12306网站服务时间,免费做网站软件视频,韩国女排出线,wordpress导航模板下载这个是我对于莫烦老师的matplotlib模块的视频做的一个笔记。1.前言Matplotlib是一个python的 2D绘图库#xff0c;它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib#xff0c;开发者可以仅需要几行代码#xff0c;便可以生成绘图#xff0c…这个是我对于莫烦老师的matplotlib模块的视频做的一个笔记。1.前言Matplotlib是一个python的 2D绘图库它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib开发者可以仅需要几行代码便可以生成绘图直方图功率谱条形图错误图散点图等。2.简单的使用import matplotlib.pyplot as pltimport numpy as npx np.linspace(-1,1,50)#从(-1,1)均匀取50个点y 2 * xplt.plot(x,y)plt.show()y 2x图像注意1.如果不使用plo.show()图表是显示不出来的因为可能你要对图表进行多种的描述所以通过显式的调用show()可以避免不必要的错误。3.Figure对象我这里单拿出一个一个的对象然后后面在进行总结。在matplotlib中整个图表为一个figure对象。其实对于每一个弹出的小窗口就是一个Figure对象那么如何在一个代码中创建多个Figure对象也就是多个小窗口呢import matplotlib.pyplot as pltimport numpy as npx np.linspace(-1,1,50)y1 x ** 2y2 x * 2#这个是第一个figure对象,下面的内容都会在第一个figure中显示plt.figure()plt.plot(x,y1)#这里第二个figure对象plt.figure(num 3,figsize (10,5))plt.plot(x,y2)plt.show()这里需要注意的是我们看上面的每个图像的窗口可以看出figure并没有从1开始然后到2这是因为我们在创建第二个figure对象的时候指定了一个num 3的参数所以第二个窗口标题上显示的figure3。对于每一个窗口我们也可以对他们分别去指定窗口的大小。也就是figsize参数。若我们想让他们的线有所区别我们可以用下面语句进行修改plt.plot(x,y2,color red,linewidth 3.0,linestyle --)4.设置坐标轴我们想更改在图表上显示xy的取值范围import matplotlib.pyplot as pltimport numpy as npx np.linspace(-1,1,50)y x *2plt.plot(x,y)plt.show()默认的横纵坐标#在plt.show()之前添加plt.xlim((0,2))plt.ylim((-2,2))更改横纵坐标的取值范围之后给横纵坐标设置名称import matplotlib.pyplot as pltimport numpy as npx np.linspace(-1,1,50)y x * 2plt.xlabel(xslabel)#x轴上的名字plt.ylabel(ys;abel)#y轴上的名字plt.plot(x,y,colorgreen,linewidth 3)plt.show()把坐标轴换成不同的单位new_ticks np.linspace(-1,2,5)plt.xticks(new_ticks)#在对应坐标处更换名称plt.yticks([-2,-1,0,1,2],[really bad,b,c,d,good])更换后的坐标名称那么如果我想把坐标轴上的字体更改成数学的那种形式#在对应坐标处更换名称plt.yticks([-2,-1,0,1,2],[r$really\ bad$,r$b$,r$c\ \alpha$,d,good])将单位改成数学的字体格式注意我们如果要使用空格的话需要进行对空格的转义\ 这种转义才能输出空格我们可以在里面加一些数学的公式如\alpha来表示 。如何去更换坐标原点坐标轴呢我们在plt.show()之前#gca get current axis#获取当前的这四个轴ax plt.gca()#设置脊梁(也就是包围在图标四周的默认黑线)#所以设置脊梁的时候一共有四个方位ax.spines[right].set_color(r)ax.spines[top].set_color(none)#将底部脊梁作为x轴ax.xaxis.set_ticks_position(bottom)#ACCEPTS:[top | bottom | both|default|none]#设置x轴的位置(设置底的时候依据的是y轴)ax.spines[bottom].set_position((data,0))#the 1st is in outward |axes | data#axes : precentage of y axis#data : depend on y dataax.yaxis.set_ticks_position(left)# #ACCEPTS:[top | bottom | both|default|none]#设置左脊梁(y轴)依据的是x轴的0位置ax.spines[left].set_position((data,0))更改坐标轴位置5.legend图例我们很多时候会再一个figures中去添加多条线那我们如何去区分多条线呢这里就用到了legend。#简单的使用l1, plt.plot(x, y1, labellinear line)l2, plt.plot(x, y2, colorred, linewidth1.0, linestyle--, labelsquare line)#简单的设置legend(设置位置)#位置在右上角plt.legend(loc upper right)l1, plt.plot(x, y1, labellinear line)l2, plt.plot(x, y2, colorred, linewidth1.0, linestyle--, labelsquare line)plt.legend(handles [l1,l2],labels [up,down],loc best)#the , is very important in here l1, plt...and l2, plt...for this steplegend( handles(line1, line2, line3),labels(label1, label2, label3),upper right)shadow True 设置图例是否有阴影The *loc* location codes are::best : 0,upper right : 1,upper left : 2,lower left : 3,lower right : 4,right : 5,center left : 6,center right : 7,lower center : 8,upper center : 9,center : 10,这里需要注意的是如果我们没有在legend方法的参数中设置labels那么就会使用画线的时候也就是plot方法中的指定的label参数所指定的名称当然如果都没有的话就会抛出异常其实我们plt.plot的时候返回的是一个线的对象如果我们想在handle中使用这个对象就必须在返回的名字的后面加一个,号legend plt.legend(handles [l1,l2],labels [hu,tang],loc upper center,shadow True)frame legend.get_frame()frame.set_facecolor(r)#或者0.9...