网站与个人网站,免费wordpress中文主题下载地址,徐州IT兼职网站开发,ghost 博客wordpress目录 零、图形解析与工作流0.1 图形解析0.2 工作流 一、准备数据1.1 一维数据1.2 二维数据或图片 二、绘制图形2.1 画布2.2 坐标轴 三、绘图例程3.1 一维数据3.2 向量场3.3 数据分布3.4 二维数据或图片 四、自定义图形4.1 颜色、色条与色彩表4.2 标记4.3 线型4.4 文本与标注4.5… 目录 零、图形解析与工作流0.1 图形解析0.2 工作流 一、准备数据1.1 一维数据1.2 二维数据或图片 二、绘制图形2.1 画布2.2 坐标轴 三、绘图例程3.1 一维数据3.2 向量场3.3 数据分布3.4 二维数据或图片 四、自定义图形4.1 颜色、色条与色彩表4.2 标记4.3 线型4.4 文本与标注4.5 数学符号4.6 尺寸限制、图例和布局4.6.1 尺寸限制与自动调整4.6.2 图例4.6.3 标记4.6.4 子图间距4.6.5 坐标轴边线 五、保存5.1 保存画布5.2 保存透明画布 六、显示图形七、关闭与清除 Matplotlib 是 Python 的二维绘图库用于生成符合出版质量或跨平台交互环境的各类图形。 零、图形解析与工作流
0.1 图形解析 0.2 工作流 Matplotlib 绘图 的基本步骤一般为6步分别为1-准备数据2-创建图形3-绘图4-自定义设置 5-保存图形6-显示图形。 import matplotlib.pyplot as pltx [1,2,3,4]y [10,20,25,30]
# 步骤1fig plt.figure()
# 步骤2ax fig.add_subplot(111)
# 步骤3
ax.plot(x,y,colorlightblue,linewidth3)
# 步骤4、5ax.scatter([2,4,6], [5,15,25], colordarkgreen, marker^)ax.set_xlim(1, 6.5)plt.savefig(foo.png)plt.show()
# 步骤6下面对上述代码进行解释 步骤1 创建一个新的 Figure 对象。plt.figure() 返回一个新的空白绘图区域可以在其中添加图形元素。 步骤2 在 Figure 上添加一个子图。fig.add_subplot(111) 添加一个包含单个子图的 Axes 对象。这里的参数 (111) 表示**将整个绘图区域划分为 1 行 1 列的网格并选择第一个子图**。 步骤3 在子图上绘制线图。ax.plot(x, y, color‘lightblue’, linewidth3) 使用给定的 x 和 y 值绘制一条线指定线的 颜色为浅蓝色线宽为 3。 步骤4、5 在子图上添加散点图。ax.scatter([2,4,6], [5,15,25], color‘darkgreen’, marker‘^’) 在坐标 (2, 5)、(4, 15)、(6, 25) 处 添加三个散点颜色为深绿色形状为三角形。 步骤4、5 还调用了 ax.set_xlim() 方法设置 x 轴的显示范围为 1 到 6.5以适应数据和散点的显示。 步骤6 保存图形为图片文件。plt.savefig(‘foo.png’) 将当前图形保存为名为 “foo.png” 的图片文件。 最后一步 显示图形。plt.show() 将图形显示在弹出的窗口中。完成整个绘图过程后将图形保存为 “foo.png”同时在窗口中显示出来。 一、准备数据
1.1 一维数据 我们先 使用Numpy库生成一个长度为100的一维数组通过对其的操作来逐步熟悉Matplotlib。
# 导入 NumPy 库并将其命名为 npimport numpy as np
# 使用 np.linspace() 函数生成一个从 0 到 10包含的等间距数组数组长度为 100。生成一个长度为 100 的一维数组并将其赋值给变量 xx np.linspace(0, 10, 100)y np.cos(x) z np.sin(x)1.2 二维数据或图片 现在我们已经对Matplotlib有一定的了解了接下来让我们使用 NumPy 和 Matplotlib库 来生成一些数据和图像吧。 data 2 * np.random.random((10, 10))
# 生成一个形状为(10, 10)的随机数组其中的元素取值范围在0到2之间并将结果存储在变量data中data2 3 * np.random.random((10, 10))
# 创建一个形状为(10, 10)的随机数组元素的取值范围在0到3之间Y, X np.mgrid[-3:3:100j, -3:3:100j]
# 创建两个二维数组Y和X分别包含了从-3到3之间的100个等间隔的值U -1 - X**2 Y
# 计算一个与X和Y相关的二维数组UV 1 X - Y**2
# 计算另一个与X和Y相关的二维数组Vfrom matplotlib.cbook import get_sample_data
# 导入函数get_sample_data用于获取示例数据文件的路径img np.load(get_sample_data(axes_grid/bivariate_normal.npy))
# 加载一个示例数据文件存储二维数组img二、绘制图形 Matplotlib是一个用于绘制图表和可视化数据的Python库。