27、MATLAB高级绘图指南

MATLAB高级绘图与可视化技巧

最新推荐文章于 2025-11-23 11:29:47 发布

a1b2c

最新推荐文章于 2025-11-23 11:29:47 发布

阅读量11

点赞数

CC 4.0 BY-SA版权

分类专栏： MATLAB入门实战指南文章标签： MATLAB 高级绘图颜色映射

本文链接：https://blog.youkuaiyun.com/a1b2c/article/details/155174277

MATLAB入门实战指南专栏收录该内容

31 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

MATLAB高级绘图指南

1. 颜色映射

MATLAB默认的配色方案并非唯一选择，你可以使用 colormap() 函数更改颜色。例如，输入 colormap('cool') 并回车，颜色会相应改变。你还可以通过多种技术创建自定义颜色映射，更多信息可查看 colormap() 文档。

2. 数据纵横比（daspect）

屏幕上3D效果的呈现取决于数据纵横比， daspect() 函数可用于获取当前纵横比并设置新的纵横比。纵横比衡量了x、y和z轴之间的相互关系，例如 [1, 2, 3] 的纵横比表示x轴每1个单位，y轴有2个单位，z轴有3个单位。以下是操作步骤：
1. 输入 YSource = [1, 3, 5; 3, 7, 9; 5, 7, 11]; 并回车，MATLAB会为你创建一个数据源。
2. 输入 Bar1 = bar3(YSource); 并回车，你会看到一个3D柱状图出现。
3. 输入 rotate(Bar1, [0, 0, 1], 270); 并回车，柱状图旋转，以便你更轻松地查看各个柱子。
4. 输入 daspect() 并回车，输出包含三个值，分别代表x、y和z轴的值，例如：

ans =
    0.3571    0.2679    2.1670

输入 daspect([.25, 1, 1.2]); 并回车，数据纵横比改变，柱子变得又高又细，各柱子之间的差异看起来更大，但数据和旋转角度并未改变，只是数据的呈现方式改变了。
输入 daspect([.65, .5, 7]); 并回车，此时数据点之间的差异看起来很小。
输入 daspect('auto') 并回车，数据纵横比恢复到原始状态。

3. 绘图框纵横比（pbaspect）

绘图框纵横比修改的是包含整个绘图的绘图框，而不是数据本身，但数据的外观仍会改变。以下是操作步骤：
1. 输入 YSource = [1, 3, 5; 3, 7, 9; 5, 7, 11]; 并回车，创建数据源。
2. 输入 Bar1 = bar3(YSource); 并回车，出现3D柱状图。
3. 输入 rotate(Bar1, [0, 0, 1], 270); 并回车，柱状图旋转以便查看。
4. 输入 pbaspect() 并回车，会得到三个值，代表x、y和z轴，但数值与数据纵横比不同，例如：

ans =
    2.8000    4.0000    2.4721

输入 pbaspect([1.5, 1.5, 7]); 并回车，数据点之间的差异看起来很大，绘图框和数据被锁定在一起，不用担心柱子超出绘图区域。
输入 pbaspect([4, 5, 1]); 并回车，数据点看起来更接近。
输入 pbaspect('auto'); 并回车，绘图纵横比恢复到原始状态。

4. 特殊绘图类型

4.1 误差条形图（errorbar()）

误差条形图展示了沿直线每个数据点的置信水平，通过查看偏差量，观察者可以判断数据的准确性。创建误差条形图的步骤如下：
1. 输入 YSource = [1, 2, 4, 7, 5, 3]; 并回车，这些值代表实际数据点。
2. 输入 ESource = [.5, 1, 1, 1.5, 1, .5]; 并回车，这些值代表每个数据点的误差量。
3. 输入 EBar1 = errorbar(YSource, ESource); 并回车，创建误差条形图。

