matplotlib基本线图绘制

import numpy as np
‘‘‘使用matplotlib绘图主要是用到其pyplot模块，它可以程序化生成多种多样的图表，
只需要简单的函数就可以自主化定制图表，添加文本、点、线、颜色、图像等元素。‘‘‘
import matplotlib.pyplot as plt
‘‘‘linspace在指定的间隔内返回均匀间隔的数字。
返回num均匀分布的样本，在[start, stop]。
这个区间的端点可以任意的被排除在外。‘‘‘


#默认的线形和颜色
x=np.linspace(-np.pi,np.pi,256,endpoint=True)#retstep= True,显示步长，endpoint=True，包含端点，false不包含
c,s=np.cos(x),np.sin(x)
plt.figure(1)#新建一个名叫 Figure1的画图窗口
#fig = plt.figure(figsize=(a, b), dpi=dpi)
‘‘‘figsize 设置图形的大小，a 为图形的宽， b 为图形的高，单位为英寸
dpi 为设置图形每英寸的点数‘‘‘
plt.plot(x,c)
plt.plot(x,s)
plt.title(‘cos & sin‘)
plt.show()


#改变线形和颜色
x=np.linspace(-np.pi,np.pi,256,endpoint=True)#retstep= True,显示步长，endpoint=True，包含端点，false不包含
c,s=np.cos(x),np.sin(x)
plt.figure(1)#新建一个名叫 Figure1的画图窗口
#fig = plt.figure(figsize=(a, b), dpi=dpi)
‘‘‘figsize 设置图形的大小，a 为图形的宽， b 为图形的高，单位为英寸
dpi 为设置图形每英寸的点数‘‘‘
plt.plot(x,c,color=‘blue‘,linewidth=2.0,linestyle=‘-‘,label=‘cos‘,alpha=0.5)#alpha指定透明度
plt.plot(x,s,‘g*‘,label=‘sin‘)#另外一种表示颜色，g表示颜色为绿色，*表示线型为*
plt.title(‘cos & sin‘)
plt.show()


#加上图例
x=np.linspace(-np.pi,np.pi,256,endpoint=True)#retstep= True,显示步长，endpoint=True，包含端点，false不包含
c,s=np.cos(x),np.sin(x)
plt.figure(13)#新建一个名叫 Figure1的画图窗口
#fig = plt.figure(figsize=(a, b), dpi=dpi)
‘‘‘figsize 设置图形的大小，a 为图形的宽， b 为图形的高，单位为英寸
dpi 为设置图形每英寸的点数‘‘‘
plt.plot(x,c,color=‘blue‘,linewidth=2.0,linestyle=‘-‘,label=‘cos‘,alpha=0.5)#alpha指定透明度
plt.plot(x,s,‘g*‘,label=‘sin‘)#另外一种表示颜色，g表示颜色为绿色，*表示线型为*
plt.legend(loc=‘upper left‘)#显示图例在左上方，不指定位置，默认在右上方
plt.title(‘cos & sin‘)
plt.show()


#调整出横纵坐标
x=np.linspace(-np.pi,np.pi,256,endpoint=True)#retstep= True,显示步长，endpoint=True，包含端点，false不包含
c,s=np.cos(x),np.sin(x)
plt.figure(13)#新建一个名叫 Figure1的画图窗口
#fig = plt.figure(figsize=(a, b), dpi=dpi)
‘‘‘figsize 设置图形的大小，a 为图形的宽， b 为图形的高，单位为英寸
dpi 为设置图形每英寸的点数‘‘‘
plt.plot(x,c,color=‘blue‘,linewidth=2.0,linestyle=‘-‘,label=‘cos‘,alpha=0.5)#alpha指定透明度
plt.plot(x,s,‘g*‘,label=‘sin‘)#另外一种表示颜色，g表示颜色为绿色，*表示线型为*
ax=plt.gca()#轴的编辑器
ax.spines["right"].set_color(‘none‘)#右边框隐藏
ax.spines["top"].set_color(‘none‘)#上边框隐藏
ax.spines[‘left‘].set_position((‘data‘,0))#将左边框移动到数据为0的位置
ax.spines[‘bottom‘].set_position((‘data‘,0))#将右边框移动到数据为0的位置
ax.xaxis.set_ticks_position(‘bottom‘)#刻度显示在下方
ax.yaxis.set_ticks_position(‘left‘)#刻度显示在左方
plt.legend(loc=‘upper left‘)#显示图例在左上方
plt.title(‘cos & sin‘)
plt.show()


