - 0.2, apples, 0.4, color='dodgerblue', label='Apple', align='center')
mp.bar(x + 0.2, oranges, 0.4, color='orangered',label='Orange', alpha=0.75, align='center')
mp.xticks(x, ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun','Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'])
mp.legend()
mp.show()
假如苹果的销量从纵坐标5开始计算,应该修改mp.bar()中的参数:
mp.bar(x - 0.2, apples, 0.4, 5, color=‘dodgerblue’, label=‘Apple’, align=‘center’)
效果图:
饼图
绘制饼状图的基本API:
mp.pie(values, # 值列表 spaces, # 扇形之间的间距列表labels, # 标签列表colors, # 颜色列表'%d%%', # 标签所占比例格式shadow=True, # 是否显示阴影startangle=90 # 逆时针绘制饼状图时的起始角度radius=1 # 半径
)
案例:绘制饼状图显示5门语言的流行程度:
mp.figure('pie', facecolor='lightgray')
#整理数据
values = [26, 17, 21, 29, 11]
spaces = [0.05, 0.01, 0.01, 0.01, 0.01]
labels = ['Python', 'JavaScript','C++', 'Java', 'PHP']
colors = ['dodgerblue', 'orangered','limegreen', 'violet', 'gold']
mp.title('Pie', fontsize=20)
# 等轴比例
mp.axis('equal')
mp.pie(values, # 值列表 spaces, # 扇形之间的间距列表labels, # 标签列表colors, # 颜色列表'%.1f%%', # 标签所占比例格式shadow=True, # 是否显示阴影startangle=90, # 逆时针绘制饼状图时的起始角度radius=1 # 半径
)
等高线图
组成等高线需要网格点坐标矩阵,也需要每个点的高度。所以等高线属于3D数学模型范畴。
绘制等高线的相关API:
cntr = mp.contour(x, # 网格坐标矩阵的x坐标 (2维数组)y, # 网格坐标矩阵的y坐标 (2维数组)z, # 网格坐标矩阵的z坐标 (2维数组)8, # 把等高线绘制成8部分colors='black', # 等高线的颜色linewidths=0.5 # 线宽
)
# 为等高线图添加高度标签
mp.clabel(cntr, inline_spacing=1, fmt='%.1f',fontsize=10)mp.contourf(x, y, z, 8, cmap='jet')
案例:生成网格坐标矩阵,并且绘制等高线:
n = 1000
# 生成网格化坐标矩阵
x, y = np.meshgrid(np.linspace(-3, 3, n),np.linspace(-3, 3, n))
# 根据每个网格点坐标,通过某个公式计算z高度坐标
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)
mp.figure('Contour', facecolor='lightgray')
mp.title('Contour', fontsize=20)
mp.xlabel('x', fontsize=14)
mp.ylabel('y', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')
# 绘制等高线图
mp.contourf(x, y, z, 8, cmap='jet') # 显示颜色效果
cntr = mp.contour(x, y, z, 8, colors='black', linewidths=0.5) # 显示等高线
# 为等高线图添加高度标签
mp.clabel(cntr, inline_spacing=1, fmt='%.1f', fontsize=10) # inline_spacing参数是数字与等高线之间的间隙
mp.show()
热成像图
绘制热成像图的相关API:
# 把矩阵z图形化,使用cmap表示矩阵中每个元素值的大小
# origin: 坐标轴方向
# upper: 缺省值,原点在左上角
# lower: 原点在左下角
mp.imshow(z, cmap='jet', origin='low')
使用颜色条显示热度值:mp.colorbar()
import numpy as np
import matplotlib.pyplot as mpn = 500
x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))
# 根据每个网格点坐标,通过某个公式计算z高度坐标
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)# 绘制热成像图
mp.figure('Imshow', facecolor='lightgray')
mp.title('Imshow', fontsize=18)
mp.grid(linestyle=':')
# mp.imshow(z, cmap='jet', origin='lower')
mp.imshow(z, cmap='gist_rainbow', origin='lower')
# mp.imshow(z, cmap='gray', origin='lower')
mp.colorbar()
mp.show()
3D图像绘制
matplotlib支持绘制三维曲面。若希望绘制三维曲面,需要使用axes3d提供的3d坐标系。
from mpl_toolkits.mplot3d import axes3d
