python图像_python xscale-优快云博客

本文链接：https://blog.youkuaiyun.com/yxxx_5678/article/details/131091635

本文介绍了使用Python的matplotlib库进行基础绘图、解决文字显示问题、面向对象编程、添加子图、调整网格和轴线、以及数据预处理与可视化的方法，包括直方图、饼图、散点图和表格数据分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.pylab模块

颜色:b,g,r,c,m,y,k,w
符号: ^,v,<,>,s,+,x,D,d,1,2,3,4,h,H,p,l,_,-,- -,-.,.,，,o

2.简单绘图

解决matplotlib文字无法显示问题

（1）直接在https://us-logger1.oss-cn-beijing.aliyuncs.com/SimHei.ttf下载字体，进行汉化

（2）找到文件中matplotlib存放位置

（3）将下载字体放到matplotlib目录下

（4）修改matplotlibrc的内容

下面是加添加的文件名

（5）删除 matplotlib 缓冲

删除c:\ users\用户名\.matplotlib 文件夹

（6）重启Jupyter Notebook

补上plt.rcParams['font.sans-serif'] = ['SimHei']，如果不执行前面的操作，直接不上这句话，还是会有红色报错。

坐标轴有问题加这句话，配置也有加了

2023.6.13

1.使用面向对象思想画图

Figure类
matplotlib.figure模块包含Figure类，它是所有plot元素的顶级容器，通过从pyplot模块调用figure()函数来实例化Figure对象

ax.legend()
作用:为绘图图形添加了一个图例
原型:
legend()
legend(labels)
legend(handles，labels)

legend(handles，labels，loc)

ax.plot()
作用:这是轴类的基本方法，它将一个数组的值与另一个数组的值绘制为线或标记原型:
ax.plot(*args，scalex=True，scaley=True，data=None，**kwargs)

ax.plot([x]，y，[fmt]，*，data=None，**kwargs)

ax.plot([x]，y，[fmt]，[x2]，y2，[fmt2]，...,**kwargs)

2023.6.14

1.axes和figure对象的关系

2.画布上创建多个子图
subplot()
原型: plt.subplot(Nrows，ncols，index)

作用:返回给定网格位置的axes对象

说明:
1。在当前图中，该函数创建并返回一个Axes对象，在ncolsaxes的nrows网格的位置索引1.处。索引从1到nrows*ncols，以行主顺序递增。如果nrows，ncols和index都小于10。索引也可以作为单个，连接，三个数字给出
2.例如，subplot(2,3,3)和subplot(233)都在当前图形的右上角创建一个轴，占据图形高度的一半和图形宽度的三分之一
3.创建子图将删除任何与其重叠的预先存在的子图，而不是共享边界

plt.figure(figsize=(a,b))和plt.subplot()函数_Jennie_J的博客-优快云博客

subplots()
原型: plt.subplots(nrows，ncols)
作用:它充当实用程序包装器，并在单个调用中帮助创建子图的公共布局，包括封闭的图形对象。该函数返回一个图形对象和一个包含等于nrows* ncols的轴对象的元组，每个轴对象都可通过索引访问
参数:此函数的两个整数参数指定子图网格的行数和列数

subplot2grid()
特点:在网格的特定位置创建轴对象提供了更大的灵活性，还允许轴对象跨越多个行或列

通过在同一图形画布中添加另一个轴对象来在同一图中添加插入图

figure类的add_subplot()函数

2023.6.19

1.网格

axes对象的grid()函数将图中网格的可见性设置为True或False。还可以显示网格的主要/次要或两者刻度，还可以在grid()函数中设置color，linestyle和linewidth属性

2023.6.21

1.设置轴线

通过spines["轴线位置"].set_类型()，可调整轴线颜色（也可使其不出现=无色）、宽度

格式化轴
需求:有时候一个或几个点比大量数据大得多，在这种情况下，轴的比例需要设置为对数(log)而不是正常比例
原理:这种对数标度在Matplotlib中可以通过将axes对象的xscale或vscale属性设置为log,有时还需要在轴编号和轴标签之间显示一些额外的距离，任一轴(x或y或两者)的labelpad属性都可以设置为所需的值

