python绘图总结
1 二维图像
1.1 二维曲线
plot(x, y, ls="-", lw=1.5, label=None)
- x, y:横坐标和纵坐标
- ls:颜色、点标记、线型列表,如 ls='r-' 表示红色实线、形点,ls='g.' 表示绿色散点
- lw:线宽度
- label:线标签
plot(x, y, color, marker, linestyle)
- x, y:横坐标和纵坐标
- color:颜色,取值:b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)
- marker:标记形状,取值:. , o v ^ < > 1 2 3 4 s p * h H + x D d | _
- linestyle:线型,取值:- -- -. :
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0,12,0.3)
y1=np.sin(x)
y2=np.cos(x)
plt.figure() #新建一个图像窗口
plt.rcParams['font.sans-serif']=['SimHei'] #正常显示标题中中文
plt.rcParams['axes.unicode_minus'] = False #正常显示坐标轴中中文
plt.subplot(1,2,1) #使用第1个窗格
plt.plot(x,y1,'r*-') #绘图
#plt.plot(x,y1,color='r',marker='*',linestyle='-') #和上面等价
plt.title("正弦曲线") #标题
plt.xlabel('x轴') #x轴命名
plt.ylabel('y轴') #y轴命名
plt.grid() #添加网格
plt.legend(['sinx']) #显示图例
plt.subplot(1,2,2) #使用第2个窗格
plt.plot(x,y1,'r*-',label='sinx') #绘制正弦图像
plt.plot(x,y2,'g.--',label='cosx') #绘制余弦图像
plt.title('正弦曲线、余弦曲线') #标题
plt.legend() #显示图例
1.2 二维散点图
scatter(x, y, s=20, c='b', marker='o', cmap, alpha)
- x, y:横坐标和纵坐标
- s:点大小
- c:点颜色,取值:b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)
- marker:点标记,取值:. , o v ^ < > 1 2 3 4 s p * h H + x D d | _
- cmap:颜色图谱
- alpha:透明度,取值:0~1,超过1时当1算,低于1时当0算
- linewidths:边框宽度
import numpy as np
import matplotlib.pyplot as plt
size=100
x=np.random.uniform(size=size)
y=np.random.uniform(size=size)
s=np.random.uniform(5,400,size=size) #点大小
c=np.random.uniform(size=size) #点颜色
lw=np.random.uniform(1,4,size=size) #边框宽度
plt.figure() #新建一个图像窗口
plt.subplot(1,2,1) #使用第1个窗格
plt.scatter(x,y,s=s,c=c,alpha=0.5,linewidths=lw,edgecolors='m') #绘制散点图
plt.subplot(1,2,2) #使用第2个窗格
plt.scatter(x,y,s=s,c=c,cmap='rainbow',alpha=0.5) #绘制散点图
cmap 为颜色图谱,取值如下: (见cmap设置颜色的参数)
1.3 图像修饰
- figure( num, figsize, dpi ):新建一个空白图像窗口,num为窗口名字,figsize为窗口尺寸,dpi为分辨率
- title( ):标题
- xlabel( ):x轴标签
- ylabel( ):y轴标签
- xlim( xmin, xmax ):x轴图像显示范围
- ylim( ymin, ymax ):y轴图像显示范围
- axis( xmin, xmax, ymin, ymax ):设置x轴和y轴显示范围
- xticks( ticks, labels ):x轴刻度标记,ticks为需要标记的坐标,labels为对应ticks的标签
- yticks( ):y轴刻度标记,ticks为需要标记的坐标,labels为对应ticks的标签
- vlines( x, ymin, ymax, colors='k', linestyles='solid', label='' ):绘制垂直分割线
- hlines( y, xmin, xmax, colors='k', linestyles='solid', label='' ):绘制水平分割线
- text( x, y, s ):说明文字,(x,y)为文字显示位置,s为文字内容
- subplot( rows, cols, num ):多窗格绘图,rows表示行数,cols表示列数,num表示窗格序号
- legend( labels ):显示图例,labels为各曲线的图例标签列表,若在plot()中已给标签,这里可以省略参数
- grid():显示网格
- show( ):显示图像
- savefig( name, dpi ):保存图片,默认以png格式保存,dpi为分辨率
- gca( ):获取坐标轴(axis)对象
这里仅介绍 xticks() 的用法:
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0,15.7,0.1)
y=np.sin(x)
plt.figure() #新建一个图像窗口
plt.plot(x,y,'r.') #绘图
ticks=np.arange(0,6)*np.pi