#X轴和Y轴添加标签
x=np.linspace(-np.pi,np.pi,256,endpoint=True)#retstep= True,显示步长，endpoint=True，包含端点，false不包含
c,s=np.cos(x),np.sin(x)
plt.figure(13)#新建一个名叫 Figure1的画图窗口
#fig = plt.figure(figsize=(a, b), dpi=dpi)
‘‘‘figsize 设置图形的大小，a 为图形的宽， b 为图形的高，单位为英寸
dpi 为设置图形每英寸的点数‘‘‘
plt.plot(x,c,color=‘blue‘,linewidth=2.0,linestyle=‘-‘,label=‘cos‘,alpha=0.5)#alpha指定透明度
plt.plot(x,s,‘g*‘,label=‘sin‘)#另外一种表示颜色，g表示颜色为绿色，*表示线型为*
ax=plt.gca()#轴的编辑器
ax.spines["right"].set_color(‘none‘)#右边框隐藏
ax.spines["top"].set_color(‘none‘)#上边框隐藏
ax.spines[‘left‘].set_position((‘data‘,0))#将左边框移动到数据为0的位置
ax.spines[‘bottom‘].set_position((‘data‘,0))#将右边框移动到数据为0的位置
ax.xaxis.set_ticks_position(‘bottom‘)#刻度显示在下方
ax.yaxis.set_ticks_position(‘left‘)#刻度显示在左方
plt.xticks([-np.pi,-np.pi/2,0,np.pi,np.pi/2],
           [r‘$-\pi$‘,r‘$-\pi/2$‘,r‘$0$‘,r‘$+\pi/2$‘,r‘$+\pi$‘])#x轴加标签
plt.yticks(np.linspace(-1,1,5,endpoint=True))#y轴加标签
plt.legend(loc=‘upper left‘)#显示图例在左上方
plt.title(‘cos & sin‘)
plt.show()

# plt.xticks(x,x[::1])

#第一个数组参数是标示的位置，第二个数组是标示的文字(省略为数字)，两个数组中的元素一一对应




#标签调整字体，增加外框和背景颜色
x=np.linspace(-np.pi,np.pi,256,endpoint=True)#retstep= True,显示步长，endpoint=True，包含端点，false不包含
c,s=np.cos(x),np.sin(x)
plt.figure(13)#新建一个名叫 Figure1的画图窗口
#fig = plt.figure(figsize=(a, b), dpi=dpi)
‘‘‘figsize 设置图形的大小，a 为图形的宽， b 为图形的高，单位为英寸
dpi 为设置图形每英寸的点数‘‘‘
plt.plot(x,c,color=‘blue‘,linewidth=2.0,linestyle=‘-‘,label=‘cos‘,alpha=0.5)#alpha指定透明度
plt.plot(x,s,‘g*‘,label=‘sin‘)#另外一种表示颜色，g表示颜色为绿色，*表示线型为*
ax=plt.gca()#轴的编辑器
ax.spines["right"].set_color(‘none‘)#右边框隐藏
ax.spines["top"].set_color(‘none‘)#上边框隐藏
ax.spines[‘left‘].set_position((‘data‘,0))#将左边框移动到数据为0的位置
ax.spines[‘bottom‘].set_position((‘data‘,0))#将右边框移动到数据为0的位置
ax.xaxis.set_ticks_position(‘bottom‘)#刻度显示在下方
ax.yaxis.set_ticks_position(‘left‘)#刻度显示在左方
plt.xticks([-np.pi,-np.pi/2,0,np.pi,np.pi/2],
           [r‘$-\pi$‘,r‘$-\pi/2$‘,r‘$0$‘,r‘$+\pi/2$‘,r‘$+\pi$‘])#x轴加标签
plt.yticks(np.linspace(-1,1,5,endpoint=True))#y轴加标签
for label in ax.get_xticklabels()+ax.get_yticklabels():
    label.set_fontsize(16)#标签调整字体
    label.set_bbox(dict(facecolor=‘red‘,edgecolor=‘blue‘,alpha=0.5))#给标签增加外框和背景颜色
plt.legend(loc=‘upper left‘)#显示图例在左上方
plt.title(‘cos & sin‘)
plt.show()





