Python中如何使用Matplotlib庫繪制圖形

89542767 發布于2022-12-15 15:59 / 465人閱讀

　　Python Matplotlib作為一種可視化的工具，可以利用其可視化的應用，去做到繪制圖形，比如可以利用其Matplotlib去進行繪制圖形，具體的操作方法要做到什么樣呢？下面就給大家詳細解答下。

　　前言

　　Matplotlib可能是Python 2D-繪圖領域使用最廣泛的套件。它能讓使用者很輕松地將數據圖形化，并且提供多樣化的輸出格式。這里將會探索使用matplotlib庫實現簡單的圖形繪制。

　　一、簡單的正弦函數與余弦函數

　　是取得正弦函數和余弦函數的值：

　　X是一個numpy數組，包含了從?π到+π等間隔的256個值。C和S則分別是這256個值對應的余弦和正弦函數值組成的numpy數組。

　　X=np.linspace(-np.pi,np.pi,256,endpoint=True)
　　C,S=np.cos(X),np.sin(X)

　　完整代碼如下

　　import numpy as np
　　import matplotlib.pyplot as plt
　　X=np.linspace(-np.pi,np.pi,256,endpoint=True)
　　C,S=np.cos(X),np.sin(X)
　　#繪制并顯示圖形
　　plt.plot(X,C)
　　plt.plot(X,S)
　　plt.show()

　二、進階版正弦函數與余弦函數

　　上面我們學習了簡單的正弦函數與余弦函數，接下來我們將精益求精，改變顏色與粗細，設置記號，調整邊框等。

　　1.改變顏色與粗細

　　我們以藍色和紅色分別表示余弦和正弦函數，而后將線條變粗一點。接下來，我們在水平方向拉伸一下整個圖。

　　代碼如下（示例）：

　　figure(figsize=(10,6),dpi=80)
　　plot(X,C,color="blue",linewidth=2.5,linestyle="-")
　　plot(X,S,color="red",linewidth=2.5,linestyle="-")

　　2.設置圖片邊界

　　代碼如下（示例）：

　　xmin,xmax=X.min(),X.max()
　　dx=(xmax-xmin)*0.2
　　xlim(xmin-dx,xmax+dx)

3.設置記號

　　我們討論正弦和余弦函數的時候，通常希望知道函數在±π和±π2的值。

　　xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi])
　　yticks([-1,0,+1])

　　4.設置記號的標簽

　　我們可以把3.142當做是π，但畢竟不夠精確。當我們設置記號的時候，我們可以同時設置記號的標簽。注意這里使用了LaTeX。

　　xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],
　　[r'$-pi$',r'$-pi/2$',r'$0$',r'$+pi/2$',r'$+pi$'])
　　yticks([-1,0,+1],
　　[r'$-1$',r'$0$',r'$+1$'])

　　5.設置X,Y軸

　　ax=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))

6.完整代碼

　　#導入matplotlib的所有內容（nympy可以用np這個名字來使用）
　　from pylab import*
　　#創建一個8*6點（point）的圖，并設置分辨率為80
　　figure(figsize=(8,6),dpi=80)
　　#創建一個新的1*1的子圖，接下來的圖樣繪制在其中的第1塊（也是唯一的一塊）
　　subplot(1,1,1)
　　X=np.linspace(-np.pi,np.pi,256,endpoint=True)
　　C,S=np.cos(X),np.sin(X)
　　#繪制余弦曲線，使用藍色的、連續的、寬度為1（像素）的線條
　　plot(X,C,color="blue",linewidth=1.0,linestyle="-")
　　#繪制正弦曲線，使用綠色的、連續的、寬度為1（像素）的線條
　　plot(X,S,color="green",linewidth=1.0,linestyle="-")
　　#設置橫軸的上下限
　　xlim(-4.0,4.0)
　　#設置橫軸記號
　　xticks(np.linspace(-4,4,9,endpoint=True))
　　#設置縱軸的上下限
　　ylim(-1.0,1.0)
　　#設置縱軸記號
　　yticks(np.linspace(-1,1,5,endpoint=True))
　　#以分辨率72來保存圖片
　　#savefig("exercice_2.png",dpi=72)
　　#設置顏色與粗細
　　figure(figsize=(10,6),dpi=80)
　　plot(X,C,color="blue",linewidth=2.5,linestyle="-")
　　plot(X,S,color="red",linewidth=2.5,linestyle="-")
　　#設置邊框
　　xmin,xmax=X.min(),X.max()
　　dx=(xmax-xmin)*0.2
　　xlim(xmin-dx,xmax+dx)
　　#設置記號
　　xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi])
　　yticks([-1,0,+1])
　　#設置記號的標簽
　　xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],
　　[r'$-pi$',r'$-pi/2$',r'$0$',r'$+pi/2$',r'$+pi$'])
　　yticks([-1,0,+1],
　　[r'$-1$',r'$0$',r'$+1$'])
　　#設置xy軸
　　ax=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))
　　#在屏幕上顯示
　　show()