通过 导入matplotlib.pyplot模块我们就可以使用其中的函数来创建和显示图表了。通常将其命名为plt以简化在代码中使用的输入量。 import matplotlib.pyplot as plt
# 导入了Matplotlib库并将其命名为plt2.1 画布 通过调用plt.figure()函数并 指定适当的参数我们可以创建不同大小的Figure对象以在其上绘制图表和图形。 fig plt.figure()
# 创建一个Figure对象并将其赋值给变量figfig2 plt.figure(figsizeplt.figaspect(2.0))
# 创建另一个Figure对象并将其赋值给变量fig22.2 坐标轴 图形是以 坐标轴为核心绘制的大多数情况下子图就可以满足需求。子图是栅格系统的坐标轴。 通过调用Figure对象的add_subplot()方法或使用subplots()函数我们可以 在Figure上创建多个子图或坐标轴并将其分配给不同的变量以便在每个子图上绘制不同的内容。 fig.add_axes()
# 调用Figure对象的add_axes()方法用来手动添加一个新的坐标轴到图形上ax1 fig.add_subplot(221) # row-col-num
# 使用add_subplot()方法在Figure对象上创建一个子图Axes对象
# 参数(221)表示将整个图形窗口划分为2行2列的子图网格并选择第一个子图作为当前的绘图区域ax1ax3 fig.add_subplot(212)
# 使用add_subplot()方法在Figure对象上创建另一个子图Axes对象
# 参数(212)表示将整个图形窗口划分为2行1列的子图网格并选择第二个子图作为当前的绘图区域ax3fig3, axes plt.subplots(nrows2,ncols2)
# 使用subplots()函数创建一个有多个子图的Figure对象fig3并将两个返回值分别赋值给fig3和axes
# 参数nrows和ncols分别指定了子图的行数和列数生成了一个2行2列的子图网格fig4, axes2 plt.subplots(ncols3)
# 使用subplots()函数创建另一个有多个子图的Figure对象fig4并将两个返回值分别赋值给fig4和axes2
# 参数ncols指定了子图的列数生成了一个1行3列的子图网格三、绘图例程
3.1 一维数据 我们也可以 使用Matplotlib库绘制不同类型的图形和图表。 fig, ax plt.subplots()
# 创建了一个Figure对象fig和一个Axes对象ax
# Figure对象代表整个图形窗口而Axes对象代表一个具体的绘图区域我们可以在其上绘制各种图形和图表lines ax.plot(x,y) # 用线或标记连接点
# 使用plot()函数在Axes对象上绘制了一条线通过连接给定的点(x, y)ax.scatter(x,y) # 缩放或着色未连接的点
# 使用scatter()函数在Axes对象上绘制散点图展示了未连接的点axes[0,0].bar([1,2,3],[3,4,5]) # 绘制等宽纵向矩形
# 在子图网格中的第一个子图axes[0, 0]上绘制了垂直的等宽条形图通过指定x轴和对应的高度值来创建矩形条axes[1,0].barh([0.5,1,2.5],[0,1,2]) # 绘制等高横向矩形
# 在子图网格中的第二个子图axes[1, 0]上绘制了水平的等高条形图通过指定y轴和对应的宽度值来创建矩形条axes[1,1].axhline(0.45) # 绘制与轴平行的横线
# 在子图网格中的第三个子图axes[1, 1]上绘制了与y轴平行的横线通过指定y轴的值来定义水平位置axes[0,1].axvline(0.65) # 绘制与轴垂直的竖线
# 在子图网格中的第四个子图axes[0, 1]上绘制了与x轴垂直的竖线通过指定x轴的值来定义垂直位置ax.fill(x,y,colorblue) # 绘制填充多边形
# 使用fill()函数在Axes对象上绘制了填充多边形通过连接给定的点(x, y)并填充指定的颜色ax.fill_between(x,y,coloryellow) # 填充y值和0之间
# 使用fill_between()函数在Axes对象上绘制了填充区域通过将y值和0之间的区域填充成指定的颜色3.2 向量场 接下来我们继续学习 使用Matplotlib库来添加箭头和绘制二维箭头图能很好地帮助我们可视化向量场和流线图。 axes[0,1].arrow(0,0,0.5,0.5) # 为坐标轴添加箭头
# 在子图网格中的第四个子图axes[0,1]上添加了一个箭头axes[1,1].quiver(y,z) # 二维箭头
# 在子图网格中的第三个子图axes[1,1]上绘制了二维箭头图。quiver()函数用于绘制向量场其中 y 和 z 是对应x轴和y轴上的向量分量axes[0,1].streamplot(X,Y,U,V) # 二维箭头
# 在子图网格中的第四个子图axes[0,1]上绘制了二维箭头图。streamplot()函数用于绘制流线图其中 X 和 Y 是等距离的点网格U 和 V 是对应点上的向量分量3.3 数据分布 我们可以在Matplotlib中绘制 直方图、 箱形图 和 小提琴图以便于可视化数据的分布和离群值等统计信息。 ax1.hist(y) #直方图
# 在Axes对象 ax1 上绘制了直方图图用于显示数据的分布情况。