labels=['0π','1π','2π','3π','4π','5π']
plt.xticks(ticks,labels) #x轴示数标记
plt.grid() #显示网格
1.4 坐标轴控制
1.4.1 坐标轴刻度间隔
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator
x=np.arange(0,15.7,0.1)
y=np.sin(x)
plt.figure() #新建一个图像窗口
plt.plot(x,y,'r.') #绘图
ax=plt.gca() #获取坐标轴(axis)对象
ax.xaxis.set_major_locator(MultipleLocator(3.14)) #设置x轴示数间隔
plt.grid() #显示网格
可以看到,x 轴刻度为 3.14
1.4.2 坐标轴刻度格式
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FormatStrFormatter
x=np.arange(0,15.7,0.1)
y=np.sin(x)
plt.figure() #新建一个图像窗口
plt.plot(x,y,'r.') #绘图
ax=plt.gca() #获取坐标轴(axis)对象
ax.yaxis.set_major_formatter(FormatStrFormatter('%.1f')) #设置y轴示数格式
plt.grid()
可以看到,y 轴刻度只显示1位小数。此方法也可以避免坐标轴示数有时候自动变成+e**的情况发生。
2 三维图像
2.1 三维坐标轴对象(Axes3D
)
在绘制三维图像时,需要先创建三维坐标轴对象 Axes3D ,创建方法主要有以下2种:
方法一:
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D #虽然没有明确调用 Axes3D,也不能省略,否则会报错
fig=plt.figure() #创建一个图像窗口
ax=plt.axes(projection='3d') #创建三维坐标轴对象
方法二:
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig=plt.figure() #创建一个图像窗口
ax=Axes3D(fig) #创建三维坐标轴对象
运行代码,可以看到创建了一个空的三维图像窗口,如下:
多窗格绘图:
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D #虽然没有明确调用 Axes3D,也不能省略,否则会报错
fig=plt.figure() #创建一个图像窗口
ax=fig.add_subplot(rows,cols,num,projection='3d') #添加一个三维子图
2.2 三维曲线
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
t=np.linspace(0,20,70) #参数,生成[0,20]之间70个点
x=np.sin(t)
y=np.cos(t)
z=2*t
fig=plt.figure() #创建一个图像窗口
ax=Axes3D(fig) #创建三维坐标轴对象
ax.plot(x,y,z,'r*-') #绘制3维曲线
2.3 三维散点图
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
size=150 #点个数
x=np.random.randint(0,30,size)
y=np.random.randint(0,30,size)
z=np.random.randint(0,30,size)
fig=plt.figure() #创建一个图像窗口
ax=Axes3D(fig) #创建三维坐标轴对象
s=np.random.randint(0,200,size) #点大小
c=np.random.randint(0,256,size) #点颜色
ax.scatter(x,y,z,s=s,c=c,alpha=0.8) #绘制3维散点图
2.4 三维曲面
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
x=np.linspace(0,10,50)
y=np.linspace(0,9,45)
X,Y=np.meshgrid(x,y) #生成格点,并将所有格点的x轴值和y轴值分别保存到 X 和 Y 中,X 和 Y 的维度:(45,50)
Z=np.sin(X)+np.cos(Y) #每个格点对应的函数值,维度:(45,50)
fig=plt.figure() #创建一个图像窗口
ax=fig.add_subplot(1,2,1,projection='3d') #添加一个三维子图
ax.plot_surface(X,Y,Z,cmap='hot') #绘制三维曲面,cmap为颜色图谱
ax=fig.add_subplot(1,2,2,projection='3d') #添加一个三维子图
ax.plot_surface(X,Y,Z,cmap='rainbow') #绘制三维曲面,cmap为颜色图谱
X,Y=np.meshgrid(x,y) 函数的作用是生成格点,并将所有格点的x轴值和y轴值分别保存到 X 和 Y 中,X 和 Y 的维度:(45,50) ,变量空间如下:
声明:本文转自python绘图总结
python绘图总结的更多相关文章
- python绘图:matplotlib和pandas的应用
在进行数据分析时,绘图是必不可少的模式探索方式.用Python进行数据分析时,matplotlib和pandas是最常用到的两个库.1.matplotlib库的应用准备工作如下:打开ipython,输 ...
- Python绘图工具Plotly的简单使用
1.Plotly被称为史上最好的绘图工具之一,为了更好的展示金融数据的复杂性. Plotly的官方网站为:https://plot.ly/ python量化的关键是金融数据可视化,无论是传统的K线图, ...