更改后的图例样式6.在图片上加一些标注annotation在图片上加注解有两种方式import matplotlib.pyplot as pltimport numpy as npx np.linspace(-3,3,50)y 2*x 1plt.figure(num 1,figsize (8,5))plt.plot(x,y)ax plt.gca()ax.spines[right].set_color(none)ax.spines[top].set_color(none)#将底下的作为x轴ax.xaxis.set_ticks_position(bottom)#并且data以y轴的数据为基本ax.spines[bottom].set_position((data,0))#将左边的作为y轴ax.yaxis.set_ticks_position(left)ax.spines[left].set_position((data,0))print(-----方式一-----)x0 1y0 2*x0 1plt.plot([x0,x0],[0,y0],k--,linewidth 2.5)plt.scatter([x0],[y0],s 50,colorb)plt.annotate(r$2x1 %s$% y0,xy (x0,y0),xycoords data,xytext(30,-30),textcoords offset points,fontsize 16,arrowprops dict(arrowstyle-,connectionstylearc3,rad.2))plt.show()第一种annotationplt.annotate(r$2x1 %s$% y0,xy (x0,y0),xycoords data,xytext(30,-30),textcoords offset points,fontsize 16,arrowprops dict(arrowstyle-,connectionstylearc3,rad.2))注意xy就是需要进行注释的点的横纵坐标xycoords data说明的是要注释点的xy的坐标是以横纵坐标轴为基准的xytext(30,-30)和textcoordsdata说明了这里的文字是基于标注的点的x坐标的偏移30以及标注点y坐标-30位置就是我们要进行注释文字的位置fontsize 16就说明字体的大小arrowprops dict()这个是对于这个箭头的描述arrowstyle-这个是箭头的类型connectionstylearc3,rad.2这两个是描述我们的箭头的弧度以及角度的。print(-----方式二-----)plt.text(-3.7,3,r$this\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$, fontdict{size:16,color:r})第二种标注方式这里先介绍一下plot中的一个参数import matplotlib.pyplot as pltimport numpy as npx np.linspace(-3,3,50)y1 0.1*xy2 x**2plt.figure()#zorder控制绘图顺序plt.plot(x,y1,linewidth 10,zorder 2,label r$y_1\ \ 0.1*x$)plt.plot(x,y2,linewidth 10,zorder 1,label r$y_2\ \ x^{2}$)plt.legend(loc lower right)plt.show()如果改成#zorder控制绘图顺序plt.plot(x,y1,linewidth 10,zorder 1,label r$y_1\ \ 0.1*x$)plt.plot(x,y2,linewidth 10,zorder 2,label r$y_2\ \ x^{2}$)下面我们看一下这个图import matplotlib.pyplot as pltimport numpy as npx np.linspace(-3,3,50)y1 0.1*xy2 x**2plt.figure()#zorder控制绘图顺序plt.plot(x,y1,linewidth 10,zorder 1,label r$y_1\ \ 0.1*x$)plt.plot(x,y2,linewidth 10,zorder 2,label r$y_2\ \ x^{2}$)plt.ylim(-2,2)ax plt.gca()ax.spines[right].set_color(none)ax.spines[top].set_color(none)ax.xaxis.set_ticks_position(bottom)ax.spines[bottom].set_position((data,0))ax.yaxis.set_ticks_position(left)ax.spines[left].set_position((data,0))plt.show()执行效果从上面看我们可以看见我们轴上的坐标被掩盖住了那么我们怎么去修改他呢print(ax.get_xticklabels())print(ax.get_yticklabels())for label in ax.get_xticklabels() ax.get_yticklabels():label.set_fontsize(12)label.set_bbox(dict(facecolor white,edgecolornone,alpha 0.8,zorder 2))让坐标轴显示出来这里需要注意ax.get_xticklabels()获取得到就是坐标轴上的数字set_bbox()这个bbox就是那坐标轴上的数字的那一小块区域从结果我们可以很明显的看出来facecolor white,edgecolornone第一个参数表示的这个box的前面的背景边上的颜色。7.画图的种类1.scatter散点图import matplotlib.pyplot as pltimport numpy as npn 1024X np.random.normal(0,1,n)Y np.random.normal(0,1,n)T np.arctan2(Y,X)#for color later onplt.scatter(X,Y,s 75,c T,alpha .5)plt.xlim((-1.5,1.5))plt.xticks([])#ignore xticksplt.ylim((-1.5,1.5))plt.yticks([])#ignore yticksplt.show()散点图2.