python3绘图示例6-1(基于matplotlib,绘图流程介绍及设置等)

#!/usr/bin/env python# -*- coding:utf-8 -*-

import os

import pylab as pyimport numpy as npfrom matplotlib import pyplot as pltimport matplotlib as mplt

# matplotlib.get_config() 获取当前配置# 用户matplotlib配置文件路径path=mplt.get_configdir()print(path)

# 当前matplotlib配置文件路径path2=mplt.matplotlib_fname()print(path2)

# 系统配置文件存放路径path3=os.getcwd()print(path3)

# 读取配置文件内容p=mplt.rcParamsprint(p)

# 中文乱码处理 正常显示中文标签 及正负号plt.rcParams[‘font.sans-serif‘]=[‘Microsoft YaHei‘]plt.rcParams[‘axes.unicode_minus‘]=False

# 画图流程:创建Figure对象->1个或多个Axes或Subplot对象->调用Axies创建各类Artists来画图

# # 图1-正弦图 余弦图# x=np.linspace(-np.pi,np.pi,256,endpoint=True)# c,s=np.cos(x),np.sin(x)### # matplotlib中可 设置图片的大小 分辨率 线宽 颜色 风格 坐标轴 网格属性 文字属性 字体属性等## py.plot(x,c)# py.plot(x,s)## py.show()

# 这里使用的是matplotlib.pylab 去画图# 图像 指整个窗口内容 子图值图像中的各个图# 图2# 步骤1-创建一个 8*6 的点图像 分辨率为 80

# 参数说明# 图像数量      num=None,  # autoincrement if None, else integer from 1-N# 图像的长和宽  figsize=None,  # defaults to rc figure.figsize# 分辨率       dpi=None,  # defaults to rc figure.dpi# 区域背景色    facecolor=None,  # defaults to rc figure.facecolor# 区域边缘色    edgecolor=None,  # defaults to rc figure.edgecolor# 是否绘制图像边缘 # frameon=True,# FigureClass=Figure,# clear=False,# **kwargspy.figure(8*6,dpi=80)

# 步骤2-设置子图位置 几行几列的网格 第1个参数:1行 第2个参数:1列 第3个参数:图形在网格的位置# 多个子图组成大图# fig=plt.figure()->plt.subplot()->plot.plot()->plot.show()

# 子图悬浮在大图上# fig=plt.figure()->ax=fig.add_axes(位置列表)或ax=fig.axes()->ax.plot()->plt.show()# fig=plt.figure()->fig.add_subplot()->p=plt.Rectangle()多个->fig.add_subplot().add_patch(p)->fig.canvas.draw()->plot.show()

# py.subplot(1,1,1)py.subplot(111)

# 步骤3-自定义x y轴# 坐标轴对象 axes 可放置在图像的任意位置# 记号位置设置 Tick Locators  记号格式化操作 Tick Formattersx=np.linspace(-np.pi,np.pi,256,endpoint=True)c,s=np.cos(x),np.sin(x)

# 步骤4-1-绘制曲线 颜色 线宽 线的风格(颜色+线型) 大图对应的小图标签 可用$$包裹,如$sin(x)$py.plot(x,c,color=‘blue‘,linewidth=2.5,linestyle=‘-‘,label=‘cosine‘)py.plot(x,s,color=‘red‘,linewidth=2.5,linestyle=‘-‘,label=‘sine‘)

# 步骤4-1-给曲线图上的对应数据点加注释# t=2*np.pi/3# py.plot([t,t],[0,np.cos(t)],color=‘blue‘,linewidth=2.5,linestyle=‘--‘)# py.scatter([t,],[np.cos(t),],50,color=‘blue‘)# py.annotate(r‘$sin(frac{2\pi}{3}=frac{sqrt{3}{2}$‘,#             xy=(t,np.sin(t)),xycoords=‘data‘,#             xytext=(+10,+30),textcoords=‘offset points‘,fontsize=16,#             arrowprops=dict(arrowstyle=‘->‘,connectionstyle=‘arc3,rad=.2‘))### py.plot([t,t],[0,np.sin(t)],color=‘red‘,linewidth=2.5,linestyle=‘--‘)# py.scatter([t,],[np.sin(t),],50,color=‘red‘)# py.annotate(r‘$sin(frac{2\pi}{3}=frac{sqrt{1}{2}$‘,#             xy=(t,np.cos(t)),xycoords=‘data‘,#             xytext=(-90,-50),textcoords=‘offset points‘,fontsize=16,#             arrowprops=dict(arrowstyle=‘->‘,connectionstyle=‘arc3,rad=.2‘))