- 【python笔记】使用matplotlib,pylab进行python绘图
一提到python绘图,matplotlib是不得不提的python最著名的绘图库,它里面包含了类似matlab的一整套绘图的API.因此,作为想要学习python绘图的童鞋们就得在自己的python ...
- python绘图之seaborn 笔记
前段时间学习了梁斌老师的数据分析(升级版)第三讲<探索性数据分析及数据可视化>,由于之前一直比较忙没有来得及总结,趁今天是周末有点闲暇时间,整理一下笔记: 什么是seaborn Seabo ...
- python绘图 matplotlib教程
mark一个很好的python绘图教程 https://liam0205.me/2014/09/11/matplotlib-tutorial-zh-cn/
- python绘图入门
python绘图入门 学习了:https://zhuanlan.zhihu.com/p/34200452 API:https://matplotlib.org/api/pyplot_api.html ...
- Python 绘图 cookbook
目录 python绘图常见bug matplotlib包加载 解决中文绘图乱码解决方法 解决python中用matplotlib画多幅图时出现图形部分重叠的问题 python绘图常见bug matpl ...
- 分形、分形几何、数据可视化、Python绘图
本系列采用turtle.matplotlib.numpy这三个Python工具,以分形与计算机图像处理的经典算法为实例,通过程序和图像,来帮助读者一步步掌握Python绘图和数据可视化的方法和技巧,并 ...
- python 绘图介绍
1. python 绘图介绍 2. 函数 import numpy as np import matplotlib.pyplot as plt t = np.arange(0.0, 3.0, 0.01 ...
- Python绘图
1.二维绘图 a. 一维数据集 用 Numpy ndarray 作为数据传入 ply 1. import numpy as np import matplotlib as mpl import mat ...
随机推荐
- [转帖]总成本降低80%,支付宝使用OceanBase的历史库实践
https://open.oceanbase.com/blog/5377309696 为解决因业务增长引发的数据库存储空间问题,支付宝基于 OceanBase 数据库启动历史库项目,通过历史数据归档. ...
- [转帖]SQL SERVER中什么情况会导致索引查找变成索引扫描
https://www.cnblogs.com/kerrycode/p/4806236.html SQL Server 中什么情况会导致其执行计划从索引查找(Index Seek)变成索引扫描(Ind ...
- MongoDB的安装使用与监控
MongoDB的安装使用与监控 下载 https://www.mongodb.com/try/download/community 我这边习惯于下载 Windows 的 MSI 进行安装 Linux ...
- 京东ES支持ZSTD压缩算法上线了:高性能,低成本 | 京东云技术团队
1 前言 在<ElasticSearch降本增效常见的方法>一文中曾提到过zstd压缩算法[1],一步一个脚印我们终于在京东ES上线支持了zstd:我觉得促使目标完成主要以下几点原因: ...
- vue中设置props参数类型
props参数的使用 在使用vue的项目开发的过程中 经常会定义大量的组件使用 这个时候组件中的定义的数据类型就非常重要了 此时我们需要定义组件中需要的数据类型 之前我只知道简单的几个 今天忽然发现原 ...
- kettle系统列文章02---如何建立一个转换
1.连接mysql 主对象树---->DB连接---->新建 2.连接sqlserver 主对象树--->DB连接----->新建 3.设置数据库为共享:在db上右键---&g ...
- js 闭包详解一
闭包(closure)是Javascript语言的一个难点,也是它的特色,很多高级应用都要依靠闭包实现. 下面就是我的学习笔记,对于Javascript初学者应该是很有用的. 一.变量的作用域 要理解 ...
- nodejs的npm改为国内源和参数
npm源改为国内 此方法不需要安装cnpm也可以使用淘宝镜像,提高国内访问速度 由于 Node 的官方模块仓库网速太慢,模块仓库需要切换到阿里的源. npm config set registry h ...
- Milvus 2.3.功能全面升级,核心组件再升级,超低延迟、高准确度、MMap一触开启数据处理量翻倍、支持GPU使用!
Milvus 2.3.功能全面升级,核心组件再升级,超低延迟.高准确度.MMap一触开启数据处理量翻倍.支持GPU使用! 1.Milvus 2.3版本全部升级简介 Milvus 2.3.0 不仅包含大 ...
- Prompt learning 教学基础篇:prompt基本原则以及使用场景技巧助力你更好使用chatgpt,得到你想要的答案
Prompt learning 教学[基础篇]:prompt基本原则以及使用场景技巧助力你更好使用chatgpt,得到你想要的答案 如果你想系统学习 如果你对 AI 和 Prompt Engineer ...