matplotlib基本绘图参数

这里写图片描述

导入绘图包

import matplotlib.pyplot as plt
import numpy as np

使用from pylab import *一次导入matplotlib.pyplot和numpy也可以,但是不推荐,推荐像上面一样分别导入,以防导入中出现错误而难以检查。

生成模拟数据点

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
  • arange()类似于内置函数range(),通过指定开始值、终值和步长创建表示等差数列的一维数组,注意得到的结果数组不包含终值。
  • linspace()通过指定开始值、终值和元素个数创建表示等差数列的一维数组,可以通过endpoint参数指定是否包含终值,默认值为True,即包含终值。

绘图

# 创建一个 8 * 6 点(point)的图,并设置分辨率为 80
figure(figsize=(8,6), dpi=80)

# 创建一个新的 1 * 1 的子图,接下来的图样绘制在其中的第 1 块(也是唯一的一块)
subplot(1,1,1)

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

# 绘制余弦曲线,使用蓝色的、连续的、宽度为 1 (像素)的线条
plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# 绘制正弦曲线,使用绿色的、连续的、宽度为 1 (像素)的线条
plot(X, S, color="green", linewidth=1.0, linestyle="-")

# 设置横轴的上下限
xlim(-4.0,4.0)

# 设置横轴记号
xticks(np.linspace(-4,4,9,endpoint=True))

# 设置纵轴的上下限
ylim(-1.0,1.0)

# 设置纵轴记号
yticks(np.linspace(-1,1,5,endpoint=True))

# 以分辨率 72 来保存图片
# savefig("exercice_2.png",dpi=72)

# 在屏幕上显示
show()

这里写图片描述

绘图过程关键步骤

  • 1、要定义一个figure

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class 'matplotlib.figure.Figure'>,**kwargs)

figure(figsize=(8,6), dpi=80)

这里只指定了figure大小,分辨率dpi,还有下面的参数:
num:figure对象标记
facecolor:背景颜色
edgecolor:边框颜色

  • 2、用plotfigure上画点

    matplotlib.pyplot.plot(*args, **kwargs)

    plot传入序列数据,传入一个序列的时候,横轴显示的是序列里元素的索引,纵轴显示的是序列里的数字,传入两个序列的时候,取最短的那个序列长度,在横轴和纵轴上画点。有如下参数:
    线条属性:实线,虚线,点横线等等
    线条标记:点,正方形,星型
    这里写图片描述
    线条颜色:蓝,红,青,绿,黄,黑
    这里写图片描述

  • 3、设置横轴、纵轴上下限以及刻度
xlim(-4.0,4.0)
ylim(-1.0,1.0)#起始点和结束点
xticks(np.linspace(-4,4,9,endpoint=True))
yticks(np.linspace(-4,4,9,endpoint=True))#刻度,传入的参数是列表List,如果要显示字符,就传入两个列表,一个是刻度,一个是要显示在坐标轴上的字符。
  • 4、显示或者保存图片
savefig("exercice_2.png",dpi=72)
show()
### Matplotlib 基本绘图方法 MatplotlibPython 中一个强大的绘图库,支持多种类型的图表绘制。以下是关于其基本绘图方法的详细介绍: #### 导入必要的库 为了使用 Matplotlib 进行绘图,通常还需要导入其他辅助库如 NumPy 和 Pandas 来处理数据。 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt ``` #### 创建画布和子图 通过 `plt.subplots()` 函数可以创建一个新的画布以及可选的一个或多个子图区域。 ```python fig, ax = plt.subplots() ax.set_title('Basic Plot') # 设置标题 ``` #### 绘制简单的折线图 利用 `plot` 方法可以快速生成一条或多条折线图。 ```python x = np.linspace(0, 10, 100) y = np.sin(x) plt.plot(x, y, label='Sine Wave') plt.legend() # 添加图例 plt.xlabel('X-axis Label') # X 轴标签 plt.ylabel('Y-axis Label') # Y 轴标签 plt.title('A Simple Sine Curve') # 图形标题 plt.show() ``` #### 散点图示例 散点图可以通过指定 `'o'` 参数来实现。 ```python data_x = 10 * np.random.randn(100) data_y = 10 * np.random.randn(100) plt.figure(figsize=(6, 6)) plt.scatter(data_x, data_y, color="blue", alpha=0.5) # 使用 scatter 方法绘制散点图 plt.axhline(y=0, color='r', linestyle='-') # 可视化水平轴 plt.axvline(x=0, color='g', linestyle='-') # 可视化垂直轴 plt.grid(True) # 显示网格 plt.show() ``` #### 配置样式与颜色 Matplotlib 提供了灵活的颜色配置选项,可通过参数调整线条宽度、标记大小等属性[^2]。 ```python x_values = range(1, 6) squares = [value**2 for value in x_values] plt.plot(x_values, squares, linewidth=2, marker='o', markersize=8, label='Square Numbers', c='purple') plt.fill_between(x_values, squares, facecolor='yellow', alpha=0.3) # 填充曲线下的面积 plt.legend(loc='upper left') plt.show() ``` #### 自定义坐标轴范围 设置坐标轴的具体显示区间有助于聚焦于特定部分的数据展示[^4]。 ```python t = np.arange(0., 5., 0.2) plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') plt.axis([0, 5, 0, 80]) # 定义 x,y 的取值范围 plt.show() ``` ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值