# 注解设置-注解和数据使用相同坐标 被注解数据的位置 终点坐标 xycoords=‘data‘ 注解文字位置,起点坐标 xytext=(5,38) 箭头属性和风格# py.annotate(‘import value‘,(55,22),xycoords=‘data‘,xytext=(5,38),arrowprops=dict(arrowstyle=‘->‘))# 线的风格 实线 - 破折线 -- 点线 -. 虚线 : 不显示 None ‘‘ ‘ ‘

# 线条标记# 圆圈 o 小菱形 d 菱形 D# 正方形 s 五边形 p 六边形1 h 六边形2 H 八边形 8# 水平线 _ 竖线 | 加号 + 点 . 像素 ,  星号 * x X 无 None ‘‘ ‘ ‘# 1角朝上三角形 ^ 1角朝下三角形 v 1角朝左三角形 < 1角朝右三角形 >

# 线的颜色 红 r 黄 y 白 w 绿 g 蓝 b 青 c 洋红 m 黑 k 支持16进制‘#eeefff‘或3元色组(0.3,0.3,0.3)# 颜色 线宽 线的风格(颜色+线型) 大图对应的小图标签 可用$$包裹,如$sin(x)$# py.plot(x,c,color=‘blue‘,linewidth=2.5,linestyle=‘-‘,label=‘cosine‘)# py.plot(x,s,color=‘red‘,linewidth=2.5,linestyle=‘-‘,label=‘sine‘)

# 属性设置使用set_属性 pyplot.setp()函数 属性获取使用  get_属性 pyplot.getp()

# 步骤4-2-设置显示大图对应的小图标签位置# 小图标签设置-起始位置 宽度 高度 图例位置(左:3-6-2,中:8-10-9,右:4-7-1) 列数 图例扩展至整个坐标轴 坐标轴和图例距离# py.legend(bbox_to_anchor=(0.,1.02,1.,.102),loc=3,ncol=3,mode=‘expand‘,borderaxespad=0.)# py.legend(loc=3)py.legend(loc=‘upper left‘)

# 坐标取值范围# plt.axis([xmin,xmax,ymin,ymax])

# 步骤5-1-设置横轴的上下限py.xlim(-4.0,4.0)

# 步骤5-2-横轴标记号# py.xticks(np.linspace(-4,4,9,endpoint=True))# py.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi])

# 步骤5-3-设置横轴标号标签py.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r‘$-\pi$‘,r‘$-\pi/2$‘,r‘$0$‘,r‘$+\pi/2$‘,r‘$+\pi$‘])

# 步骤5-4-设置纵轴的上下限py.ylim(-1.0,1.0)

# 步骤5-5-设置纵轴标记号# py.yticks(np.linspace(-1,1,5,endpoint=True))# py.yticks([-1,0,+1])

# 步骤5-6-设置纵轴标号标签py.yticks([-1,0,+1],[r‘$-1$‘,r‘$0$‘,r‘$+1$‘])

# 步骤6-1设置图上文字浮在最上层,方便查看# 获取坐标轴对象ax=py.gca()for label in ax.get_xticklabels()+ax.get_yticklabels():    label.set_fontsize(16)    label.set_bbox(dict(facecolor=‘white‘,edgecolor=‘None‘,alpha=0.65,zorder=2))

# 步骤6-2移动脊柱(可省略-移动x y轴 这个看需求,默认的话为常见的x轴和y轴图)# 设置对应的边框是否显示 及边框颜色 边框位置:left right bottom top noneax.spines[‘right‘].set_color(‘none‘)ax.spines[‘top‘].set_color(‘none‘)

# x轴 设置刻度 top bottom both default none 位置  data axes outwardax.xaxis.set_ticks_position(‘bottom‘)ax.spines[‘bottom‘].set_position((‘data‘,0))

# y轴ax.yaxis.set_ticks_position(‘left‘)ax.spines[‘left‘].set_position((‘data‘,0))

# 图像标题py.title(‘双弦图‘)

# 步骤7-设置在屏幕上显示图像py.show()

# 关闭窗口用 默认无参-关闭当前窗口 all-关闭所有窗口 窗口编号或实例-则关闭指定窗口# py.close(1)

原文地址:https://www.cnblogs.com/NiceTime/p/10129127.html

时间: 2024-10-03 05:21:40

python3绘图示例6-1(基于matplotlib,绘图流程介绍及设置等)的相关文章

python3绘图示例6-2(基于matplotlib,绘图流程介绍及设置等)

