1.matplotlib绘图

①基本用法

绘单个函数图

画布figure图

②画图

(1)散点图

(2)折线图

(3)bar柱状图

(4)image热图

(5)饼图

(6)箱线图

1.matplotlib绘图

①基本用法

绘单个函数图

x = np.linspace(-1, 1, 50)
y = 2 * x + 1
plt.plot(x, y)
plt.show()

画布figure图

将两个函数绘制在一张画布上

x = np.linspace(-1, 1, 50)
y1 = 2 * x + 1
y2 = x**2
# figsize是画布尺寸，facecolor是背景颜色，num为图形编号或者名称
plt.figure(num=3,figsize=(2,3),facecolor='green')
plt.plot(x, y1)
plt.plot(x,y2,color='red',linewidth=3,linestyle='--')
plt.show()

划分子图

 # 划分子图 这里是划分成2*2的子图 第三个参数为子图的编号plt.subplot(221)plt.title("1")  # 子图1的标题plt.subplot(222)plt.title("2")   # 子图1的标题plt.subplot(223)plt.plot(x, y1)plt.title("3")   # 子图1的标题plt.subplot(224)plt.title("4")   # 子图1的标题plt.plot(x, y2, color='red', linewidth=3, linestyle='--')plt.suptitle("5")   # 全局标题plt.show()

直角坐标系

# 设置坐标轴
plt.xlim((-1,2))
plt.ylim((-2,3))
plt.xlabel('I am X')
plt.ylabel('I am Y')
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal\ \alpha$', r'$good$', r'$really\ good$'])
# 画直角坐标系
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

画标签图

# 画标签图
l1, = plt.plot(x, y1, label='up')
l2, = plt.plot(x, y2, color='red', linewidth=1, linestyle='--', label='down')
plt.legend(handles=[l1, l2, ], labels=['aaa', 'bbb'], loc='best')  # loc: lower right, upper left, etc.

标记一个点

# 标一个点出来
x0 = 1
y0 = 2 * x0 + 1
plt.scatter(x0, y0, s=50, color='b')
plt.plot([x0, x0], [0, y0], 'k--', linewidth=2.5)
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',fontdict={'size': 16, 'color': 'r'})

②画图

(1)散点图

def scatter():n = 1024  # data size# 标准正态分布X = np.random.normal(0, 1, n)  # 每一个点的X值Y = np.random.normal(0, 1, n)  # 每一个点的Y值T = np.arctan2(Y, X)  # for color valueplt.scatter(X, Y, s=75, c=T, alpha=0.5)
plt.xlim(-1.5, 1.5)plt.xticks(())  # ignore xticksplt.ylim(-1.5, 1.5)plt.yticks(())  # ignore yticks
plt.show()

n = 1024  # data size
# 标准正态分布
X1 = np.random.normal(0, 1, n)  # 每一个点的X值
Y1 = np.random.normal(0, 1, n)  # 每一个点的Y值
plt.scatter(X1, Y1, s=75, c='blue',marker='*',label='正态分布')

# 均匀分布
X2 = np.random.uniform(-4, 4, (1,n))  # 每一个点的X值
Y2 = np.random.uniform(-4, 4, (1,n))  # 每一个点的Y值
plt.scatter(X2, Y2, s=75, c='yellow',marker='o',label='均匀分布')

plt.legend(loc='best')

plt.xlim(-4, 4)
plt.ylim(-4, 4)
plt.xlabel('x')
plt.ylabel('y')


plt.show()

(2)折线图

def zhexian():n=24y1=np.random.randint(27,37,n)y2=np.random.randint(40,60,n)plt.plot(y1,label='温度')plt.plot(y2,label='湿度')plt.xlim(0,23)plt.ylim(20,70)plt.xlabel('小时',fontsize=12)plt.ylabel('测量值',fontsize=12)plt.title('24小时温度湿度统计',fontsize=16)plt.legend()plt.show()

