python学习之matplot

发布时间:2019-09-01 09:51:22编辑:auto阅读(4640)

    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    from mpl_toolkits.mplot3d import Axes3D
    import matplotlib.gridspec as gridspec
    from matplotlib import animation

    #Matplot的基本应用

    x = np.linspace(-1,1,50)#定义x的数据范围

    y1 = 2*x + 1#定义y的数据范围

    y2 = x**2

    plt.figure()#定义一个图像窗口

    plt.plot(x,y1)#plt花出曲线

    plt.plot(x,y2)

    plt.show()#显示图像

    #4.1figure图像

    x = np.linspace(-3,3,50)#50为生成的样本数

    y1 = 2*x+1

    y2 = x**2

    plt.figure(num=1,figsize=(8,5))#定义编号为1 大小为(8,5)

    plt.plot(x,y1,color = 'red',linewidth= 2, linestyle = '--' )#定义颜色,线宽,先算形状

    plt.plot(x,y2,color = 'blue')

    plt.show()

    #4.2 设置坐标轴

    x = np.linspace(-3,3,50)#50为生成的样本数

    y1 = 2*x+1

    y2 = x**2

    plt.figure(num=1,figsize=(8,5))#定义编号为1 大小为(8,5)

    plt.plot(x,y1,color = 'red',linewidth= 2, linestyle = '--' )#定义颜色,线宽,先算形状

    plt.plot(x,y2,color = 'blue')

    plt.xlim(-1,2)

    plt.ylim(-2,3)

    plt.xlabel('x')

    plt.ylabel('y')

    plt.show()

    #自定义坐标轴

    x = np.linspace(-3,3,50)#50为生成的样本数

    y1 = 2*x+1

    y2 = x**2

    plt.figure(num=1,figsize=(8,5))#定义编号为1 大小为(8,5)

    plt.plot(x,y1,color = 'red',linewidth= 2, linestyle = '--' )#定义颜色,线宽,先算形状

    plt.plot(x,y2,color = 'blue')

    plt.xlim(-1,2)

    plt.ylim(-2,3)

    plt.xlabel('x')

    plt.ylabel('y')

    new_ticks = np.linspace(-1,2,5)#小标从1到2分为5个单位

    print(new_ticks)

    plt.xticks(new_ticks)#进行替换新下标

    plt.yticks([-2,-1,1,2],[r'$reallybad$','$bad$','$well$','$reallywell$'])

    plt.show()

    #设置边框属性

    x = np.linspace(-3,3,50)

    y1 = 2*x+1

    y2 = x**2

    plt.figure(num=2,figsize=(8,5))

    plt.plot(x,y1,color='red',linewidth = 2,linestyle = '--')

    plt.plot(x,y2)

    plt.xlim(-1,2)

    plt.ylim(-2,3)

    new_ticks = np.linspace(-1,2,5)#小标从-1到2分为5各个单位

    plt.xticks(new_ticks)

    plt.yticks([-2,-1,1,2],[r'$1$','$2$','$3$','$4$'])

    ax = plt.gca()#gca = get current axis

    ax.spines['right'].set_color('none')#边框属性设置为none 不显示

    ax.spines['top'].set_color('none')

    plt.show()

    #调整移动坐标
    #

    x = np.linspace(-3,3,50)

    y1 = 2*x+1

    y2 = x**2

    plt.figure(num=2,figsize=(8,5))

    plt.plot(x,y1,color='red',linewidth = 2,linestyle = '--')

    plt.plot(x,y2)

    plt.xlim(-1,2)

    plt.ylim(-2,3)

    new_ticks = np.linspace(-1,2,5)#小标从-1到2分为5各个单位

    plt.xticks(new_ticks)

    plt.yticks([-2,-1,1,2],[r'$1$','$2$','$3$','$4$'])

    ax = plt.gca()#gca = get current axis

    ax.spines['right'].set_color('none')#边框属性设置为none 不显示

    ax.spines['top'].set_color('none')

    ax.xaxis.set_ticks_position('bottom')#使用此函数设置x坐标刻度数字或名称的位置

    ax.spines['bottom'].set_position(('data',0))

    ax.yaxis.set_ticks_position('left')

    ax.spines['left'].set_position(('data',0))#坐标中心设置在(0,0)

    plt.show()

    #添加图例
    #

    x = np.linspace(-3,3,50)

    y1 = 2*x+1

    y2 = x**2

    plt.figure(num=2,figsize=(8,5))

    plt.xlim(-1,2)

    plt.ylim(-2,3)

    new_ticks = np.linspace(-1,2,5)#小标从-1到2分为5各个单位

    plt.xticks(new_ticks)

    plt.yticks([-2,-1,1,2],[r'$1$','$2$','$3$','$4$'])

    l1 = plt.plot(x,y1,color = 'red',label = 'linear line')

    l2 = plt.plot(x,y2,label = 'square line')

    plt.legend(loc = 'best')

    plt.show()

