MATPLOTLIB简单学习记录

MATPLOTLIB学习资料

安装

---

1. 前置条件

Anaconda安装（开源Python发行版本）

Anaconda详细安装及使用教程（带图文）_代码帮的博客-优快云博客_anaconda

Anaconda创建属于自己的虚拟环境（RJW-study-01）

anaconda创建一个新的虚拟环境_准时准点睡觉的博客-优快云博客_anaconda创建虚拟环境

Matplotlib包安装

Matplotlib安装_永不秃头的菜鸡的博客-优快云博客

常用函数

---

1. Linspace函数

   Linespace(a, b, c)
   用于产生a, b之间的c点行矢量
   

2. Plot函数

   plot()方法一般是用来绘制线条的
   color：线条的颜色
   linewidth：线条宽度
   linestyle：线条样式 -- 虚线
   

3. Figure函数

   figsize(num=3, figsize=(10, 10))方法
   num：图的序号
   figsize：图的大小 长 宽
   

4. ticks函数

   1. ticks()函数
   配合xticks(x)函数实现对坐标轴上标记的重新划分
   2. ytick()函数用来分列等级
   eg: plt.yticks([-2, -1.8, -1, 1.22, 3], [r'$really\ bad$', r'$bad$', r'$normal$', r'$good\ \alpha$', r'$really\ good$'])
   
   r$..$: 转义字符，前后都有
   /: 空格
   /alpha：代表特殊字符
   

5. gca()返回当前ax对象的句柄值

   # 设置一个句柄值
   ax = plt.gca()
   # 坐标轴--脊柱 设置颜色
   ax.spines['right'].set_color('none')
   ax.spines['top'].set_color('none')
   # 坐标轴 设置位置
   ax.xaxis.set_ticks_position('bottom')
   ax.yaxis.set_ticks_position('left')
   # 设置位置
   # 设置该轴的固定点-- -1
   ax.spines['bottom'].set_position(('data', 0))
   # 设置该轴的固定点-- 0
   ax.spines['left'].set_position(('data', 0))
   

6. 图例的设置

   # l1,是想要传值的特殊形式
   l1, = plt.plot(x, y2, label='up')
   l2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='down')
   
   # 即是图例设置图例的别名，位置类型选择为最佳
   plt.legend(handles=[l1,l2,], labels=['aaa', 'bbb'], loc='best')
   

图像

---

1. Image图像展示

   # 一个图像
   a = np.array([
       0.31, 0.37, 0.42,
       0.37, 0.44, 0.53,
       0.42, 0.53, 0.65
   ]).reshape(3, 3)
   
   # 以nearest格式展示 origin-反转颜色位置
   plt.imshow(a, interpolation='nearest', cmap='bone', origin='upper')
   
   # 颜色条展示 颜色条压缩
   plt.colorbar(shrink=0.9)
   
   # 获取或设置当前x轴刻度位置和标签。若不传递任何参数，则返回当前刻度值
   plt.xticks(())
   plt.yticks(())
   

3D模型构建

---

1. 3D模型构建过程

   # 设置一个图像
   fig = plt.figure()
   # 设置3D
   ax = Axes3D(fig)
   # 两个参数，步长为0.25，输出[-4，-3.75 ...]
   X = np.arange(-4, 4, 0.25)
   Y = np.arange(-4, 4, 0.25)
   # 生成网格采样点，等高线图的对象为矩阵，因此需要将向量转化为矩阵。
   X, Y = np.meshgrid(X, Y)
   R = np.sqrt(X**2 + Y**2)
   # 正弦函数
   Z = np.sin(R)
   # rstride、cstride设置表面间隔稀疏程度
   ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
   # contourf(Z) 创建一个包含矩阵 Z 的等值线的填充等高线图，其中 Z 包含 x-y 平面上的高度值。
   # zdir为‘z’，含义是向z轴压缩
   # offset 压缩目标坐标值
   ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap='rainbow')
   # 设置z轴的范围
   ax.set_zlim(-2, 2)
   plt.show()
   

多个图像排列

---

1. 多个图像排列规则

   # 分割显示
   # 2：2行
   # 3：3列
   # 4：顺时针第4个位置
   plt.subplot(234)
   # 坐标轴范围
   plt.plot([0, 1], [0, 2])