NumPy的Matplotlib库介绍

Matplotlib是NumPy的绘图库。通常,通过添加以下语句将包导入到 Python 脚本中:

from Matplotlib import pyplot as plt

(1)这里pyplot()是 matplotlib 库中最重要的函数,用于绘制 2D 数据

import numpy as np
from matplotlib import pyplot as plt
x = np.arange(1,11)
y =  2  * x +  5
plt.title("Matplotlib demo")
plt.xlabel("x axis caption")
plt.ylabel("y axis caption")
plt.plot(x,y)
plt.show()

输出:

其中,各种标记符请参考官网标识符。

使用 matplotlib 生成正弦波图

x = np.arange(0,  3  * np.pi,0.01)
y = np.sin(x)
plt.title("sine wave form")
# 使用 matplotlib 来绘制点
plt.plot(x, y)
plt.show()

输出:

(2) subplot()函数允许在同一图中绘制不同的东西。

# 计算正弦和余弦曲线上的点的 x 和 y 坐标
x = np.arange(0,  3  * np.pi,  0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)
# 建立 subplot 网格,高为 2,宽为 1
# 激活第一个 subplot
plt.subplot(2,  1,  1)
# 绘制第一个图像
plt.plot(x, y_sin)
plt.title(‘Sine‘)
# 将第二个 subplot 激活,并绘制第二个图像
plt.subplot(2,  1,  2)
plt.plot(x, y_cos)
plt.title(‘Cosine‘)
# 展示图像
plt.show()

输出:

(3)bar()--函数用来生成条形图

x =  [5,8,10]
y =  [12,16,6]
x2 =  [6,9,11]
y2 =  [6,15,7]
plt.bar(x, y, align =  ‘center‘)
plt.bar(x2, y2, color =  ‘g‘, align =  ‘center‘)
plt.title(‘Bar graph‘)
plt.ylabel(‘Y axis‘)
plt.xlabel(‘X axis‘)
plt.show()

输出:

(4)np.histogram()函数将输入数组和bin作为两个参数。bin数组的连续的两个元素作为边界,查找输入数组个数。

a = np.array([20,87,2,43,56,73,55,54,11,20,51,5,79,31,27])
np.histogram(a,bins =  [0,20,40,60,80,100])
hist,bins = np.histogram(a,bins =  [0,20,40,60,80,100])
print(hist)
print(bins)

输出:

[3 4 5 2 1]
[  0  20  40  60  80 100]

  另外:Matplotlib 可以将直方图的数字表示转换为图形。 pyplot子模块的plt()函数将包含数据和bin数组的数组作为参数,并转换为直方图。如下

a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
plt.hist(a, bins =  [0,20,40,60,80,100])
plt.title("histogram")
plt.show()

输出:

原文地址:https://www.cnblogs.com/qianshuixianyu/p/9249837.html

时间: 2024-10-07 17:59:10

NumPy的Matplotlib库介绍的相关文章

在Ubuntu 14.04 64bit上安装numpy和matplotlib库

原文:http://blog.csdn.net/tao_627/article/details/44004541 按照这个成功安装! 机器学习是数据挖掘的一种实现形式,在学习<机器学习实战>过程中,需要python环境中安装好numpy和matplotlib库,特此将我在Ubuntu 14.04 64bit上的摸索过程总结如下: 书上的建议是: 在Debian/Ubuntu系统下安装Python, Numpy和Matplotlib的最佳方式是使用apt-get等软件包管理器. 避免源码包形式的

数据分析与展示——Matplotlib库入门

Matplotlib库入门 Matplotlib库介绍 Matliotlib库是Python优秀的数据可视化第三方库. Matliotlib库的效果见:http://matplotlib.org/gallery.html Matplotlib库由各种可视化类构成,内部结构复杂,受Matlab启发. matplotlib.pyplot是绘制各类可视化图形的命令字库,相当于快捷方式.导入方式如下: import matplotlib.pyplot as plt 范例:使用Matplotlib库绘图

