专门做淘宝代运营的网站,xml wordpress,网站设计模式,河北9市最新消息来自 | 逐梦erhttps://zhumenger.blog.csdn.net/article/details/106530281本文仅作技术交流#xff0c;如有侵权#xff0c;请联系后台删除。数据可视化非常重要#xff0c;因为错误或不充分的数据表示方法可能会毁掉原本很出色的数据分析工作。matplotlib 库是专门用于开发… 来自 | 逐梦erhttps://zhumenger.blog.csdn.net/article/details/106530281本文仅作技术交流如有侵权请联系后台删除。数据可视化非常重要因为错误或不充分的数据表示方法可能会毁掉原本很出色的数据分析工作。matplotlib 库是专门用于开发2D图表(包括3D图表)的突出优点使用起来极为简单。以渐进、交互式方式实现数据可视化。表达式和文本使用LaTeX排版。对图像元素控制力强。可输出PNG、PDF、SVG和EPS等多种格式。   目  录安装matplotlib 架构matplotlib的基本用法一.线性图二.柱状图三.散点图四.等高线图五.处理图片六.3D图   安  装conda install matplotlib或者pip install matplotlib   matplotlib 架构matplotlib 的主要任务之一就是提供一套表示和操作图形对象(主要对象)以及它的内部对象的函数和工具。其不仅可以处理图形还提供事件处理工具具有为图形添加动画效果的能力。有了这些附加功能matplotlib 就能生成以键盘按键或鼠标移动触发的事件的交互式图表。从逻辑上来讲matplotlib 的整体架构为3层各层之间单向通信Scripting (脚本)层。Artist (表现)层。Backend (后端)层。   一、matplotlib的基本用法import numpy as npimport matplotlib.pyplot as pltx np.linspace(-np.pi, np.pi, 30) # 在区间内生成30个等差数y np.sin(x)print(x , x)print(y , y)输出x [-3.14159265 -2.92493109 -2.70826953 -2.49160797 -2.2749464 -2.05828484 -1.84162328 -1.62496172 -1.40830016 -1.19163859 -0.97497703 -0.75831547 -0.54165391 -0.32499234 -0.10833078 0.10833078 0.32499234 0.54165391 0.75831547 0.97497703 1.19163859 1.40830016 1.62496172 1.84162328 2.05828484 2.2749464 2.49160797 2.70826953 2.92493109 3.14159265]y [-1.22464680e-16 -2.14970440e-01 -4.19889102e-01 -6.05174215e-01 -7.62162055e-01 -8.83512044e-01 -9.63549993e-01 -9.98533414e-01 -9.86826523e-01 -9.28976720e-01 -8.27688998e-01 -6.87699459e-01 -5.15553857e-01 -3.19301530e-01 -1.08119018e-01 1.08119018e-01 3.19301530e-01 5.15553857e-01 6.87699459e-01 8.27688998e-01 9.28976720e-01 9.86826523e-01 9.98533414e-01 9.63549993e-01 8.83512044e-01 7.62162055e-01 6.05174215e-01 4.19889102e-01  2.14970440e-01  1.22464680e-16]   一.线性图画一条曲线plt.figure() # 创建一个新的窗口plt.plot(x, y) # 画一个x与y相关的曲线plt.show()# 显示图像画多条曲线以及添加坐标轴和标签import numpy as npimport matplotlib.pyplot as pltx np.linspace(-np.pi, np.pi, 100) # 在区间内生成21个等差数y np.sin(x)linear_y 0.2 * x 0.1plt.figure(figsize (8, 6)) # 自定义窗口的大小plt.plot(x, y)plt.plot(x, linear_y, color red, linestyle --) # 自定义颜色和表示方式plt.title(y sin(x) and y 0.2x 0.1) # 定义该曲线的标题plt.xlabel(x) # 定义横轴标签plt.ylabel(y) # 定义纵轴标签plt.show()指定坐标范围 and 设置坐标轴刻度import numpy as npimport matplotlib.pyplot as pltx np.linspace(-np.pi, np.pi, 100) # 在区间内生成21个等差数y np.sin(x)linear_y 0.2 * x 0.1plt.figure(figsize (8, 6)) # 自定义窗口的大小plt.plot(x, y)plt.plot(x, linear_y, color red, linestyle --) # 自定义颜色和表示方式plt.title(y sin(x) and y 0.2x 0.1) # 定义该曲线的标题plt.xlabel(x) # 定义横轴标签plt.ylabel(y) # 定义纵轴标签plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)# 重新设置x轴的刻度# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range