一、绘制三角函数
1.1快速创建三角函数：
用到了Matplotlib和numpy模块，linspace在(-π，π)之间绘制。
代码： import matplotlib.pyplot as plt import numpy as np X = np.linspace(-np.pi,np.pi,256,endpoint = True) #np.linspace在(-π，π)之间分成256小段，并赋予X (C,S) = np.cos(X),np.sin(X) #C，S 分别是cosine/sine 的值（X，C，S都是numpy数组）） plt.plot(X,C) plt.plot(X,S) plt.show()1.2 重构（修改颜色和线宽）
plt.plot(X,C,'b-',lw=2.5) # b- 是'color=blue','linestyle= -'简写 plt.plot(X,S,'r-',lw=2.5) # r- 是'color=red',lw = linewidth1.3 重构（调整坐标）
plt.xlim(X.min()*1.5,X.max()*1.5) #将X，Y轴放大1.5倍 plt.ylim(C.min()*1.5,C.max()*1.5)1.4 重构（刻度修改）
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi]) plt.yticks([-1,0,1])1.5 重构（刻度修改为π）
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi], [r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$+\pi$']) plt.yticks([-1,0,1])1.6 把坐标轴放在中间
ax = plt.gca() #通过plt.gca()获取当前的Axes对象 ax ax.spines['right'].set_color('none') #先把右边和上边的边界设置为不可见 ax.spines['top'].set_color('none') ax.xaxis.set_ticks_position('bottom') #下边界移动到0点 ax.spines['bottom'].set_position(('data',0)) ax.yaxis.set_ticks_position('left') #左边界移动到0点 ax.spines['left'].set_position(('data',0))1.7 添加图例
plt.plot(X,C,'b-',lw=2.5,label='cosine') plt.plot(X,S,'r-',lw=2.5,label='sine') plt.legend(loc = 'upper left')1.8 添加特殊点注释
t=2*np.pi/3 plt.plot([t,t],[0,np.cos(t)],color='blue',linewidth=2.5,linestyle='--') #画出需要标注的蓝色的线 plt.scatter([t,],[np.cos(t),],50,color='blue') #画出需要标注的蓝色的点 plt.annotate(r'$\cos(\frac{2\pi}{3}) = -\frac{1}{2}$', #给蓝色的点添加注释 xy =(t,np.cos(t)), xycoords = 'data', xytext = (-90,-50), textcoords = 'offset points', fontsize = 16, arrowprops = dict(arrowstyle ='->', connectionstyle = 'arc3, rad = .2')) plt.plot([t,t],[0,np.sin(t)],color='red',linewidth=2.5,linestyle='--') #画出需要标注的红色的线 plt.scatter([t,],[np.sin(t),],50,color='red') #画出需要标注的红色的点 plt.annotate(r'$\sin(\frac{2\pi}{3}) = \frac{3}{2}$', #给红色的点添加注释 xy =(t,np.sin(t)), xycoords = 'data', xytext = (+10,+30), textcoords = 'offset points', fontsize = 16, arrowprops = dict(arrowstyle ='->', connectionstyle = 'arc3, rad = .2') )1.9 细节修改(设置X轴Y轴 坐标刻度标签字体细节)
for label in ax.get_xticklabels()+ax.get_yticklabels(): label.set_fontsize(18) label.set_bbox(dict(facecolor = 'w',edgecolor = 'None',alpha = 0.4))1.10 完整代码