#!/usr/bin/env python# -*- coding:utf-8 -*- import os import numpy as npimport matplotlib as mpltfrom matplotlib import pyplot as pltfrom matplotlib.ticker import * # 整个图像为1个figure对象,figure对象包含多个Axes对象,每个Axes对象都拥有自己坐标轴的绘图区域# 调用figure时,则调用plot,然后plot调

python3绘图示例2(基于matplotlib:柱状图、分布图、三角图等)

#!/usr/bin/env python# -*- coding:utf-8 -*- from matplotlib import pyplot as pltimport numpy as npimport pylab import os,sys,time,math,random # 图1-给已有的图加上刻度file=r'D:\jmeter\jmeter3.2\data\Oracle数据库基础.png'arr=np.array(file.getdata()).reshape(file.size

python3绘图示例4(基于matplotlib:箱线图、散点图等)

#!/usr/bin/env python# -*- coding:utf-8 -*- from matplotlib.pyplot import * x=[1,2,3,4]y=[5,4,3,2] # 创建新图标figure() # 对角线图 第1个参数:2行 第2个参数:3列的网格 第3个参数:图形在网格的位置subplot(231)plot(x,y) # 垂直柱状图subplot(232)bar(x,y) # 水平柱状图subplot(233)barh(x,y) # 堆叠柱状图-颜色间隔su

python3绘图示例1(基于matplotlib)

#!/usr/bin/env python# -*- coding:utf-8 -*- import numpy as npimport matplotlib.pyplot as pltimport jsonfrom decimal import Decimal # 保留浮点类型jstring='{"name":"pro","price":12.05}'str=json.loads(jstring,parse_float=Decimal)prin

python3绘图示例3(基于matplotlib:折线图等)

#!/usr/bin/env python# -*- coding:utf-8 -*-from pylab import *from numpy import *import numpy # 数据点图-数据点平滑处理def moveing_average(ineterval,window_size): window=ones(int(window_size))/float(window_size) return convolve(ineterval,window,'same') t=linspa

Python3快速入门(十六)——Matplotlib绘图

Python3快速入门(十六)--Matplotlib绘图 一.Matplotlib简介 1.Matplotlib简介 Matplotlib是 Python 2D-绘图领域使用最广泛的套件,可以简易地将数据图形化,并且提供多样化的输出格式.matplotlib有两个接口,一个是状态机层的接口,通过pyplot模块来进行管理:一个是面向对象的接口,通过pylab模块将所有的功能函数全部导入其单独的命名空间内. 2.Matplotlib安装 使用conda安装如下:conda install mat

理解matplotlib绘图

matplotlib是基于Python语言的开源项目,旨在为Python提供一个数据绘图包.Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件.它能让使用者很轻松地将数据图形化,并且提供多样化的输出格式. matplotlib使用numpy进行数组运算,并调用一系列其他的Python库来实现硬件交互.matplotlib的核心是一套由对象构成的绘图API. 你需要安装Python, numpy和matplotlib.(可以到python.org下载Python编译器.相关

数据分析06 /matplotlib绘图

目录 数据分析06 /matplotlib绘图 1. 绘制线性图:plt.plot() 2. 绘制柱状图:plt.bar() 3. 绘制直方图:plt.hist() 4. 绘制饼状图:pie() 5. 绘制散点图:scatter() 数据分析06 /matplotlib绘图 1. 绘制线性图:plt.plot() 绘制单条线形图 import matplotlib.pyplot as plt import numpy as np x = [1,2,3,4,5] y = [5,4,3,2,1] p

数据分析07 /matplotlib绘图

目录 数据分析07 /matplotlib绘图 1. 绘制线性图:plt.plot() 2. 绘制柱状图:plt.bar() 3. 绘制直方图:plt.hist() 4. 绘制饼状图:pie() 5. 绘制散点图:scatter() 数据分析07 /matplotlib绘图 1. 绘制线性图:plt.plot() 绘制单条线形图 import matplotlib.pyplot as plt import numpy as np x = [1,2,3,4,5] y = [5,4,3,2,1] p