网站开发用原生,网站到底是域名需要备案还是空间,wordpress怎么做小程序,网站内页做友链Matplotlib库是Python中一个非常流行的绘图库#xff0c;它提供了大量的绘图工具#xff0c;可以生成各种类型的静态、动态、交互式的图表。Matplotlib的设计初衷是为了与NumPy配合使用#xff0c;从而提供一个强大的数学绘图工具。
1.Matplotlib的主要特点
丰富的图表类型…
Matplotlib库是Python中一个非常流行的绘图库它提供了大量的绘图工具可以生成各种类型的静态、动态、交互式的图表。Matplotlib的设计初衷是为了与NumPy配合使用从而提供一个强大的数学绘图工具。
1.Matplotlib的主要特点
丰富的图表类型支持绘制线图、柱状图、散点图、饼图、等高线图、热力图、雷达图、三位曲线和曲面等多种类型的图表。高度可定制性允许用户通过调整各种参数来自定义图表的外观包括线条样式、字体属性、轴属性、颜色、标签、图例等。与NumPy等库的无缝集成可以方便地使用NumPy等科学计算库的数据进行绘图。交互式绘图通过集成工具包如Tkinter可以创建交互式图表允许用户与图表进行交互。导出功能可以将图表保存为多种格式的图片或PDF文件方便分享和展示。
使用Matplotlib库进行绘图的基本步骤如下
导入Matplotlib库使用import matplotlib.pyplot as plt导入Matplotlib库。准备数据准备要绘制的数据可以是NumPy数组、列表或其他数据类型。创建图表使用Matplotlib提供的函数创建图表设置图表的类型、坐标轴范围等。添加数据到图表将准备好的数据添加到图表中设置数据点的样式、颜色等。定制图表外观通过调整参数来自定义图表的外观如添加标题、标签、图例等。显示或保存图表使用plt.show()显示图表或使用plt.savefig()将图表保存为文件。 下面是一个简单的Matplotlib绘图示例
import matplotlib.pyplot as plt
import numpy as np# 准备数据
x np.linspace(0, 10, 100)
y np.sin(x)# 创建图表
plt.figure()# 添加数据到图表
plt.plot(x, y)# 定制图表外观
plt.rcParams[font.sans-serif] [SimHei] # 设置默认字体为新创建的字体
plt.title(Sine 图)
plt.xlabel(x)
plt.ylabel(y)# 显示图表
plt.show() 注意Matplotlib画图显示中文时通常为乱码如果想在图形中显示中文字符、负号等则需要使用如下代码进行设置
plt.rcParams[font.sans-serif] SimHei # 设置默认字体为新创建的字体 plt.rcParams[axes.unicode_minus] False # 用于正常显示负号
或者等价地写为
rc(font,familySimHei)# 设置默认字体为新创建的字体
rc(axes,unicode_minusFalse)# 用于正常显示负号
2.二维绘图
2.1折线图 plot
matplotlib.pyplot 是 Matplotlib 库中的一个模块它提供了一套命令风格的函数接口用于控制 Matplotlib 的图形生成过程。通过 pyplot用户可以方便地创建各种类型的图表控制图表的各个部分如坐标轴、标题、图例等以及将图表保存到文件或显示在屏幕上。
matplotlib.pyplot 的常用函数包括
plot()绘制线图。scatter()绘制散点图。bar()绘制柱状图。hist()绘制直方图。pie()绘制饼图。xlabel() 和 ylabel()设置 x 轴和 y 轴的标签。title()设置图表的标题。legend()添加图例。grid()添加网格线。xlim() 和 ylim()设置 x 轴和 y 轴的范围。show()显示图表。savefig()将图表保存到文件。
以下是一个使用 matplotlib.pyplot 的简单示例
import matplotlib.pyplot as plt
import numpy as np# 创建数据
x np.linspace(0, 10, 100)
y np.sin(x)# 绘制线图
plt.plot(x, y, labelsin(x))# 设置图表标题和坐标轴标签
plt.title(Simple Plot of sin(x))
plt.xlabel(x)
plt.ylabel(y)# 添加图例
plt.legend()# 显示网格线
plt.grid(True)# 设置坐标轴范围
plt.xlim(0, 10)
plt.ylim(-1.5, 1.5)# 显示图表
plt.show() 2.2plot函数的调用格式
常用语法和参数含义如下
plot(x,y,s)
其中x为数据点的x坐标y为数据的的y坐标s为指定线条颜色、线条样式和数据点形状的字符串。