np.linspace(-np.pi, np.pi, 5)x_value_strs [r$\pi$, r$-\frac{\pi}{2}$, r$0$, r$\frac{\pi}{2}$, r$\pi$]plt.xticks(x_value_range, x_value_strs)plt.show() # 显示图像定义原点在中心的坐标轴import numpy as npimport matplotlib.pyplot as pltx np.linspace(-np.pi, np.pi, 100)y np.sin(x)linear_y 0.2 * x 0.1plt.figure(figsize (8, 6)) plt.plot(x, y)plt.plot(x, linear_y, color red, linestyle --) plt.title(y sin(x) and y 0.2x 0.1)plt.xlabel(x) plt.ylabel(y) plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range np.linspace(-np.pi, np.pi, 5)x_value_strs [r$\pi$, r$-\frac{\pi}{2}$, r$0$, r$\frac{\pi}{2}$, r$\pi$]plt.xticks(x_value_range, x_value_strs)ax plt.gca() # 获取坐标轴ax.spines[right].set_color(none) # 隐藏上方和右方的坐标轴ax.spines[top].set_color(none)# 设置左方和下方坐标轴的位置ax.spines[bottom].set_position((data, 0)) # 将下方的坐标轴设置到y 0的位置ax.spines[left].set_position((data, 0)) # 将左方的坐标轴设置到 x 0 的位置plt.show() # 显示图像legend图例使用xticks()和yticks()函数替换轴标签分别为每个函数传入两列数值。第一个列表存储刻度的位置第二个列表存储刻度的标签。import numpy as npimport matplotlib.pyplot as pltx np.linspace(-np.pi, np.pi, 100)y np.sin(x)linear_y 0.2 * x 0.1plt.figure(figsize (8, 6)) # 为曲线加上标签plt.plot(x, y, label y sin(x))plt.plot(x, linear_y, color red, linestyle --, label y 0.2x 0.1) plt.title(y sin(x) and y 0.2x 0.1)plt.xlabel(x) plt.ylabel(y) plt.xlim(-np.pi, np.pi)plt.ylim(-1, 1)# plt.xticks(np.linspace(-np.pi, np.pi, 5))x_value_range np.linspace(-np.pi, np.pi, 5)x_value_strs [r$\pi$, r$-\frac{\pi}{2}$, r$0$, r$\frac{\pi}{2}$, r$\pi$]plt.xticks(x_value_range, x_value_strs)ax plt.gca() ax.spines[right].set_color(none)ax.spines[top].set_color(none)ax.spines[bottom].set_position((data, 0)) ax.spines[left].set_position((data, 0)) # 将曲线的信息标识出来plt.legend(loc lower right, fontsize 12)plt.show() legend方法中的loc 参数可选设置位置字符串位置编号位置表述‘best’0最佳位置‘upper right’1右上角‘upper left’2左上角‘lower left’3左下角‘lower right’4右下角‘right’5右侧‘center left’6左侧垂直居中‘center right’7右侧垂直居中‘lower center’8下方水平居中‘upper center’9上方水平居中‘center’10正中间   二、柱状图使用的方法plt.barimport numpy as npimport matplotlib.pyplot as pltplt.figure(figsize (16, 12))x np.array([1, 2, 3, 4, 5, 6, 7, 8])y np.array([3, 5, 7, 6, 2, 6, 10, 15])plt.plot(x, y, r, lw 5) # 指定线的颜色和宽度x np.array([1, 2, 3, 4, 5, 6, 7, 8])y np.array([13, 25, 17, 36, 21, 16, 10, 15])plt.bar(x, y, 0.2, alpha 1, colorb) # 生成柱状图指明图的宽度透明度和颜色plt.show()有的时候柱状图会出现在x轴的俩侧方便进行比较代码实现如下import numpy as npimport matplotlib.pyplot as pltplt.figure(figsize (16, 12))n 12x np.arange(n) # 按顺序生成从12以内的数字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)# 设置柱状图的颜色以及边界颜色#y表示在x轴的上方 -y表示在x轴的下方plt.bar(x, y1, facecolor #9999ff, edgecolor white)plt.bar(x, -y2, facecolor #ff9999, edgecolor