    #添加标注

    x = np.linspace(-3,3,50)

    y = 2*x + 1

    plt.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')

    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))

    #

    x0 = 1

    y0 = 2*x0+1

    plt.scatter(x0,y0,s=1000,color='b')

    plt.plot([x0,x0],[y0,0],'k--',lw = 2.5)#连接该两点,k表示黑色,lw=2.5表示线粗细

    plt.annotate(r'$2x0+1=%s$'%y0,xy=(x0,y0),xycoords ='data' ,xytext = (+30,-30),textcoords = 'offset points',fontsize = 16,arrowprops = dict(arrowstyle='->',connectionstyle = 'arc3,rad =.3'))

    xycoords ='data' 是基于数据的值来选择位置;xytext = (+30,-30)和textcoord = 'offset points'对于标注位置描述和xy偏差值,arrowprops对于图中间头类型设置

    plt.text(-3.7,3,r'$This\ is\ the\ some\ text. \mu\ \sigma_i\alpha_t$',fontdict={'size': 16,'color':'r'})

    -3.7,3设置文字位置;fontdict设置文字的字体

    plt.show()

    #4,5 能见度调整

    x = np.linspace(-3,3,50)

    y = 0.1*x

    plt.figure()

    plt.plot(x,y,linewidth = 10,zorder = 1)

    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))

    label.set_fontsize(12)重新调整字体大小 bbox设置目的内容的透明度相关参数 edgecolor设置边框

    alpha设置透明度 zoeder设置图层顺序

    #

    for label in ax.get_xticklabels() + ax.get_yticklabels():

    label.set_fontsize(12)

    label.set_bbox(dict(facecolor='red',edgecolor = 'None',alpha = 0.7,zorder=2))

    #

    plt.show()

    #5.画图种类
    #5.1Scatter散点图

    n = 1024

    x = np.random.normal(0,1,n)#每一个点的x值

    y = np.random.normal(0,1,n)#每一个点的y值

    T = np.arctan2(y,x)#返回给定的xy值的反正切值

    plt.scatter(x,y,s =75,c=T,alpha= 0.5)#size为75,颜色为T,透明度为50%,利用xticks函数来隐藏坐标轴

    plt.xlim(-1.5,1.5)

    plt.xticks(())#忽略xticks

    plt.ylim(-1.5,1.5)

    plt.ylim(-1.5,1.5)

    plt.show()

    #numpy.random.normal(loc=0.0, scale=1.0, size=None)
    #loc均值 scale方差 size 输出值的个数

    #条形图
    #基本图形

    n = 12

    x = np.arange(n)

    y1 = (1-x/float(n))*np.random.uniform(0.5,1,n)#均匀分布

    y2 = (1-x/float(n))*np.random.uniform(0.5,1,n)

    plt.bar(x,+y1,facecolor = '#9999ff',edgecolor = 'white')

    plt.bar(x,-y2,facecolor = '#ff9999',edgecolor = 'white')

    #

    标记值

    for x,y in zip(x,y1): #打包两个元组的值

    plt.text(x+0.2,y+0.2,'%.2f'%y,ha = 'center',va='bottom')

    ha表示横向对其,bottom表示向下对其

    x = np.arange(n)#好舒服啊

    for x,y in zip(x,y2):

    plt.text(x+0.2,-y-0.2,'%.2f'%y,ha='center',va='top')

    #

    plt.xlim(-0.5,n)

    plt.ylim(-1.25,1.25)

    plt.show()

    #5.3等高线图

    n = 256

    x = np.linspace(-3,3,n)

    y = np.linspace(-3,3,n)

    x,y = np.meshgrid(x,y)#坐标向量返回坐标矩阵

    def f(x,y):

    return (1 - x / 2 + x 5 + y3)*np.exp(-x2 - y 2)

    plt.contourf(x,y,f(x,y),8,alpha = 0.75,cmap = plt.cm.hot)

    8标示等高线成分 alpha表示透明度 cmap表示color map

    使用contour函数进行等高线绘制 参数依次为x,y,f(x,y),颜色选择黑色,线条宽度为0.5

    c = plt.contour(x,y,f(x,y),8,colors = 'black',linewidth = 0.5)

    plt.clabel添加等高值 inline控制是否将label画在线里,字体大小为10

    plt.clabel(c,inline = True,fontsize = 10)

    plt.show()

    #5.4 Image图片

    a = np.array(np.linspace(0,1,9)).reshape(3,3)

    print(a)

    plt.imshow(a,interpolation = 'nearest',cmap = 'bone',origin = 'lower')

    origin代表选择原点位置

    plt.colorbar(shrink = .92) #shrink将图片长度变为原来的92%

    plt.show()

    #5.5 3D图像

    fig = plt.figure()#定义图像窗口

    ax = Axes3D(fig)#在窗口上添加3D坐标

    将xy值编织成栅格

    x = np.arange(-4,4,0.25)

    y = np.arange(-4,4,0.25)

    #
    #

    x,y = np.meshgrid(x,y)

