概述
python的matplotlib包支持我们画图,有点非常多,现学习如下。
首先要导入包,在以后的示例中默认已经导入这两个包
import matplotlib.pyplot as plt import numpy as np
然后画一个最基本的图
t = np.arange(0.0,2.0,0.01)#x轴上的点,0到2之间以0.01为间隔 s = np.sin(2*np.pi*t)#y轴为正弦 plt.plot(t,s)#画图 plt.xlabel('time (s)')#x轴标签 plt.ylabel('voltage (mV)')#y轴标签 plt.title('About as simple as it gets,folks')#图的标签 plt.grid(True)#产生网格 plt.savefig("test.png")#保存图像 plt.show()#显示图像
这是在一个窗口中画单张图的过程,那么如何画多张图呢?画图的过程相同,无非是画多张,然后设定位置。
x1 = np.linspace(0.0,5.0)#画图一 x2 = np.linspace(0.0,2.0)#画图二 y1 = np.cos(2 * np.pi * x1) * np.exp(-x1) y2 = np.cos(2 * np.pi * x2) plt.subplot(2,1,1)#面板设置成2行1列,并取第一个(顺时针编号) plt.plot(x1,y1,'yo-')#画图,染色 plt.title('A tale of 2 subplots') plt.ylabel('Damped oscillation') plt.subplot(2,2)#面板设置成2行1列,并取第二个(顺时针编号) plt.plot(x2,y2,'r.-')#画图,染色 plt.xlabel('time (s)') plt.ylabel('Undamped') plt.show()
两张图的示例如下
直方图的画法
# -*- coding:utf-8 -*- import numpy as np import matplotlib.mlab as mlab import matplotlib.pyplot as plt mu = 100 # 正态分布的均值 sigma = 15 # 标准差 x = mu + sigma * np.random.randn(10000)#在均值周围产生符合正态分布的x值 num_bins = 50 n,bins,patches = plt.hist(x,num_bins,normed=1,facecolor='green',alpha=0.5) #直方图函数,x为x轴的值,normed=1表示为概率密度,即和为一,绿色方块,色深参数0.5.返回n个概率,直方块左边线的x值,及各个方块对象 y = mlab.normpdf(bins,mu,sigma)#画一条逼近的曲线 plt.plot(bins,y,'r--') plt.xlabel('Smarts') plt.ylabel('Probability') plt.title(r'Histogram of IQ: $\mu=100$,$\sigma=15$')#中文标题 u'xxx' plt.subplots_adjust(left=0.15)#左边距 plt.show()
直方图如下
3D图像的画法
3D离散点
#!/usr/bin/env python # encoding: utf-8 import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D x_list = [[3,3,2],[4,1],[1,2,3],[2,2]] fig = plt.figure() ax = fig.gca(projection='3d') for x in x_list: ax.scatter(x[0],x[1],x[2],c='r') plt.show()
画空间平面
from mpl_toolkits.mplot3d.axes3d import Axes3D from matplotlib import cm import matplotlib.pyplot as plt import numpy as np fig = plt.figure() ax = fig.add_subplot(1,projection='3d') X=np.arange(1,10,1) Y=np.arange(1,1) X,Y = np.meshgrid(X,Y) Z = 3*X+2*Y+30 surf = ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=cm.jet,linewidth=0,antialiased=True) ax.set_zlim3d(0,100) fig.colorbar(surf,shrink=0.5,aspect=5) plt.show()
画空间曲面
from mpl_toolkits.mplot3d import Axes3D from matplotlib import cm from matplotlib.ticker import LinearLocator,FormatStrFormatter import matplotlib.pyplot as plt import numpy as np fig = plt.figure() ax = fig.gca(projection='3d') X = np.arange(-5,5,0.1) Y = np.arange(-5,0.1) X,Y) R = np.sqrt(X**2 + Y**2) Z = np.sin(R) surf = ax.plot_surface(X,cmap=cm.coolwarm,antialiased=False) #画表面,x,z坐标, 横向步长,纵向步长,颜色,线宽,是否渐变 ax.set_zlim(-1.01,1.01)#坐标系的下边界和上边界 ax.zaxis.set_major_locator(LinearLocator(10))#设置Z轴标度 ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))#Z轴精度 fig.colorbar(surf,aspect=5)#shrink颜色条伸缩比例(0-1),aspect颜色条宽度(反比例,数值越大宽度越窄) plt.show()
3D图分别如下
饼状图画法
# -*- coding: utf-8 -*- import matplotlib.pyplot as plt labels = 'Frogs','Hogs','Dogs','Logs'#设置标签 sizes = [15,30,45,10]#占比,和为100 colors = ['yellowgreen','gold','lightskyblue','lightcoral']#颜色 explode = (0,0.1,0) #展开第二个扇形,即Hogs,间距为0.1 plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=90)#startangle控制饼状图的旋转方向 plt.axis('equal')#保证饼状图是正圆,否则会有一点角度偏斜 fig = plt.figure() ax = fig.gca() import numpy as np ax.pie(np.random.random(4),startangle=90,radius=0.25,center=(0,0),frame=True) ax.pie(np.random.random(4),center=(1,1),frame=True) ax.set_xticks([0,1])#设置位置 ax.set_yticks([0,1]) ax.set_xticklabels(["Sunny","Cloudy"])#设置标签 ax.set_yticklabels(["Dry","Rainy"]) ax.set_xlim((-0.5,1.5)) ax.set_ylim((-0.5,1.5)) ax.set_aspect('equal') plt.show()
饼状图如下:
平时用到的也就这几种,掌握这几种就差不多了,更多内容见
https://matplotlib.org/users/screenshots.html
总结
以上就是本文关于python matplotlib画图实例代码分享的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题,如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!
总结
以上是编程之家为你收集整理的python matplotlib画图实例代码分享全部内容,希望文章能够帮你解决python matplotlib画图实例代码分享所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