import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 ▶ np.linspace 在 ( - π,π ) 之间分成 256 小段,并赋予 X X = np.linspace(-np.pi, np.pi, 256, endpoint=True) (C, S) = np.cos(X), np.sin(X) # C,S分别是 cosine/sine 的值（ X,C,S 都是 numpy 数 组）） plt.figure(figsize = ((8,6))) # 设置画布大小（可省略） ▶调整线宽和颜色 plt.plot(X,C,'b-',lw=2.5) # b - 是 'color=blue','linestyle= - ' 简写 plt.plot(X,S,'r-',lw=2.5) # r - 是 'color=red' ,lw = l inewidth ▶（调整坐标） plt.xlim(X.min()*1.5,X.max()*1.2) # 将 X,Y轴放大 1.2 倍 plt.ylim(C.min()*1.5,C.max()*1.2) ▶添加图例 plt.plot(X,C,'b-',lw=2.5,label='cosine') plt.plot(X,S,'r-',lw=2.5,label='sine') ▶（刻度修改） plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi], [r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$+\pi$']) #（刻度修改为π） plt.yticks([-1,0,1]) ▶把坐标轴放在中间 ax = plt.gca() # 通过 plt.gca() 获取当前的 Axes 对象 ax ax.spines['right'].set_color('none') # 先把右边和上边的边界设置为不可见 ax.spines['top'].set_color('none') ax.xaxis.set_ticks_position('bottom') # 下边界移动到 0 点 ax.spines['bottom'].set_position(('data', 0)) ax.yaxis.set_ticks_position('left') # 左边界移动到 0 点 ax.spines['left'].set_position(('data', 0)) ▶添加特殊点注释 t=2*np.pi/3 plt.plot([t,t],[0,np.cos(t)],color='blue',linewidth=2.5,linestyle='--') # 画出需要标注 的蓝色的线 plt.scatter([t,],[np.cos(t),],50,color='blue') # 画出需要标注的蓝色的点 plt.annotate(r'$\cos(\frac{2\pi}{3}) = -\frac{1}{2}$', # 给蓝色的点添加注释 xy =(t,np.cos(t)), # 标注点的位置 xycoords = 'data', xytext = (-90,-50), # 相对于标注点，文字的位置 textcoords = 'offset points', fontsize = 16, arrowprops = dict(arrowstyle ='->', connectionstyle = 'arc3, rad = .2') ) plt.plot([t,t],[0,np.sin(t)],color='red',linewidth=2.5,linestyle='--') # 画出需要标注的 红色的线 plt.scatter([t,],[np.sin(t),],50,color='red') # 画出需要标注的红色的点 plt.annotate(r'$\sin(\frac{2\pi}{3}) = \frac{3}{2}$', # 给红色的点添加注释 xy =(t,np.sin(t)),xycoords = 'data', xytext = (+10,+30), fontsize = 16, arrowprops = dict(arrowstyle ='->', connectionstyle = 'arc3, rad = .2') ) ▶细节修改 ( 设置 X 轴 Y 轴 坐标刻度标签字体细节 ) for label in ax.get_xticklabels() + ax.get_yticklabels(): label.set_fontsize(18) ''' set_bbox #为每个刻度设置边框 facecolor # 刻度的背景颜色 edgecolor # 边框颜色 alpha # 背景透明度 ''' label.set_bbox(dict(facecolor='w',edgecolor='None',alpha=0.4)) plt.legend(loc = 'upper left') # 图例位置 plt.show()效果图：
二、绘制条形图
2.1 绘制完整条形图：
# encoding:utf - 8 import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 fig = plt.figure(1,figsize=((8,6))) # 准备一张白纸 ,设置大小 ▶确定绘图的范围，设置绘图范围为1行1列,并输出到第 1 块画布（目前只有一块） ax1 = plt.subplot(111) ▶确定绘制条形图的参数 data = np.array([15,20,18,25]) # 准备输出的数据 width = 0.5 x_bar = np.arange(4) ▶核心图形绘制 ( 通过 plt.bar() 绘制条形图 ) rect = ax1.bar(x_bar,data,width = width,color = 'lightblue') ▶向各条形图上添加数据标签 for rec in rect: x = rec.get_x() height = rec.get_height() ax1.text(x+0.2,1.01*height,str(height)+'W') # X 轴 /Y 轴写文字位置 ▶绘制 X ， Y 轴坐标刻度及标签，标题 ax1.set_xticks(x_bar) # 设置 X 轴刻度 ax1.set_xticklabels(('第一季度','第二季度','第三季度','第四季度')) ax1.set_ylabel('销售量（单位：万）') ax1.set_title('2017 年季度销售量统计') ax1.grid(True) # 显示网格 ax1.set_ylim(0,28) # 增加留白 plt.show()
2.2 创建两块画板绘制图形