white)plt.xlim(-0.5, n) # 设置x轴的范围plt.xticks(()) # 可以通过设置刻度为空消除刻度plt.ylim(-1.25, 1.25) # 设置y轴的范围plt.yticks(())# plt.text()在图像中写入文本设置位置设置文本ha设置水平方向对其方式va设置垂直方向对齐方式for x1, y in zip(x, y2): plt.text(x1, -y - 0.05, %.2f % y, ha center, va top)for x1, y in zip(x, y1): plt.text(x1, y 0.05, %.2f % y, ha center, va bottom)plt.show()   三、散点图import numpy as npimport matplotlib.pyplot as pltN 50x np.random.rand(N)y np.random.rand(N)colors np.random.rand(N)area np.pi * (15 * np.random.rand(N))**2plt.scatter(x, y, s area,c colors, alpha 0.8)plt.show()   四、等高线图import matplotlib.pyplot as pltimport numpy as npdef f(x, y): return (1 - x / 2 x ** 5 y ** 3) * np.exp(-x ** 2 - y ** 2)n 256x np.linspace(-3, 3, n)y np.linspace(-3, 3, n)X, Y np.meshgrid(x, y) # 生成网格坐标 将x轴与y轴正方形区域的点全部获取line_num 10 # 等高线的数量plt.figure(figsize (16, 12))#contour 生成等高线的函数#前俩个参数表示点的坐标第三个参数表示等成等高线的函数第四个参数表示生成多少个等高线C plt.contour(X, Y, f(X, Y), line_num, colors black, linewidths 0.5) # 设置颜色和线段的宽度plt.clabel(C, inline True, fontsize 12) # 得到每条等高线确切的值# 填充颜色, cmap 表示以什么方式填充hot表示填充热量的颜色plt.contourf(X, Y, f(X, Y), line_num, alpha 0.75, cmap plt.cm.hot)plt.show()   五、处理图片import matplotlib.pyplot as pltimport matplotlib.image as mpimg # 导入处理图片的库import matplotlib.cm as cm # 导入处理颜色的库colormapplt.figure(figsize (16, 12))img  mpimg.imread(image/fuli.jpg)# 读取图片print(img) # numpy数据print(img.shape) # plt.imshow(img, cmap hot)plt.colorbar() # 得到颜色多对应的数值plt.show()[[[ 11 23 63] [ 12 24 64] [ 1 13 55] ... [ 1 12 42] [ 1 12 42] [ 1 12 42]] [[ 19 31 71] [ 3 15 55] [ 0 10 52] ... [ 0 11 39] [ 0 11 39] [ 0 11 39]] [[ 22 34 74] [ 3 15 55] [ 7 19 61] ... [ 0 11 39] [ 0 11 39] [ 0 11 39]] ... [[ 84 125 217] [ 80 121 213] [ 78 118 214] ... [ 58 90 191] [ 54 86 187] [ 53 85 186]] [[ 84 124 220] [ 79 119 215] [ 78 117 218] ... [ 55 87 188] [ 55 87 188] [ 55 87 188]] [[ 83 121 220] [ 80 118 219] [ 83 120 224] ... [ 56 88 189] [ 58 90 191] [ 59 91 192]]](728, 516, 3)利用numpy矩阵得到图片import matplotlib.pyplot as pltimport matplotlib.cm as cm # 导入处理颜色的库colormapimport numpy as npsize 8# 得到一个8*8数值在(0, 1)之间的矩阵a np.linspace(0, 1, size ** 2).reshape(size, size)plt.figure(figsize (16, 12))plt.imshow(a)plt.show()   六、3D图import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D # 导入Axes3D对象fig plt.figure(figsize (16, 12))ax fig.add_subplot(111, projection 3d) # 得到3d图像x np.arange(-4, 4, 0.25)y np.arange(-4, 4, 0.25)X, Y np.meshgrid(x, y) # 生成网格Z np.sqrt(X ** 2 Y ** 2)# 画曲面图 # 行和列对应的跨度 # 设置颜色ax.plot_surface(X, Y, Z, rstride 1, cstride 1, cmap plt.get_cmap(rainbow))plt.show()以上是matplotlib基于测试数据的数据可视化结合实际项目中数据代码稍加修改即可有让人印象深刻的效果。-结束-? 长按识别即可关注免费送5本经典书已经送出200位《深度学习-花书》《Python基础教程3》《机器学习实战》等好文章请  在看