matplotlib.pyplot 中的 plot 函数是用于绘制线图的基本函数。它的调用格式非常灵活可以接受多种参数来定制图表的外观和行为。以下是一些常见的调用格式和参数说明
matplotlib.pyplot.plot(*args, **kwargs)
参数说明
必需参数*args
x, y表示数据点的 x 和 y 坐标。这些可以是列表、数组、标量或其他可迭代对象。如果 x 和 y 都是序列那么它们应该具有相同的长度。如果只有一个序列则 x 的值会被当作索引0 到 N-1。
可选参数**kwargs
format string格式字符串一个可选的格式字符串用于指定线条的样式、颜色和标记。例如r- 表示红色实线go 表示带有绿色圆圈的线。linewidth 或 lw线条宽度以点为单位。linestyle 或 ls线条样式如 -, --, -., :, ., ,, o, v, ^, , , 1, 2, 3, 4 等。color 或 c线条颜色。可以是预定义的颜色名称、RGB 元组或十六进制颜色代码。marker用于数据点的标记样式如 o, ., ,, s, p, D, d, |, _ 等。markersize 或 ms标记的大小。markerfacecolor 或 mfc标记的填充颜色。markeredgecolor 或 mec标记边缘的颜色。label图例的标签。alpha透明度0 表示完全透明1 表示完全不透明。xscale, yscale数据比例可以是 linear, log, symlog, logit 等。等等plot 函数支持许多其他可选参数用于控制线图的各个方面。
示例
以下是一些使用 plot 函数的示例
import matplotlib.pyplot as plt
import numpy as np # 创建一些示例数据
x np.linspace(0, 10, 100)
y np.sin(x) # 使用默认设置绘制线图
plt.plot(x, y)
plt.show() # 使用格式字符串定制线图
plt.plot(x, y, r--) # 红色虚线
plt.show() # 使用关键字参数定制线图
plt.plot(x, y, linewidth2, linestyle-, colorg, markero) # 绿色实线带有圆圈标记线宽为2
plt.show() 案例操作1
已知某店铺商品的销售量如下表所列。请画出商品销售趋势图。 date1钻石和铂金销售数据 月份1月2月3月4月5月6月钻石销量/个131027333045铂金销量/只1107262025
解
import pandas as pd
import pylab as plt
plt.rc(font,familySimHei) #用来正常显示中文标签
plt.rc(font,size16) #设置显示字体大小
apd.read_excel(data1.xlsx, headerNone)
ba.values #提取其中的数据
xb[0]; yb[1:]
plt.plot(x,y[0],-*b,label铂金)
plt.plot(x,y[1],--dr,label铂金)
plt.xlabel(月份)
plt.ylabel(每月销量)
plt.legend(locupper left)
plt.grid(); plt.show()关键代码注释
# 使用pandas的read_excel函数读取名为data1.xlsx的Excel文件headerNone表示不将第一行视为列名而是将其视为数据
apd.read_excel(data1.xlsx, headerNone)
# 从DataFrame对象a中提取数据并将其赋值给变量b此时b是一个二维的numpy数组 ba.values
# 将b数组的第一行赋值给变量x这通常表示x轴的数据点
xb[0]
# 将b数组的第二行到最后一行赋值给变量y这通常表示y轴的数据点这里y是一个二维数组 yb[1:]
# 使用matplotlib的plot函数绘制线图x为x轴数据y[0]为y轴的第一个数据集-*b表示线型为实线、数据点标记为星号、颜色为蓝色label铂金表示图例的标签为铂金
plt.plot(x,y[0],-*b,label铂金)
# 再次使用matplotlib的plot函数绘制线图但这次使用不同的线型和颜色表示不同的数据集。
plt.plot(x,y[1],--dr,label铂金)
# 设置x轴的标签为月份
plt.xlabel(月份)
# 设置y轴的标签为每月销量
plt.ylabel(每月销量)
# 显示图例并将其位置设置为左上角
plt.legend(locupper left)
# 显示网格线
plt.grid() 案例操作2
画出表date销售数据的柱状图。 import pandas as pd
import pylab as plt
plt.rc(font,familySimHei) #用来正常显示中文标签
plt.rc(font,size16) #设置显示字体大小
apd.read_excel(data2_52.xlsx,headerNone)