#画线和添加注释
x=np.linspace(-np.pi,np.pi,256,endpoint=True)#retstep= True,显示步长，endpoint=True，包含端点，false不包含
c,s=np.cos(x),np.sin(x)
plt.figure(9)#新建一个名叫 Figure1的画图窗口
#fig = plt.figure(figsize=(a, b), dpi=dpi)
‘‘‘figsize 设置图形的大小，a 为图形的宽， b 为图形的高，单位为英寸
dpi 为设置图形每英寸的点数‘‘‘
plt.plot(x,c,color=‘blue‘,linewidth=2.0,linestyle=‘-‘,label=‘cos‘,alpha=0.5)#alpha指定透明度
plt.plot(x,s,‘g*‘,label=‘sin‘)#另外一种表示颜色，g表示颜色为绿色，*表示线型为*
plt.title(‘cos & sin‘)
ax=plt.gca()#轴的编辑器
ax.spines["right"].set_color(‘none‘)#右边框隐藏
ax.spines["top"].set_color(‘none‘)#上边框隐藏
ax.spines[‘left‘].set_position((‘data‘,0))#将左边框移动到数据为0的位置
ax.spines[‘bottom‘].set_position((‘data‘,0))#将右边框移动到数据为0的位置
ax.xaxis.set_ticks_position(‘bottom‘)#刻度显示在下方
ax.yaxis.set_ticks_position(‘left‘)#刻度显示在左方
plt.xticks([-np.pi,-np.pi/2,0,np.pi,np.pi/2],
           [r‘$-\pi$‘,r‘$-\pi/2$‘,r‘$0$‘,r‘$+\pi/2$‘,r‘$+\pi$‘])#x轴加标签
plt.yticks(np.linspace(-1,1,5,endpoint=True))#y轴加标签
for label in ax.get_xticklabels()+ax.get_yticklabels():
    label.set_fontsize(16)
    #label.set_bbox(dict(facecolor=‘white‘,edgecolor=‘none‘,alpha=1))
plt.legend(loc=‘upper left‘)#显示图例在左上方
#plt.grid()#加上网格线
#plt.axis([-1,1,-0.5,1])#显示范围，x轴范围从-1到1，y轴范围从-0.5到1
plt.fill_between(x,np.abs(x)<0.5,c,c>0.5,color=‘green‘,alpha=0.25)
t=1
#plt.plot画折线，在(t,0),(t,cos(t))画一条线，相当于画了一条垂直线，设置颜色，线宽和样式
plt.plot([t,t],[0,np.cos(t)],‘y‘,linewidth=3,linestyle=‘--‘)
#plt.annotate()添加注释，xy 为被注释的坐标点，xycoords 参数data使用被注释对象的坐标系统(默认)，xytext 为注释文字的坐标位置，arrowprops #箭头参数,参数类型为字典dict
plt.annotate(‘cos(1)‘,xy=(t,np.cos(1)),xycoords=‘data‘,xytext=(+10,+30),textcoords=‘offset points‘,arrowprops=dict(arrowstyle=‘->‘,connectionstyle=‘arc3,rad=.2‘))
plt.xlabel(‘X‘) #X轴标签
plt.ylabel(‘Y‘) #Y轴标签
plt.show()





#for i in range()用法
import random, string
length = 7
s1 = [random.randint(1,20) for i in range(length)]#生成7个随机数
print(s1)
‘‘‘for i in range ()作用：
range()是一个函数， for i in range () 就是给i赋值：
比如 for i in range （1，3）：
就是把1,2依次赋值给i‘‘‘
for i in range(length):
    print(i)
chars = string.ascii_letters + string.digits
print(chars)
s = [random.choice(chars) for i in range(length)]
print(s)
x= range(1, 21)
#b = a[i:j]   表示复制a[i]到a[j-1]，以生成新的list对象
#b = a[i:j:s]表示：i,j与上面的一样，但s表示步进，缺省为1.





plt.fill_between()函数用法


plt.fill_between(x,x>0,c,c>0.5,color="green")


#代码中，x>0是逻辑语言，即在x>0时为真，从横坐标为1的地方开始填充，x<=0时为假，从横坐标为0的地方开始填充，其中c为纵坐标约束纵向上的填充范围（详细说明见附图中的黑框范围和红色箭头）。(参考于https://www.imooc.com/qadetail/261330）




fill_between 也可以填充两个函数之间的区域


# 两个函数之间的区域用黄色填充


plt.fill_between(x, y1, y2, facecolor=‘y‘, alpha=0.3)


plt.annotate()函数解析详细参数可参考于https://blog.csdn.net/TeFuirnever/article/details/88946088



原文地址：https://www.cnblogs.com/elly01/p/12683514.html
				


				
时间： 2024-11-02 12:57:58 

		


		


	

	
	

		


		
matplotlib基本线图绘制的相关文章


								

		

			

                matplotlib 出图示例
			

		

		

									

				如果你想要在Linxu中获得一个高效.自动化.高质量的科学画图的解决方案,应该考虑尝试下matplotlib库.Matplotlib是基于python的开源科学测绘包,基于python软件基金会许可证发布.大量的文档和例子.集成了Python和Numpy科学计算包.以及自动化能力,是作为Linux环境中进行科学画图的可靠选择的几个原因.这个教程将提供几个用matplotlib画图的例子. 特性 支持众多的图表类型,如:bar,box,contour,histogram,scatter,line			