4.2 帕累托图（pareto()）

帕累托图按出现频率降序显示度量关系，有助于确定解决问题的重点。创建帕累托图的步骤如下：
1. 输入 YSource = [1, 2, 4, 2, 6, 2, 3, 4, 1, 2]; 并回车，定义数据源。
2. 输入 Par1 = pareto(YSource); 并回车，创建帕累托图。

4.3 阶梯图（stairs()）

阶梯图常用于显示数字采样系统的时间历史，展示连续变化的结果和变化发生的精确时间间隔。创建阶梯图的步骤如下：
1. 输入 YSource = [1, 2, 4, 7, 5, 3]; 并回车，代表实际数据点。
2. 输入 XSource = datenum('9/15/2014'):1:datenum('9/20/2014'); 并回车，代表数据点收集的日期。
3. 输入 Stair1 = stairs(XSource, YSource); 并回车，开始绘制阶梯图。
4. 输入 set(gca, 'XTick', XSource); 并回车，使每个数据点对应一个日期，且日期间隔为一天。
5. 输入 datetick('x', 6, 'keeplimits', 'keepticks'); 并回车，绘图中显示包含月和日的实际日期字符串。

4.4 杆状图（stem()）

杆状图以x轴为起点显示数值在一定范围内的分布，每个数据点是从x轴到该点值的线段端点。创建杆状图的步骤如下：
1. 输入 YSource = [-10:1:10]; 并回车，定义数据源。
2. 输入 stem(YSource); 并回车，创建杆状图。
3. 输入 set(gca, 'YLim', [-11, 11]); 并回车，设置y轴范围以显示所有端点。

4.5 填充图像（fill）

使用MATLAB可以创建图像，只需提供描述图像形状的数学模型。以绘制正方形为例，步骤如下：
1. 输入 XSource = [1, 1, 5, 5]; 并回车。
2. 输入 YSource = [1, 5, 5, 1]; 并回车， XSource 和 YSource 包含正方形四个角的坐标。
3. 输入 fill(XSource, YSource, 'b'); 并回车，创建蓝色填充的正方形，但图像会占据整个绘图区域。
4. 输入 set(gca, 'XLim', [0, 6]); 并回车。
5. 输入 set(gca, 'YLim', [0, 6]); 并回车，使图像清晰地显示在绘图中心。

颜色选择对于绘图很重要，以下是 fill() 函数常见的颜色选择：
| RGB Value | Color Letter | Description |
| — | — | — |
| [1 1 0] | y | 黄色 |
| [1 0 1] | m | 品红色 |
| [0 1 1] | c | 青色 |
| [1 0 0] | r | 红色 |
| [0 1 0] | g | 绿色 |
| [0 0 1] | b | 蓝色 |
| [1 1 1] | w | 白色 |
| [0 0 0] | k | 黑色 |

4.6 箭头图（quiver()）

箭头图显示由u和v分量定义的速度向量，在x和y坐标点处的情况。创建箭头图的步骤如下：
1. 输入 XSource = [1, 1, 1, 1, 1, 1]; 并回车。
2. 输入 YSource = [1, 1, 1, 1, 1, 1]; 并回车，定义向量的起点。
3. 输入 USource = [1, 2, 3, 4, 5, 6]; 并回车。
4. 输入 VSource = [6, 5, 4, 3, 2, 1]; 并回车，定义速度向量在x - y平面的位置。
5. 输入 quiver(XSource, YSource, USource, VSource); 并回车，创建箭头图。

4.7 羽毛图（feather()）

羽毛图与箭头图类似，但向量沿x轴均匀分布。创建羽毛图的步骤如下：
1. 输入 USource = [-6:1:6]; 并回车，创建u。
2. 输入 VSource = [6:-1:-6]; 并回车，创建v。
3. 输入 feather(USource, VSource) 并回车，查看羽毛图。