ba.T
b.plot(kindbar)
plt.legend([钻石, 铂金])
plt.xticks(range(6), b[0], rotation0); plt.show()关键注释
# 使用DataFrame的T属性对a进行转置即行变列列变行 b a.T # 使用DataFrame的plot方法绘制b的条形图kindbar表示绘制条形图 b.plot(kindbar) # 设置图例这里图例的内容是[钻石, 铂金]但注意由于前面没有对数据进行具体的分类这里设置图例可能会与实际数据不匹配 plt.legend([钻石, 铂金]) # 设置x轴的刻度标签range(6)表示设置6个刻度b[0]为x轴刻度标签的数据rotation0表示标签不旋转 plt.xticks(range(6), b[0], rotation0) 2.3子图 subplot
在Python中特别是在使用matplotlib库时我们可以创建子图subplots即将多个图表组合在同一个窗口中。这允许我们同时展示多个数据集方便比较和展示。
matplotlib.pyplot模块中的subplots函数是创建子图的主要工具。下面是一个简单的例子展示了如何创建和定制子图。
import matplotlib.pyplot as plt
import numpy as np
plt.rc(font,familySimHei) #用来正常显示中文标签
plt.rc(font,size16) #设置显示字体大小
plt.rcParams[axes.unicode_minus] False # 用于正常显示负号# 创建一些示例数据
x np.linspace(0, 10, 100)
y1 np.sin(x)
y2 np.cos(x)# 使用subplots函数创建子图参数(2, 1)表示创建2行1列的子图网格当前选中的是第1个子图
fig, axs plt.subplots(2, 1, figsize(6, 8))# 在第一个子图中绘制数据
axs[0].plot(x, y1)
axs[0].set_title(正弦函数)
axs[0].set_xlabel(x)
axs[0].set_ylabel(y)# 在第二个子图中绘制数据
axs[1].plot(x, y2)
axs[1].set_title(余弦函数)
axs[1].set_xlabel(x)
axs[1].set_ylabel(y)# 调整子图之间的间距
plt.tight_layout()# 显示图表
plt.show() 案例操作3
把一个窗口分成3个子窗口分别绘制如下3个子图
1一个柱状图
2一个饼图
3曲线ysin(10x)/x。
解
# 导入pylab模块并使用plt作为别名方便后续调用
import pylab as plt # 导入numpy模块并使用np作为别名方便后续调用
import numpy as np # 设置matplotlib的样式为默认样式
plt.style.use(default) # 生成一个包含6个随机整数的数组这些整数的范围是2到4包括2但不包括5
y1 np.random.randint(2, 5, 6) # 将y1数组中的每个元素除以y1数组所有元素的总和使其总和为1
y1 y1 / sum(y1) # 创建一个2x2的子图网格并选择第一个位置从1开始计数进行绘图
plt.subplot(2, 2, 1) # 定义一个包含6个水果名称的字符串列表
str [Apple, grape, peach, pear, banana, pineapple] # 绘制一个水平条形图其中str作为x轴标签y1作为条形的高度
plt.barh(str, y1) # 水平条形图 # 选择子图网格的第二个位置进行绘图
plt.subplot(222) # 这里的222是matplotlib的旧式子图索引方式等同于plt.subplot(2, 2, 2) # 绘制一个饼图其中y1作为饼图的各部分大小str作为各部分的标签
plt.pie(y1, labelsstr) # 饼图 # 选择子图网格的第三个位置进行绘图
plt.subplot(212) # 这意味着选择第2行第1列的位置因为212是子图网格的行、列和索引的组合 # 生成一个包含100个元素的数组x2这些元素从0.01线性增加到10
x2 np.linspace(0.01, 10, 100) # 计算y2数组其中每个元素是10*x2的正弦值除以x2的值
y2 np.sin(10*x2) / x2 # 绘制y2关于x2的曲线图
plt.plot(x2, y2) # 设置x轴的标签为$x$
plt.xlabel($x$) # 设置y轴的标签为$\mathrm{sin}(10x)/x$其中\mathrm{}用于设置字体样式
plt.ylabel($\\mathrm{sin}(10x)/x$) # 显示所有绘制的图形
plt.show() 3.三维绘图
3.1三维曲线