		

	

				

		

			

                『python』科学计算专项_科学绘图库matplotlib学习之绘制动画（待续）
			

		

		

									

				示例代码 简单调用绘图 from matplotlib import pyplot as plt import matplotlib.animation as animation import numpy as np def update_point(num): fig_points.set_data(data[:, 0:num]) return fig_points, fig1 = plt.figure() num_point = 50 data = np.random.rand(2, num			

		

	

				

		

			

                matplotlib之scatter绘制散点
			

		

		

									

				1 # 使用matplotlib.pyplot.scatter绘制散点 2 import matplotlib.pyplot as plt 3 from pylab import mpl 4 5 # 设置默认字体,解决中文显示乱码问题 6 mpl.rcParams['font.sans-serif'] = ['SimHei'] 7 8 # 画单个点 9 plt.scatter(0, 0, s=200) # 指定点的大小 10 11 # 画多个点 12 x_values = [1, 2, 3, 4			

		

	

				

		

			

                UML类图绘制
			

		

		

									

				*UML类图绘制* ----------------- 1. **UML结构图与功能关系描述** 2. **UML行为图与功能关系描述** ************************ *UML结构图与功能关系描述* ======== 1. 继承关系 2. 聚集和组成 3. 依赖关系			

		

	

				

		

			

                地球与地图思维导图绘制
			

		

		

									

				地理这门科目可以让我们更好更快的认识祖国的大好河山,以及各个国家的形状以及排列位置,那对于地理我们想要深入了解一下要怎样操作办呢?下面是分享的地球与地图总结的思维导图模板,以及绘制该思维导图的操作方法介绍,希望对大家有所帮助. **绘制工具:迅捷画图 绘制方法:** 1.选择在线网站进行编辑使用,搜索迅捷画图进入到该网站,在绘制之前可以对该网站进行熟悉,之后点击首页面中的立即体验就可以开始编辑使用. 2.这里讲述的是思维导图所以在跳转到新建文件页面之后选择思维导图进行新建使用就可以. 3.新建的			

		

	

				

		

			

                绘制思维导图简单的方法是什么？思维导图绘制的作用又是什么
			

		

		

									

				目前,思维导图在我们的日常生活中运用的十分广泛,它是一种能帮助我们学习和记忆的工具,市面上也出现了很多的思维工具和学习思维导图的公开课,可是更多的人只知道怎样将思维导图画出来,但当你问他如何将思维导图变成自己的思维习惯的时候很多人却不知道,这也就导致了很多人说思维导图是没有用处的原因之一,事实是这样的吗?下面我们一起来看看吧! 思维导图巧妙用处: 一．梳理思绪 在我们平时的工作中,思维导图有助于我们梳理思维,思维导图有助于我们梳理思维,慢慢的会建立起良好的逻辑思维和系统思维. 二．便于记忆 在我			

		

	

				

		

			

                MATLAB之心形图绘制
			

		

		

									

				一.静态心形图绘制 (1)效果展示 (2)静态心形原始代码 1 clc; 2 clear all; 3 const=0; 4 % 均布三位坐标 5 x=-5:0.05:5; 6 y=-5:0.05:5; 7 z=-5:0.05:5; 8 [x,y,z]=meshgrid(x,y,z); % 绘制三位坐标点 9 % 心形函数 10 f=(x.^2 + (9/4)*y.^2 + z.^2 - 1).^3 - x.^2.*z.^3 - (9/80)*y.^2.*z.^3-const; 11 p=pat			

		

	

				

		

			

                Matplotlib模块 |图表绘制工具
			

		

		

									

				1.Matplotlib简介及图表窗口 Matplotlib → 一个python版的matlab绘图接口,以2D为主,支持python.numpy.pandas基本数据结构,运营高效且有较丰富的图表库 https://matplotlib.org/api/pyplot_api.html import numpy as np import pandas as pd import matplotlib.pyplot as plt # 图表窗口1 → plt.show() plt.plot(np.r			

		

	

				

		

			

                Python_箱型图绘制与特征值获取
			

		

		

									

				它主要用于反映原始数据分布的特征,还可以进行多组数据分布特征的比较 如何利用Python绘制箱型图 需要的import的包 1 import matplotlib.pyplot as plt 2 from matplotlib.font_manager import FontProperties 3 import numpy as np 4 import pandas as pd 该函数是绘制多箱型图,且数据长度不一致的情况,input_dict = {filename1:[a1,a2,...,