    #

    r = np.sqrt(x2+y2)

    z = np.sin(r)#高度值

    将colormap rain bow填充颜色,之后将三维图像投影到xy平面做等高线图,其中rstride和cstride表示row和column的宽度

    ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))

    添加xy平面等高线 投影到z平面

    ax.contourf(x,y,z,zdir='z',offset=-2,cmap = plt.get_cmap('rainbow'))#把图像进行投影的图形 offset表示比0底两个位置

    ax.set_zlim(-2,2)

    plt.show()

    #多图合并显示
    #6.1 Subplot多合一显示
    #6.1 subplot多合一显示
    #均匀图中图

    plt.figure()

    plt.subplot(2,2,1)#表示整个图像分割成2行两列,当前位置为1

    plt.plot([0,1],[0,1])

    plt.subplot(2,2,2)

    plt.plot([0,1],[0,2])

    plt.subplot(2,2,3)

    plt.plot([0,1],[0,3])

    plt.subplot(2,2,4)

    plt.plot([0,1],[0,4])

    plt.show()

    不均匀图中图

    plt.figure()

    plt.subplot(2,1,1)#表示整个图像分割成2行两列,当前位置为1

    plt.plot([0,1],[0,1])

    plt.subplot(2,3,4)

    plt.plot([0,1],[0,2])

    plt.subplot(2,3,5)

    plt.plot([0,1],[0,3])

    plt.subplot(2,3,6)

    plt.plot([0,1],[0,4])

    plt.show()

    #6.2 subplot分格显示

    plt.figure()

    使用plt.subplot2grid创建第一个小图,(3,3)表示将整个图像分割成3行3列,(0,0)表示从第0行0列开始作图

    colspan表示列的跨度为3.colspan和rowspan缺省时默认跨度为1

    ax1 = plt.subplot2grid((3,3),(0,0),colspan=3)

    ax1.plot([1,2],[1,2])

    ax1.set_title('ax1_title')

    将图像分割成3行3列,从第一行0列开始做图,列的跨度为2

    ax2 = plt.subplot2grid((3,3),(1,0),colspan=2)

    ax3 = plt.subplot2grid((3,3),(1,2),rowspan=2)

    ax4 = plt.subplot2grid((3,3),(2,0))

    ax4.scatter([1,2],[2,2])

    ax4.set_xlabel('ax4_x')

    ax4.set_ylabel('ax4_y')

    ax5 = plt.subplot2grid((3,3),(2,1))

    plt.show()

    plt.figure()

    gs = gridspec.GridSpec(3,3)

    ax6 = plt.subplot(gs[0,:])#gs[0:1]表示占第0行和所有列

    ax7 = plt.subplot(gs[1,:2])#第一行和之前的所有

    ax10 = plt.subplot(gs[1:,2])

    ax8 = plt.subplot(gs[-1,0])

    ax9 = plt.subplot(gs[-1,-2])

    plt.show()

    #图中图

    fig = plt.figure()

    创建数据

    x = [1,2,3,4,5,6,7]

    y = [1,3,4,2,5,8,6]

    绘制大图:假设大图的1大小为10,那么大图包含在由(1,1)开始,宽8高8的坐标系中

    left,bottom,width,height = 0.1,0.1,0.8,0.8

    ax1 = fig.add_axes([left,bottom,width,height]) #main axes

    ax1.plot(x,y,'r')#绘制大图,颜色为red

    ax1.set_xlabel('x')

    ax1.set_ylabel('y')

    ax1.set_title('title')

    绘制小图,注意坐标系位置和大小的改变

    ax2 = fig.add_axes([0.2,0.6,0.25,0.25])

    ax2.plot(x,y,'b')#颜色为blue

    ax2.set_xlabel('x')

    ax2.set_ylabel('y')

    ax2.set_title('= = = = = ')

    #

    ax3 = fig.add_axes([0.6,0.2,0.25,0.25])

    ax3.plot(x,y,'g')#颜色为blue

    ax3.set_xlabel('x')

    ax3.set_ylabel('y')

    ax3.set_title('++++++++')

    #6.4次坐标轴

    x = np.arange(0,10,0.1)

    y1 = 0.5*x**2

    y2 = -1*y1

    fig,ax1 = plt.subplots()

    #

    ax2 = ax1.twinx()#镜像显示

    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()

    #7动画

    fig,ax = plt.subplots()
    x = np.arange(0,2*np.pi,0.01)
    line = ax.plot(x,np.sin(x))
    #构造自定义动画函数animate,用来更新每一帧上x和y的坐标值,参数表示第i针
    def animate(i):
    line.set_ydata(np.sin(x+i/100))
    return line
    #构造开始帧init函数
    def init():
    line.set_ydata(np.sin(x))
    return line

    ani = animation.FuncAnimation(fig=fig,func = animate,frames=200,init_func=init,interval = 20 ,blit = False)
    plt.show()

关键字

上一篇: Python 36计

下一篇: H3C NQA联动配置实例