　　最終效果

　　三、繪制簡單的折線圖

　　折線圖是一種將數據點按照順序連起來的圖形，可以體現變量y隨變量x的變化情況。Matplotlib提供了plot()函數繪制折線圖,其語法格式如下：

　　plt.plot(*args,**kwargs)

　　常用參數及說明如下：

　　x、y：分別表示x軸和y軸對應的數據，接收列表類型參數

　　color：表示折線的顏色

　　marker：表示折線上點的類型，有“.”、“o”、“v”等等類型

　　linestyle：表示折線的類型，默認為“-”，表示實線，設置為“--”表示長虛線，設置為“-.”表示點線，設置為“:”表示點虛線

　　linewidth：表示折線的粗細

　　alpha：表示點的透明度，接收0~1之間的小數

　　下面我們將以某地區周一到周日平均溫度變化折線圖為例，具體的學習了解折線圖的繪制。

　　import matplotlib.pyplot as plt
　　plt.figure(figsize=(10,8))
　　#周一到周日平均溫度數據
　　plt.plot([1,2,3,4,5,6,7],[12,11,11,13,12,10,10])
　　plt.show()

　　效果如下：

　　我們可以給圖表添加一些標簽和圖例，讓圖表更加清晰好看，具體方法如下：

　　plt.title()：指定當前圖表的標題，包括名稱、位置、顏色、字體大小等

　　plt.xlabel()：指定當前圖表x軸的名稱、位置、顏色、字體大小等

　　plt.ylabel()：指定當前圖表y軸的名稱、位置、顏色、字體大小等

　　plt.xlim()：指定當前圖表x軸的范圍

　　plt.ylim()：指定當前圖表y軸的范圍

　　plt.xticks()：指定當前圖表x軸刻度

　　plt.yticks()：指定當前圖表y軸刻度

　　import matplotlib.pyplot as plt
　　#設置支持中文
　　plt.rcParams['font.family']=['SimHei']
　　plt.figure(figsize=(10,8))
　　plt.plot([1,2,3,4,5,6,7],[12,11,11,13,12,10,10],linestyle="-",marker=".")
　　plt.xlabel("時間")
　　plt.ylabel("溫度")
　　plt.yticks([i for i in range(20)][::5])
　　plt.show()

　　效果如下：

　　總結

　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家帶來幫助。

云服務器 GPU云服務器 python 圖形庫圖形繪制 Android繪制圖形 html繪制圖形代碼

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/128432.html

快速入門 Matplotlib 繪圖庫

摘要：概述是使用開發的一個繪圖庫，是界進行數據可視化的首選庫。可以通過圖形示例來快速瀏覽所有支持的圖形。最后，調用把繪制好的圖形顯示出來。對應于三個參數，表示行，表示列，表示位置。因此，表示在圖表中總共有個圖形，當前新增的圖形添加到位置。 showImg(https://segmentfault.com/img/bV6EPD?w=542&h=130); 概述 Matplotlib 是使用 P...

Hujiawei 2019-07-31 11:06 評論0 收藏0
僅需10道題輕松掌握Matplotlib圖形處理 | Python技能樹征題

摘要：問題描述繪制函數上的點，請從以下選項中選出你認為正確的答案正確答案第題條形圖的繪制知識點描述繪制條形圖。僅需10道題輕松掌握Matplotlib圖形處理 | P...

YorkChen 2021-10-14 09:43 評論0 收藏0
Python中的十大圖像處理工具

摘要：之成為圖像處理任務的最佳選擇，是因為這一科學編程語言日益普及，并且其自身免費提供許多最先進的圖像處理工具。該庫包含基本的圖像處理功能，包括點操作使用一組內置卷積內核進行過濾以及顏色空間轉換。圖像處理系統有時被稱為圖像處理的瑞士軍刀。 showImg(https://segmentfault.com/img/remote/1460000019442221);編譯：張秋玥、小七、蔣寶尚本...

yuanxin 2019-07-31 10:32 評論0 收藏0
數學與Python有機結合及統計學、微積分、線性代數相關資源、圖形軟件

摘要：微積分微積分的課程我們也同樣是推薦和的課程。還有一個斯坦福大學的統計學習入門英文字幕相當不錯。所以，除了繪制數學圖形外，學習數學就應該完全與編程有機結合。無論是三大數學軟件Matlab（通信、控制等工程例外）、Maple、Mathematica，還是三大統計軟件Spass、Stata、SAS，這些可視化的軟件本身就是編程的一個體現，它們在一定程度上降低了我們使用數學的門檻，但另一方面...

Java3y 2019-07-31 10:25 評論0 收藏0
Python學習筆記：數據可視化(一)

摘要：當數據發生變化時，這種演變過程隨之發生。是一種統計報告圖，由一系列高度不等的縱向條紋或線段表示數據分布的情況。 showImg(https://segmentfault.com/img/bVbnkP1?w=751&h=558); python相關基礎概念數據:離散的，客觀事實的數字表示信息：處理后的數據，為實際問題提供答案　　- 為數據提供一種關系或一個關聯后，數據就成了信...

Crazy_Coder 2019-07-31 11:07 評論0 收藏0