ax3d = mp.gca(projection='3d') # class axes3d
matplotlib支持绘制三维点阵、三维曲面、三维线框图:
ax3d.scatter(..) # 绘制三维点阵
ax3d.plot_surface(..) # 绘制三维曲面
ax3d.plot_wireframe(..) # 绘制三维线框图
3d散点图的绘制相关API
ax3d.scatter(x, # x轴坐标数组y, # y轴坐标数组z, # z轴坐标数组marker='', # 点型s=10, # 大小zorder='', # 图层序号color='', # 颜色edgecolor='', # 边缘颜色facecolor='', # 填充色c=v, # 颜色值 根据cmap映射应用相应颜色cmap='' #
)
案例:随机生成3组坐标,程标准正态分布规则,并且绘制它们。
import numpy as np
import matplotlib.pyplot as mp
from mpl_toolkits.mplot3d import axes3dn = 300
x = np.random.normal(0, 1, n)
y = np.random.normal(0, 1, n)
z = np.random.normal(0, 1, n)mp.figure('3D Scatter', facecolor='lightgray')
mp.title('3D Scatter', fontsize=18)
ax3d = mp.gca(projection='3d')
ax3d.set_xlabel('x', fontsize=14)
ax3d.set_ylabel('y', fontsize=14)
ax3d.set_zlabel('z', fontsize=14)
d = x**2 + y**2 + z**2
ax3d.scatter(x, y, z, s=80, c=d, cmap='jet', alpha=0.5)
mp.tight_layout()
mp.show()
还可以用鼠标转动图像:
3d平面图的绘制相关API
ax3d.plot_surface(x, # 网格坐标矩阵的x坐标 (2维数组)y, # 网格坐标矩阵的y坐标 (2维数组)z, # 网格坐标矩阵的z坐标 (2维数组)rstride=30, # 行跨距cstride=30, # 列跨距cmap='jet' # 颜色映射
)
案例:绘制3d平面图
import numpy as np
import matplotlib.pyplot as mp
from mpl_toolkits.mplot3d import axes3dn = 500
x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))
# 根据每个网格点坐标,通过某个公式计算z高度坐标
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)mp.figure('3D Surface', facecolor='lightgray')
mp.title('3D Surface', fontsize=18)
ax3d = mp.gca(projection='3d')
ax3d.set_xlabel('x')
ax3d.set_ylabel('y')
ax3d.set_zlabel('z')
ax3d.plot_surface(x, y, z, rstride=30, cstride=30, cmap='jet')
mp.tight_layout()
mp.show()
3d线框图的绘制相关API
ax3d.plot_wireframe(x, # 网格坐标矩阵的x坐标 (2维数组)y, # 网格坐标矩阵的y坐标 (2维数组)z, # 网格坐标矩阵的z坐标 (2维数组)rstride=30, # 行跨距cstride=30, # 列跨距linewidth=1 # 线条宽度color='dodgerblue' # 线条颜色
)
import numpy as np
import matplotlib.pyplot as mp
from mpl_toolkits.mplot3d import axes3dn = 500
x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))
# 根据每个网格点坐标,通过某个公式计算z高度坐标
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)mp.figure('3D Surface', facecolor='lightgray')
mp.title('3D Surface', fontsize=18)
ax3d = mp.gca(projection='3d')
ax3d.set_xlabel('x')
ax3d.set_ylabel('y')
ax3d.set_zlabel('z')
ax3d.plot_wireframe(x, y, z, rstride=10, cstride=10, color='dodgerblue', linewidth=1)
mp.tight_layout()
mp.show()
极坐标系
与笛卡尔坐标系不同,某些情况下极坐标系适合显示与角度有关的图像。例如雷达等。极坐标系可以描述极径ρ与极角θ的线性关系。
mp.figure("Polar", facecolor='lightgray')
mp.gca(projection='polar') # 参数值为polar表示这是极坐标
mp.title('Porlar', fontsize=20)
mp.xlabel(r'$\theta$', fontsize=14)
mp.ylabel(r'$\rho$', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')
mp.show()
在极坐标系中绘制曲线:
#准备数据
mp.gca(projection='polar')
t = np.linspace(0, 4 * np.pi, 1000)
r = 0.8 * t
mp.plot(t, r)