4.8 罗盘图（compass()）

罗盘图提供与羽毛图和箭头图类似的视图，但所有值从一个起点发出，输出类似极坐标图。创建罗盘图的步骤如下：
1. 输入 USource = [1, -4, 3, -7, 8, -9, 2, 4, -2, 3, -5, 8, 9]; 并回车，创建u。
2. 输入 VSource = [12:-2:-12]; 并回车，创建v。
3. 输入 compass(USource, VSource) 并回车，查看罗盘图。

4.9 极坐标图（polar()）

极坐标图接受极坐标作为输入，并在笛卡尔平面上绘制。创建极坐标图的步骤如下：
1. 输入 theta = 0:0.01:2*pi; 并回车，创建theta。
2. 输入 rho = 1 - theta; 并回车，创建rho。
3. 输入 polar(theta, rho) 并回车，显示极坐标图。

4.10 玫瑰图（rose()）

玫瑰图显示以弧度表示的角度分布，输出是依赖于极坐标图的角度直方图。创建玫瑰图的步骤如下：
1. 输入 theta = 0:0.01:2*pi; 并回车，创建theta。
2. 输入 rose(theta, 36) 并回车，显示玫瑰图。

4.11 稀疏模式图（spy()）

稀疏模式图接受稀疏矩阵作为输入，分析其模式并显示。使用 bucky() 函数创建稀疏矩阵进行分析的步骤如下：
输入 spy(bucky()); 并回车，查看稀疏矩阵的模式图。

5. 动画

动画可以展示数据随时间的变化，但使用不当会影响数据展示。MATLAB提供了三种动画类型：
- 静态图像回放 ：最古老和常见的动画形式，通过快速连续播放一系列静态图像创建连续信息的错觉。适用于复杂绘图展示，屏幕更新快，动画流畅，但不动态，无法在展示过程中更新数据。
- 对象更新 ：通过修改对象属性创建动画，可调整数据值、配色方案等。灵活性高，对外部资源依赖少且速度快，但需要编写大量代码，信息比静态图像回放动态，但比数据更新静态。
- 数据更新 ：将绘图对象直接连接到数据源，数据源变化时绘图也随之变化。最动态，常用于模拟实时数据，但对数据展示的控制不如对象更新，通常需要外部数据源，展示过程中可能出现连接问题。

graph LR
    A[动画类型] --> B[静态图像回放]
    A --> C[对象更新]
    A --> D[数据更新]
    B --> B1[适用于复杂绘图]
    B --> B2[屏幕更新快]
    B --> B3[不动态]
    C --> C1[灵活性高]
    C --> C2[需大量代码]
    D --> D1[最动态]
    D --> D2[需外部数据源]

6. 总结与应用建议

6.1 绘图类型总结

6.2 纵横比调整总结

6.3 应用建议

绘图类型选择 ：在选择绘图类型时，应根据数据的特点和分析目的来决定。如果需要展示数据的置信水平，可选择误差条形图；如果要确定解决问题的重点，帕累托图是不错的选择；对于数字采样系统的时间历史展示，阶梯图更为合适。
纵横比调整 ：当需要强调数据之间的差异或使图形更符合特定的展示需求时，可以调整数据纵横比或绘图框纵横比。但要注意，调整纵横比只是改变了数据的呈现方式，数据本身并未改变。
动画应用 ：在使用动画时，要确保动画服务于数据展示，而不是成为展示的焦点。根据具体需求选择合适的动画类型，如复杂绘图展示可选择静态图像回放，需要灵活调整对象属性可选择对象更新，模拟实时数据则选择数据更新。

7. 实际案例分析

7.1 数据误差分析案例

假设我们正在进行一项实验，收集了一系列数据，但对这些数据的准确性存在一定的疑问。我们可以使用误差条形图来分析数据的可靠性。

% 实际数据点
YSource = [1.2, 2.5, 4.1, 7.3, 5.2, 3.4];
% 误差量
ESource = [0.6, 1.1, 1.2, 1.6, 1.3, 0.7];
% 创建误差条形图
EBar1 = errorbar(YSource, ESource);