(3)bar柱状图

def bar():n = 12X = np.arange(n)Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)# 柱状图是竖着的plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')# 横着的柱状图plt.barh(x,+Y1)
for x, y in zip(X, Y1):# ha: horizontal alignment# va: vertical alignmentplt.text(x, y + 0.05, '%.2f' % y, ha='center', va='bottom')
for x, y in zip(X, Y2):# ha: horizontal alignment# va: vertical alignmentplt.text(x, -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()

(4)image热图

def image():a = np.array([0.313660827978, 0.365348418405, 0.423733120134,0.365348418405, 0.439599930621, 0.525083754405,0.423733120134, 0.525083754405, 0.651536351379]).reshape(3, 3)plt.imshow(a, interpolation='nearest', cmap='bone', origin='upper')plt.colorbar(shrink=0.92)plt.xticks(())plt.yticks(())plt.show()

(5)饼图

def pie():data=[2,5,8,13,7]plt.pie(data,labels=['apples','banane','gredd','egg','compt'],autopct='%1.1f%%')plt.title('pie of data')plt.show()

(6)箱线图

箱线图一般用来展现数据的分布（如上下四分位值、中位数等），同时也可以用箱线图反映数据的异常情况

def box():plt.boxplot([height,weight,old,grade],patch_artist=True,vert=True)plt.show()

Python利用matplot绘图相关推荐

Python利用Matplotlib绘图无法显示中文字体的解决方案
这里写目录标题问题描述报错信息解决方法其他解决方案使用模板(内置样式)后无法显示中文的解决方案问题描述在Python利用Matplotlib绘图的时候,无法显示坐标轴上面的中文和标题里面 ...
python利用Tkinter绘图
文章目录简介: 第一个GUI程序简介: Tk是一个图形库,支持多个操作系统,使用Tcl语言开发: Tk会调用操作系统提供的本地GUI接口,完成最终的GUI. 所以,我们的代码只需要调用Tkinte ...
Python利用turtle库绘图大熊猫
Python利用turtle库绘图大熊猫卡通大熊猫的详细代码由代码绘制的熊猫宝宝 Turtle库是Python语言中一个很流行的绘制图像的函数库,想象一个小乌龟,在一个横轴为x.纵轴为y的坐标系原 ...
python利用决策树进行特征选择
python利用决策树进行特征选择(注释部分为绘图功能),最后输出特征排序: import numpy as np import tflearn from tflearn.layers.core im ...
python turtle画彩虹-Python利用turtle库绘制彩虹代码示例_天津SEO
天津SEO RGB模型:光的三原色,共同决定色相 HSB/HSV模型:H色彩,S深浅,B饱和度,H决定色相需要将HSB模型转换为RGB模型代码示例: #-*- coding:utf-8 –*- f ...
python画图代码彩虹-Python利用turtle库绘制彩虹代码示例
语言:Python IDE:Python.IDE 需求做出彩虹效果颜色空间 RGB模型:光的三原色,共同决定色相 HSB/HSV模型:H色彩,S深浅,B饱和度,H决定色相需要将HSB模型转换为R ...
python利用tushare下载数据并计算当日收益率
python利用tushare下载数据并计算当日收益率计算股票收益率的程序主要有以下几部分构成: 1.获取股票接口数据函数:pro_daily_stock() 2.计算收益率函数:cal_stock ...
Python Turtle 海龟绘图详解官方文档中文版
Python Turtle 海龟绘图详解 (官方文档中文版)-安徽省太湖中学陈晓中整理概述海龟绘图很适合用来引导孩子学习编程. 最初来自于 Wally Feurzeig, Seymour Pape ...
详解python 利用 pyecharts 画地图(热力图)(世界地图，省市地图，区县地图)、动态流向图
转载: 详解python 利用echarts画地图(热力图)(世界地图,省市地图,区县地图) Pyecharts绘制全球流向图 pyecharts中文教程官网目录安装对应的python模块世界 ...

Python利用matplot绘图

1.matplotlib绘图

①基本用法

绘单个函数图

画布figure图

②画图

(1)散点图

(2)折线图

(3)bar柱状图

(4)image热图

(5)饼图

(6)箱线图

Python利用matplot绘图相关推荐

最新文章

热门文章