柱状图import matplotlib.pyplot as pltimport numpy as npn 12X np.arange(n)Y1 (1 - X/float(n)) * np.random.uniform(0.5,1.0,n)Y2 (1 - X/float(n)) * np.random.uniform(0.5,1.0,n)#facecolor:表面的颜色;edgecolor:边框的颜色plt.bar(X,Y1,facecolor #9999ff,edgecolor white)plt.bar(X,-Y2,facecolor #ff9999,edgecolor white)#描绘text在图表上# plt.text(0 0.4, 0 0.05,huhu)for x,y in zip(X,Y1):#ha : horizontal alignment#va : vertical alignmentplt.text(x 0.01,y0.05,%.2f%y,ha center,vabottom)for x,y in zip(X,Y2):# ha : horizontal alignment# va : vertical alignmentplt.text(x0.01,-y-0.05,%.2f%(-y),hacenter,vatop)plt.xlim(-.5,n)plt.yticks([])plt.ylim(-1.25,1.25)plt.yticks([])plt.show()柱状图3.Contours等高线图import matplotlib.pyplot as pltimport numpy as npdef f(x,y):#the height functionreturn (1-x/2 x**5y**3) * np.exp(-x **2 -y**2)n 256x np.linspace(-3,3,n)y np.linspace(-3,3,n)#meshgrid函数用两个坐标轴上的点在平面上画网格。X,Y np.meshgrid(x,y)#use plt.contourf to filling contours#X Y and value for (X,Y) point#这里的8就是说明等高线分成多少个部分如果是0则分成2半#则8是分成10半#cmap找对应的颜色如果高0就找0对应的颜色值plt.contourf(X,Y,f(X,Y),8,alpha .75,cmap plt.cm.hot)#use plt.contour to add contour linesC plt.contour(X,Y,f(X,Y),8,colors black,linewidth .5)#adding labelplt.clabel(C,inline True,fontsize 10)#ignore ticksplt.xticks([])plt.yticks([])plt.show()等高线4.image图片import matplotlib.pyplot as pltimport numpy as np#image dataa np.array([0.313660827978, 0.365348418405, 0.423733120134,0.365348418405, 0.439599930621, 0.525083754405,0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)for the value of interpolationcheck this:http://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.htmlfor the value of origin [upper, lower], check this:http://matplotlib.org/examples/pylab_examples/image_origin.html#显示图像#这里的cmapbone等价于plt.cm.boneplt.imshow(a,interpolation nearest,cmap bone ,origin up)#显示右边的栏plt.colorbar(shrink .92)#ignore ticksplt.xticks([])plt.yticks([])plt.show()显示图片5.3D数据import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfig plt.figure()ax Axes3D(fig)#X Y valueX np.arange(-4,4,0.25)Y np.arange(-4,4,0.25)X,Y np.meshgrid(X,Y)R np.sqrt(X**2 Y**2)#hight valueZ np.sin(R)ax.plot_surface(X, Y, Z, rstride1, cstride1, cmapplt.get_cmap(rainbow)) Argument Description *X*, *Y*, *Z* Data values as 2D arrays*rstride* Array row stride (step size), defaults to 10*cstride* Array column stride (step size), defaults to 10*color* Color of the surface patches*cmap* A colormap for the surface patches.*facecolors* Face colors for the individual patches*norm* An instance of Normalize to map values to colors*vmin* Minimum value to map*vmax* Maximum value to map*shade* Whether to shade the facecolors # I think this is different from plt12_contoursax.contourf(X, Y, Z, zdirz, offset-2, cmapplt.get_cmap(rainbow)) Argument Description *X*, *Y*, Data values as numpy.arrays*Z**zdir* The direction to use: x, y or z (default)*offset* If specified plot a projection of the filled contouron this position in plane normal to zdir ax.set_zlim(-2, 2)plt.show()8.多图合并展示1.