通过观察误差条形图，我们可以看到每个数据点的误差范围。如果某个数据点的误差范围较大，说明该数据的准确性较低，可能需要进一步收集数据或改进测量方法。

7.2 问题重点确定案例

在一个项目中，我们收集了不同问题出现的次数，希望确定哪些问题是需要重点解决的。可以使用帕累托图来进行分析。

% 数据源
YSource = [3, 7, 2, 5, 1, 4];
% 创建帕累托图
Par1 = pareto(YSource);

帕累托图会按出现频率降序排列问题，我们可以根据图形快速确定哪些问题出现的频率较高，从而将资源集中在解决这些重点问题上。

7.3 实时数据展示案例

假设我们正在监测一个物理系统的实时数据，需要将数据的变化实时展示出来。可以使用数据更新类型的动画来实现。

% 创建一个简单的数据源
t = 0:0.1:10;
y = sin(t);
% 创建绘图对象
plot(t, y);
% 模拟实时数据更新
for i = 1:length(t)
    % 更新数据
    y_new = sin(t + i/10);
    % 更新绘图
    set(gca, 'YData', y_new);
    % 暂停一段时间以观察变化
    pause(0.1);
end

在这个案例中，我们将绘图对象连接到数据源，随着数据源的变化，绘图也会实时更新，从而展示出数据随时间的变化情况。

8. 常见问题与解决方法

8.1 绘图显示问题

问题描述 ：绘图时图形显示不完整或比例失调。
解决方法 ：可以通过调整数据纵横比（ daspect() ）或绘图框纵横比（ pbaspect() ）来解决。例如，如果图形在某个方向上显示过窄，可以适当调整该方向的纵横比。

% 调整数据纵横比
daspect([1, 2, 1]);
% 调整绘图框纵横比
pbaspect([1.5, 1.5, 1]);

8.2 动画卡顿问题

问题描述 ：使用动画时屏幕更新缓慢，动画卡顿。
解决方法 ：如果使用的是静态图像回放，检查图像的分辨率和帧率，尽量降低分辨率或提高帧率；如果使用的是对象更新或数据更新，检查代码是否存在性能瓶颈，优化代码逻辑，减少不必要的计算。

8.3 颜色选择问题

问题描述 ：绘图时颜色不符合预期或无法选择特定颜色。
解决方法 ：参考颜色选择表，使用正确的颜色代码或RGB值。例如，如果需要绘制蓝色图形，可以使用 'b' 或 [0 0 1] 。

% 使用颜色代码绘制蓝色图形
fill(XSource, YSource, 'b');
% 使用RGB值绘制棕色图形
fill(XSource, YSource, [0.5, 0.25, 0]);

9. 未来发展趋势

随着数据分析和可视化需求的不断增长，MATLAB绘图功能也在不断发展。未来可能会出现以下趋势：
- 更丰富的绘图类型 ：为了满足不同领域的需求，可能会引入更多新颖的绘图类型，如基于机器学习算法的可视化图形，用于展示复杂的数据模式和关系。
- 更强大的动画功能 ：动画将更加智能化和交互性，例如可以根据用户的操作实时调整动画效果，提供更直观的数据变化展示。
- 与其他工具的集成 ：MATLAB可能会更好地与其他数据分析和可视化工具集成，如Python的可视化库，方便用户在不同环境中进行数据处理和展示。

graph LR
    A[未来发展趋势] --> B[更丰富的绘图类型]
    A --> C[更强大的动画功能]
    A --> D[与其他工具的集成]
    B --> B1[机器学习可视化图形]
    C --> C1[智能化交互动画]
    D --> D1[与Python库集成]

通过掌握MATLAB的各种绘图功能和动画技术，我们可以更有效地展示和分析数据，为决策提供有力的支持。在实际应用中，要根据具体需求灵活运用这些功能，并不断探索和尝试新的方法，以获得更好的展示效果和分析结果。