mp.show()
案例,在极坐标系中绘制正弦函数y = 3sin(6x)
mp.gca(projection='polar')
x = np.linspace(0, 6 * np.pi, 1000)
y = 3 * np.sin(6 * x)
mp.plot(x, y)
简单动画
动画即是在一段时间内快速连续的重新绘制图像的过程。
matplotlib提供了方法用于处理简单动画的绘制。定义update函数用于即时更新图像。
import matplotlib.animation as ma
#定义更新函数行为
def update(number):pass
# 每隔10毫秒执行一次update更新函数,作用于mp.gcf()当前窗口对象
# mp.gcf(): 获取当前窗口
# update: 更新函数
# interval: 间隔时间(单位:毫秒)
anim = ma.FuncAnimation(mp.gcf(), update, interval=10)
mp.show()
import numpy as np
import matplotlib.pyplot as mp
import matplotlib.animation as ma#自定义一种可以存放在ndarray里的类型,用于保存一个球
ball_type = np.dtype([('position', float, 2), # 位置(水平和垂直坐标)('size', float, 1), # 大小('growth', float, 1), # 生长速度('color', float, 4)]) # 颜色(红、绿、蓝和透明度)#随机生成100个点对象
n = 100
balls = np.zeros(100, dtype=ball_type)
balls['position']=np.random.uniform(0, 1, (n, 2))
balls['size']=np.random.uniform(40, 70, n)
balls['growth']=np.random.uniform(10, 20, n)
balls['color']=np.random.uniform(0, 1, (n, 4))
mp.figure("Animation", facecolor='lightgray')
mp.title("Animation", fontsize=14)# 把坐标轴的刻度去掉
mp.xticks([])
mp.yticks([])
sc = mp.scatter(balls['position'][:, 0], balls['position'][:, 1], balls['size'], color=balls['color'], alpha=0.5)
#定义更新函数行为
def update(number):balls['size'] += balls['growth']#每次让一个气泡破裂,随机生成一个新的boom_ind = number % nballs[boom_ind]['size']=np.random.uniform(40, 70, 1)balls[boom_ind]['position']=np.random.uniform(0, 1, (1, 2))# 重新设置属性sc.set_sizes(balls['size'])sc.set_offsets(balls['position'])anim = ma.FuncAnimation(mp.gcf(), update, interval=30)
mp.show()
使用生成器函数提供数据,实现动画绘制
在很多情况下,绘制动画的参数是动态获取的,matplotlib支持定义generator生成器函数,用于生成数据,把生成的数据交给update函数更新图像:
import matplotlib.animation as ma
#定义更新函数行为
def update(data):t, v = data...passdef generator():yield t, v# 每隔10毫秒将会先调用生成器,获取生成器返回的数据,
# 把生成器返回的数据交给并且调用update函数,执行更新图像函数
anim = ma.FuncAnimation(mp.gcf(), update, generator,interval=10)
案例:绘制信号曲线:y=sin(2 * π * t) * exp(sin(0.2 * π * t)),数据通过生成器函数生成,在update函数中绘制曲线。
mp.figure("Signal", facecolor='lightgray')
mp.title("Signal", fontsize=14)
mp.xlim(0, 10)
mp.ylim(-3, 3)
mp.grid(linestyle='--', color='lightgray', alpha=0.5)
pl = mp.plot([], [], color='dodgerblue', label='Signal')[0]
pl.set_data([],[])x = 0def update(data):t, v = datax, y = pl.get_data()x.append(t)y.append(v)#重新设置数据源pl.set_data(x, y)#移动坐标轴if(x[-1]>10):mp.xlim(x[-1]-10, x[-1])def y_generator():global xy = np.sin(2 * np.pi * x) * np.exp(np.sin(0.2 * np.pi * x))yield (x, y)x += 0.05anim = ma.FuncAnimation(mp.gcf(), update, y_generator, interval=20)
mp.tight_layout()
mp.show()
matplotlib基本功能相关推荐
- qmlcanvas绘制3d图形_透视Matplotlib核心功能和工具包 - 绘制3D图形
关联知识 Matplotlib Python 线图 在此,我们将学习如何创建3D线图. 它类似于2D等效折线图,并且2D折线图的许多属性都结转到3D. 我们将在相同的轴上绘制凹凸曲线,并从不同角度查看 ...