使用subplot函数import matplotlib.pyplot as pltplt.figure(figsize (6,5))ax1 plt.subplot(3,1,1)ax1.set_title(ax1 title)plt.plot([0,1],[0,1])#这种情况下如果再数的话以334为标准了#把上面的第一行看成是3个列ax2 plt.subplot(334)ax2.set_title(ax2 title)ax3 plt.subplot(335)ax4 plt.subplot(336)ax5 plt.subplot(325)ax6 plt.subplot(326)plt.show()案例一import matplotlib.pyplot as pltplt.figure(figsize (6,4))#plt.subplot(n_rows,n_cols,plot_num)plt.subplot(211)# figure splits into 2 rows, 1 col, plot to the 1st sub-figplt.plot([0, 1], [0, 1])plt.subplot(234)# figure splits into 2 rows, 3 col, plot to the 4th sub-figplt.plot([0, 1], [0, 2])plt.subplot(235)# figure splits into 2 rows, 3 col, plot to the 5th sub-figplt.plot([0, 1], [0, 3])plt.subplot(236)# figure splits into 2 rows, 3 col, plot to the 6th sub-figplt.plot([0, 1], [0, 4])plt.tight_layout()plt.show()案例二2.分格显示#method 1: subplot2gridimport matplotlib.pyplot as pltplt.figure()#第一个参数shape也就是我们网格的形状#第二个参数loc,位置,这里需要注意位置是从0开始索引的#第三个参数colspan跨多少列,默认是1#第四个参数rowspan跨多少行,默认是1ax1 plt.subplot2grid((3,3),(0,0),colspan 3,rowspan 1)#如果为他设置一些属性的话如plt.title,则用ax1的话#ax1.set_title(),同理可设置其他属性ax1.set_title(ax1_title)ax2 plt.subplot2grid((3,3),(1,0),colspan 2,rowspan 1)ax3 plt.subplot2grid((3,3),(1,2),colspan 1,rowspan 2)ax4 plt.subplot2grid((3,3),(2,0),colspan 1,rowspan 1)ax5 plt.subplot2grid((3,3),(2,1),colspan 1,rowspan 1)plt.show()method1 result#method 2:gridspecimport matplotlib.pyplot as pltimport matplotlib.gridspec as gridspecplt.figure()gs gridspec.GridSpec(3,3)#use index from 0ax1 plt.subplot(gs[0,:])ax1.set_title(ax1 title)ax2 plt.subplot(gs[1,:2])ax2.plot([1,2],[3,4],r)ax3 plt.subplot(gs[1:,2:])ax4 plt.subplot(gs[-1,0])ax5 plt.subplot(gs[-1,-2])plt.show()method2 result#method 3 :easy to define structure#这种方式不能生成指定跨行列的那种import matplotlib.pyplot as plt#(ax11,ax12),(ax13,ax14)代表了两行#f就是figure对象,#sharex是否共享x轴#sharey:是否共享y轴f,((ax11,ax12),(ax13,ax14)) plt.subplots(2,2,sharex True,sharey True)ax11.set_title(a11 title)ax12.scatter([1,2],[1,2])plt.show()method3 result3.图中图import matplotlib.pyplot as pltfig plt.figure()x [1,2,3,4,5,6,7]y [1,3,4,2,5,8,6]#below are all percentageleft, bottom, width, height 0.1, 0.1, 0.8, 0.8#使用plt.figure()显示的是一个空的figure#如果使用fig.add_axes会添加轴ax1 fig.add_axes([left, bottom, width, height])# main axesax1.plot(x,y,r)ax1.set_xlabel(x)ax1.set_ylabel(y)ax1.set_title(title)ax2 fig.add_axes([0.2, 0.6, 0.25, 0.25]) # inside axesax2.plot(y, x, b)ax2.set_xlabel(x)ax2.set_ylabel(y)ax2.set_title(title inside 1)# different method to add axes####################################plt.axes([0.6, 0.2, 0.25, 0.25])plt.plot(y[::-1], x, g)plt.xlabel(x)plt.ylabel(y)plt.title(title inside 2)plt.show()画中画4.次坐标轴# 使用twinx是添加y轴的坐标轴# 使用twiny是添加x轴的坐标轴import matplotlib.pyplot as pltimport numpy as npx np.arange(0,10,0.1)y1 0.05 * x ** 2y2 -1 * y1fig,ax1 plt.subplots()ax2 ax1.twinx()ax1.plot(x,y1,g-)ax2.plot(x,y2,b-)ax1.set_xlabel(X data)ax1.set_ylabel(Y1 data,color g)ax2.set_ylabel(Y2 data,color b)plt.show()次坐标9.animation动画import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib import animationfig,ax plt.subplots()x np.arange(0,2*np.pi,0.01)#因为这里返回的是一个列表但是我们只想要第一个值#所以这里需要加,号line, ax.plot(x,np.sin(x))def animate(i):line.set_ydata(np.sin(x i/10.0))#updata the datareturn line,def init():line.set_ydata(np.sin(x))return line,# call the animator. blitTrue means only re-draw the parts that have changed.# blitTrue dose not work on Mac, set blitFalse# interval update frequency#frames帧数ani animation.FuncAnimation(figfig, funcanimate, frames100, init_funcinit,interval20, blitFalse)plt.show()animation