设置限制

需求:将x轴上的限制格式化为(0到10)和y轴(0到10000)

设置刻度和刻度标签
刻度:是表示轴上数据点的标记。到目前为止，Matplotlib在我们之前的所有例子中都自动接管了轴上间隔点的任务。Matplotlib的默认刻度定位器和格式化器在很多常见情况下通常都足够了。也可以明确提及刻度线的位置和标签以满足特定要求

xticks()和yticks()
作用:将列表对象作为参数，列表中的元素表示将显示刻度的相应操作的位置
set_xlabels()和set_ylabels()
设置刻度线的标签

设置轴线类型
原型: axis("xxx”)
重用类型:tight off equal

2023•6.23

Jupyter会在页面显示有这张图

2.绘图

【1】条形图

条形图是一种图表或图形，它品示带有矩形条的分类数据，其高度或长度与它们所代表的值成比例。条形图显示了离散类别之间的比较，图表的一个轴显示要比较的特定类别，另一个轴表示测量值

当比较多个数量和更改一个变量时，可能需要一个条形图，其中有一个颜色的条形图用于一个数量值

x➕某个数，涉及平移，如果不加的话，条形会覆盖

垂直堆叠条形图
概念：堆积条形图堆叠表示彼此顶部的不同组的条形图，结果为条形图的高度显示组的组合结果
原理：pyplot.bar（）函数的可选bottom参数指定条的起始值。它不是从零运行到一个值，而是从底部到值。第一次调用pyplot.bar（）绘制蓝条。第二次调用pyplot.bar（）绘制红色条形图，蓝色条形图的底部位于红色条形图的顶部

水平组合条形图

水平堆叠条形图

2023.7.4

1.直方图

直方图是数值数据分布的精确表示。它是连续变量的概率分布的估计，它是一种条形图

2.饼图

饼图只能显示一系列数据

饼图在一个数据系列中显示项目的大小(称为楔形)，与项目的总和成比例

饼图中的数据点显示为整个饼图的百分比

3.散点图

散点图用于绘制水平轴和垂直轴上的数据点，以试图显示一个变量受另一个变量影响的程度

数据表中的每一行都由一个标记表示，该位置取决于其在X和Y轴上设置的列中的值

可以将第三个变量设置为对应于标记的颜色或大小，从而为该图添加另一个维度

4.箱型图

箱形图也称为须状图，显示包含最小值，第一四分位数，中位数，第三四分位数和最大值的一组数据的摘要

在方块图中，绘制从第一个四分位数到第三个四分位数的方框。垂直线穿过中间的框。须从每个四分位数到最小值或最大值

5.轮廓图

轮廓图(有时称为"水平图")是一种在二维平面上是示三维表面的方法

它绘制了y轴上的两个预测变量XY和轮廓的响应变量Z

这些轮廓有时称为z切片或等响应值

如果要查看Z如何随两个输入X和Y的变化而变化，则轮廓图是非常适用的，例如Z=f(X，Y)。两个变量函数的等值线或等值线是函数具有常数值的曲线

自变量x和y通常限于称为meshgrid的规则网格

numpy.meshgrid使用x值数组和y值数组创建一个矩形网格

6.图像内的文字、注释、箭头

注意:所有的方法会返回一个matplotlib.text.Text对象

Pillow模块处理图片

7.Matplotlib包中的图像模块

imread()

作用:用于读取float32 dtype的ndarray对象中的图像致据

翻转图像

模糊图像

切割图像

切割and颜色变换

2023.7.4

1.图像灰度化
灰度化:在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值 (又称强度值、亮度值)，灰度范围为0-255。一般常用的是加权平均法来获取每个像素点的灰度值
灰度化处理: 将彩色图像转化成为灰度图像的过程成为图像的灰度化处理
作用:减少的颜色的所引起的数据量的大幅增加，相当于减少了RGB的三个向量信息，从而减少了数据量，加快了运算速度

(1)加权平均法