在Python中我们可以使用matplotlib库中的mplot3d工具包来绘制三维曲线。下面是一个简单的例子演示了如何绘制一个三维正弦曲线
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D# 创建一个新的图形
fig plt.figure()# 添加一个3D子图
ax fig.add_subplot(111, projection3d)# 创建x值范围
x np.linspace(-2 * np.pi, 2 * np.pi, 100)# 对于每一个x值计算对应的y和z值
y np.sin(x)
z np.cos(x)# 使用plot函数绘制三维曲线其中x, y, z是坐标点
ax.plot(x, y, z)# 设置x, y, z轴的标签
ax.set_xlabel(X Axis)
ax.set_ylabel(Y Axis)
ax.set_zlabel(Z Axis)# 设置标题
ax.set_title(3D Curve Plot)# 显示图形
plt.show() 案例操作1
画出三维曲线的图形。
解
import pylab as plt # 导入pylab库并使用plt作为别名
import numpy as np # 导入numpy库并使用np作为别名 # 创建一个3D坐标轴的图形
ax plt.axes(projection3d) # 设置三维图形模式返回一个3D坐标轴的实例并赋值给变量ax # 创建一个从-50到50的等差数列共1000个元素赋值给变量z
z np.linspace(-50, 50, 1000) # 根据z的值计算x和y的值
# x的值是z的平方乘以sin(z)的结果
x z**2 * np.sin(z)
# y的值是z的平方乘以cos(z)的结果
y z**2 * np.cos(z) # 使用plt.plot绘制三维曲线曲线的x坐标是xy坐标是yz坐标是z曲线颜色为黑色k
plt.plot(x, y, z, k) # 显示绘制的图形
plt.show() 案例操作2
画出三维曲面图。
解
import pylab as plt # 导入pylab库并使用plt作为别名pylab是matplotlib的一个模块提供了类似MATLAB的绘图接口
import numpy as np # 导入numpy库并使用np作为别名numpy是Python中用于数值计算的库 # 创建一个等差数列从-4到4包含100个元素赋值给变量x
x np.linspace(-4, 4, 100); # 使用numpy的meshgrid函数生成两个二维数组x和y它们分别表示x和y坐标的所有可能组合
# 这里x和y是形状相同的二维数组用于后续的三维绘图
x, y np.meshgrid(x, x) # 计算z的值根据x和y的组合用50乘以(xy)的正弦值生成一个与x和y形状相同的二维数组z
z 50 * np.sin(x y); # 创建一个3D坐标轴的图形返回一个3D坐标轴的实例并赋值给变量ax
ax plt.axes(projection3d) # 使用ax的plot_surface方法绘制三维曲面x和y是曲面的网格坐标z是曲面在z轴上的高度
# colory表示曲面的颜色为黄色
ax.plot_surface(x, y, z, colory) # 显示绘制的图形
plt.show() 案例操作3
画出三维表面图
解
import pylab as plt # 导入pylab库并使用plt作为别名。pylab是matplotlib的一个模块提供了类似于MATLAB的绘图接口。
import numpy as np # 导入numpy库并使用np作为别名。numpy是Python中用于数值计算的库。ax plt.axes(projection3d) # 创建一个3D坐标轴的图形并返回该坐标轴的实例赋值给变量ax。# 生成一维数组X范围从-6到6步长为0.25
X np.arange(-6, 6, 0.25)
# 生成一维数组Y范围从-6到6步长为0.25
Y np.arange(-6, 6, 0.25)# 使用np.meshgrid函数根据X和Y生成二维网格坐标数组
# X和Y现在是形状相同的二维数组包含了绘制三维曲面所需的网格点的x和y坐标
X, Y np.meshgrid(X, Y)# 计算Z的值这里Z是每个网格点上对应的高度根据X和Y的坐标计算得到
# 使用np.sin函数和欧几里得距离公式np.sqrt(X**2 Y**2)来计算Z的值
Z np.sin(np.sqrt(X ** 2 Y ** 2))# 使用ax的plot_surface方法绘制三维曲面
# X, Y是曲面的网格坐标Z是曲面在z轴上的高度
# cmapcoolwarm表示使用coolwarm颜色映射来显示曲面上的颜色变化
surf ax.plot_surface(X, Y, Z, cmapcoolwarm)# 添加颜色条来显示曲面上的颜色与Z值之间的对应关系
plt.colorbar(surf)# 显示绘制的图形
plt.show()