- 5绘制收银台程序_透视Matplotlib核心功能和工具包 - 高级特征绘制
关联知识 Matplotlib Python 使用属性循环器 Matplotlib具有默认的颜色循环,当我们在给定轴上绘制更多图形时,该颜色循环会重复进行. 通过属性循环程序,我们可以在单个函数中为多 ...
- 数据分析之numpy基础/matplotlib绘图/numpy常用函数/杂项功能
文章目录 数据分析 numpy概述 numpy`历史` numpy的核心:多维数组 numpy基础 ndarray数组 内存中的ndarray对象 ndarray数组对象的特点 ndarray数组对象 ...
- c#split方法拆分为数据_Dexplot:基于pandas,比matplotlib更简单的数据可视化和数据分析工具...
Dexplot:建议准备学matplotlib和seaborn的数据可视化新手或者数据可视化爱好者食用 适用于长数据 比如网站用户留言的统计 特色是不用matplotlib 而用pandas导入数据( ...
- 何时使用cla(),clf()或close()在matplotlib中清除图?
Matplotlib提供以下功能: cla() # Clear axis clf() # Clear figure close() # Close a figure window 该文档没有提供很多关 ...
- 用python画漂亮图片-使用 Python/matplotlib 画出漂亮的论文插图
论文中画出各种绚烂的插图,都是用一些什么样的软件画出来的.本文介绍 Python 的绘图模块 matplotlib: Python plotting.适用于从 2D 到 3D,从标量到矢量的各种绘图. ...
- 绘图: matplotlib Basemap简介
作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 在数据可视化过程中,我们常常需要将数据根据其采集的地理位置在地图上显示出来.比如说 ...
- 基于 Python Matplotlib 模块的高质量图形输出
1 关于 Matplotlib 模块 Matplotlib 是一个由 John Hunter 等开发的,用以绘制二维图形的 Python 模块.它利用了 Python 下的数值计算模块 Numeric ...
- matplotlib简介-高质量图形输出
Matplotlib 是一个用来绘制二维图形的 Python 模块,它克隆了许多 Matlab 中的函数, 用以帮助 Python 用户轻松获得高质量(达到出版水平)的二维图形. 文章来源:http: ...
最新文章
- C#之消息队列的简要说明
- P1064 金明的预算方案
- 青少年蓝桥杯_2020_steam考试_初级组_第三题
- 【POJ 2485】 Highways
- 2008Beta 版AJAX的一个奇怪的问题
- 2016CCPC网络赛赛后总结——回顾与反思
- 值不值得入手_北龙湖—值不值得入手?
- html position的学习
- 复选框与文字无法对齐问题
- mysql5.6 主从同步
- PLSQL使用for update编辑数据库的坑
- xlsxwriter去掉网格线_xlsxwriter图表网格间距
- Opencv 轮廓提取
- signature=89d6821c2fe7d31483f21edf9c96c63b,Forage harvester
- shell脚本读写文本文件
- 引入微信支付Java SDK WxPayAPI_JAVA.zip
- “重塑”—— 与ISV同行
- Caffeine Cache和Ehcache3.x 进程缓存性能比较
- 圣杯布局-三种实现方式,css经典布局
- python中英文字频率_python实现统计文本中单词出现的频率详解
热门文章
- 一个好的博客平台需要哪些功能?
- Android7.0 数据业务长连接去拨号过程
- 数据库系统原理 实验5 数据库恢复技术
- PL2586设计电路|PL2586替代FE1.1S电路图|USB2.0HUB工业级集线器方案设计
- Docker中批量删除 tag为“none“的镜像_dev_zyx的博客
- 天冷了,任务栏养只猫吧「GitHub 热点速览 v.21.46」
- 组织行为学笔记-导论
- 【渝粤题库】国家开放大学2021春2502学前儿童发展心理学题目
- 计算机数据传输通信电路工作原理,数据通信的结构原理_数据通信传输方式
- SQL SERVER 2008 R2 序列号大全