from matplotlib import pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 plt.figure(figsize=(6, 8), dpi=80) # 设定画板大小 plt.figure(1) # 创建第一个画板( figure ) plt.subplot(211) # 划分画板 2 行 1 列 两块区域,并获取第 1 块画板区域 plt.scatter([1, 2, 3],[0.12,0.42,0.62], # 绘图数据（散点图） marker = 'v', # 图形格式：倒三角 color = 'r', # 颜色：红色 s = 50) # 图形大小 plt.subplot(212) # 获取第 2 块画板区域 plt.plot([4, 5, 6]) # 画图 ----------------------------------------------------- plt.figure(2) # 创建第二个画板(figure) x = np.arange(4) y = np.array([23,34,65,78]) plt.plot(x,y) # 在当前画板(第2个画板)上绘图,默认子图,等价于:subplot(111) plt.title('第二块画板') # 做出当前画板 111 的标题 plt.figure(1) # 切换到画板 1 ,注意：当前 subplot(212) 仍然被调用中 plt.subplot(211) # 切换到第一块区域 subplot(211) plt.title('第一个画板(区域 1)') # 211 的标题 plt.subplot(212) # 切换到第一块区域 subplot(211) plt.title('第一个画板(区域 2)') # 211 的标题 plt.tight_layout() # 调整每个子图之间的距离 plt.show()
2.3导入csv文件可视化
import matplotlib.pyplot as plt import csv import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 x = [] y = [] with open('./matplotlib-demo.csv', 'r')as csvfile: plots = csv.reader(csvfile, delimiter=',') #print plots for row in plots: x.append(int(row[0])) y.append(int(row[1])) plt.plot(x, y, label='模拟数据') plt.xlabel('x') plt.ylabel('y') plt.title('演示从文件加载数据') plt.legend() plt.show()matplotlib-demo.csv文件数据展示： 1 5 2 3 3 4 4 7 5 4 6 3 7 5 8 7 9 4 10 4
2.4 从网络中加载数据并可视化
import urllib import json plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 # 利用 urllib.request 网络存取数据 # 通过 json.loads() # 将 json 中的字符串转换为 python 中的字典数据类型 url = 'https://api.douban.com/v2/book/1220562' source_code = urllib2.request.urlopen(url).read().decode() data = json.loads(source_code) # data 查看数据 x = [] y = [] # 通过 data['tags'] 获取该键所对应的值 # 注意： tags 得到的是列表，列表中的元素是字典 tags = data['tags'] for tag in tags: x.append(tag['name']) y.append(tag['count']) plt.bar(x, y, label=u'图书搜索热词') plt.legend() plt.xlabel('x 轴-搜索热词') plt.ylabel('y 轴-搜索热词排行') plt.show()# 其部分数据展示：data: #查看数据 {'rating': {'max': 10, 'numRaters': 373, 'average': '7.3', 'min': 0}, 'subtitle': '', 'author': ['[日] 片山恭一'], 'pubdate': '2005-1', 'tags': [{'count': 144, 'name': '片山恭一', 'title': '片山恭一'}, {'count': 70, 'name': '日本', 'title': '日本'}, {'count': 65, 'name': '日本文学', 'title': '日本文学'}, {'count': 40, 'name': '小说', 'title': '小说'}, {'count': 33, 'name': '满月之夜白鲸现', 'title': '满月之夜白鲸现'}, {'count': 17, 'name': '爱情', 'title': '爱情'}, {'count': 10, 'name': '純愛', 'title': '純愛'}, {'count': 9, 'name': '外国文学', 'title': '外国文学'}],
扫一扫
879
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