高端实战 Python数据分析与机器学习实战 Numpy/Pandas/Matplotlib等常用库

课程简介:? ? 课程风格通俗易懂,真实案例实战.精心挑选真实的数据集为案例,通过Python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例.课程以实战为基础,所有课时都结合代码演示如何使用这些python库来完成一个真实的数据案例.算法与项目相结合,选择经典kaggle项目,从数据预处理开始一步步代码实战带大家快速入门机器学习.旨在帮助同学们快速上手如何使用python库来完整机器学习案例. ------------------

Python配置第三方库Numpy和matplotlib的曲折之路

本人是64位系统,Python新手,花了将近一个晚上才将numpy和matplotlib勉强配置成功,现将这个曲折经历记录如下: 第一步:安装Python 从Python官网下载32位的Python.Python下载地址: 这里之所以下载32位的Python,是因为笔者之前安装过64位Python,在加载第三方模块时各种不成功,百度了一下大家都说直接pip install就OK了,但一直都失败,因此才出此下策,不过好在64位windows系统时支持32位Python的.,其实这里选装32位Pyt

python2.7安装numpy、pandas、matplotlib库

我装的是python2.7 然后pip的版本是18.1,最近使用pip install **安装包的时候总是会提示 You are using pip version 18.1, however version 19.1.1 is available. 可以在python安装目录的Scripts文件夹下打开powershell,然后通过指令 easy_install.exe pip==19.1.1 更新到提示的pip最新版本 更新成功后,再次查看pip版本,已经是最新的19.1.1了 安装num

python 常库介绍及安装方法

文大赛,秀绝招,赢无人机! python 常库介绍及安装方法 标签: PYTHON库 2016-10-13 15:32 798人阅读 评论(0) 收藏 举报  分类: 其他(33)  bsddb3:BerkeleyDB的连接组件Cheetah-1.0:我比较喜欢这个版本的cheetahcherrypy:一个WEB frameworkctypes:用来调用动态链接库DBUtils:数据库连接池django:一个WEB frameworkdocutils:用来写文档的dpkt:数据包的解包和组包My

windows下python配置numpy、matplotlib、scipy

这两天对Python进行了研究,并且配置了numpy.matplotlib以及scipy.现对基本概念以及配置步骤介绍: 基本概念: Python (英语发音:/?pa?θ?n/), 是一种面向对象.解释型计算机程序设计语言.专用的科学计算扩展库很多,例如如下3个十分经典的科学计算扩展库:NumPy.SciPy和matplotlib,它们分别为Python提供了快速数组处理.数值运算以及绘图功能. <python科学计算>这本书中对Python介绍得很是详细,推荐下.电子版下载链接http:/

Python科学计算函数库介绍

数值计算库 NumPy为Python提供了快速的多维数组处理的能力,而SciPy则在NumPy基础上添加了众多的科学计算所需的各种工具包,有了这两个库,Python就有几乎和Matlab一样的处理数据和计算的能力了. NumPy和SciPy官方网址: http://www.scipy.org NumPy为Python带来了真正的多维数组功能,并且提供了丰富的函数库处理这些数组.它将常用的数学函数都进行数组化,使得这些数学函数能够直接对数组进行操作,将本来需要在Python级别进行的循环,放到C语

numpy 与 matplotlib 的应用

一.库函数介绍 1. numpy库 NumPy(Numeric Python)提供了一个N维的数组类型ndarray,Numpy底层使用C语言编写,内部解除了GIL(全局解释器锁),其对数组的操作速度不受Python解释器的限制,效率远高于纯Python代码. ndarray到底跟原生python列表的区别: ndarray中的所有元素的类型都是相同的,而Python列表中的元素类型是任意的,所以ndarray在存储元素时内存可以连续,而python原生list就只能通过寻址方式找到下一个元素,