y 是要绘制直方图的数据ax3.boxplot(y) # 箱形图用于展示数据的概要统计信息包括中位数、四分位数等y 是要绘制箱形图的数据ax3.violinplot(z) # 小提琴图结合了箱形图和核密度估计图的特点可以显示出数据的分布密度和范围z 是要绘制小提琴图的数据3.4 二维数据或图片 以下为使用Matplotlib库 在图形窗口中显示图像并使用指定的色彩表和参数进行配置。 fig, ax plt.subplots()
# 创建了一个Figure对象fig和一个Axes对象ax代表整个图形窗口以及绘图区域im ax.imshow(img, cmapgist_earth, interpolationnearest, vmin-2, vmax2)
# 使用imshow()函数在Axes对象上显示图像
# img是要显示的图像数据cmap参数指定了色彩表的名称这里使用了gist_earthinterpolation参数指定了图像插值的方法vmin和vmax参数用于设置图像的最小和最大值的范围
# 色彩表或RGB数组通过以上的设置我们就可以 使用Matplotlib显示图像并根据需要选择合适的色彩表、插值方法以及图像值的范围来呈现图像了。 接下来我们使用Matplotlib库绘制不同类型的伪彩色图和等高线 axes2[0].pcolor(data2) # 二维数组伪彩色图
# pcolor()函数用于绘制二维数组的伪彩色图data2 是要绘制的数据axes2[0].pcolormesh(data) # 二维数组等高线伪彩色图
# pcolormesh()函数用于绘制二维数组的等高线伪彩色图data 是要绘制的数据CS plt.contour(Y,X,U)
# contour()函数用于绘制等高线图Y 和 X 分别是数据点的横纵坐标U 是对应的高度值。CS 是返回的等高线对象axes2[2].contourf(data1) # 等高线图
# contourf()函数用于绘制等高线图并为区域着色data1 是要绘制的数据axes2[2] ax.clabel(CS) # 等高线图标签
# clabel()函数用于在等高线图上添加标签CS 是等高线对象通过使用这些函数我们就可以在Matplotlib中绘制二维数组的伪彩色图、等高线伪彩色图和等高线图并对图像进行 更多的定制如添加标签等操作。 四、自定义图形
4.1 颜色、色条与色彩表 还可以使用Matplotlib库绘制不同类型的线图和图像并进行各种定制如设置颜色、透明度、添加图例等。 plt.plot(x, x, x, x**2, x, x**3)# 在当前Figure上绘制了三条线图
# plot()函数用于绘制线图参数x表示X轴的数据参数x, x2, x, x3 分别表示三条曲线的Y轴数据ax.plot(x, y, alpha 0.4)
# 在Axes对象 ax 上绘制了一条线图并设置了透明度为0.4
# alpha 参数用于控制线图的透明度x 和 y 分别表示X轴和Y轴的数据ax.plot(x, y, ck)
# 在Axes对象 ax 上绘制了一条线图并设置了颜色为黑色
# c 参数用于设置线图的颜色k 表示黑色x 和 y 分别表示X轴和Y轴的数据fig.colorbar(im, orientationhorizontal)
# 在当前Figure上添加了一个水平方向的图例
# colorbar()函数用于添加图例在这里将 im 对象作为参数传入并指定了图例的方向为水平im ax.imshow(img, cmapseismic)
# 在Axes对象 ax 上显示了一张图像并使用色彩表 seismic 进行渲染
# imshow()函数用于显示图像img 是要显示的图像数据cmap 参数指定了色彩表的名称4.2 标记 使用Matplotlib库创建一个Figure对象和一个Axes对象并绘制散点图和线图。 fig, ax plt.subplots()# 创建了一个包含一个Axes对象的Figure对象
# 通过 fig 来控制整个图像窗口通过 ax 来控制具体的绘图区域ax.scatter(x,y,marker.)
# 在Axes对象 ax 上绘制了一组散点图
# scatter()函数用于绘制散点图x 和 y 分别表示X轴和Y轴的数据marker 参数指定了数据点的标记形状这里使用 . 表示小圆点ax.plot(x,y,markero)
# 在Axes对象 ax 上绘制了一条线图同时每个数据点也被标记出来
# plot()函数用于绘制线图x 和 y 分别表示X轴和Y轴的数据marker 参数指定了数据点的标记形状这里使用 o 表示实心圆通过使用这些函数我们可以在Matplotlib中创建Figure对象和Axes对象并在Axes对象上绘制散点图和线图也可以对图形进行各种定制如设置标记形状、颜色等。 4.3 线型 使用 Matplotlib库绘制了线图并对线条进行一些定制。 plt.plot(x,y,linewidth4.0)
# 绘制了一条线图并设置了线条的宽度为4.0
# plot()函数用于绘制线图x 和 y 分别表示X轴和Y轴的数据linewidth 参数指定了线条的宽度plt.plot(x,y,lssolid)
# 绘制了一条线图并将线条样式设置为实线
# ls 参数用于设置线条的样式solid 表示实线plt.plot(x,y,ls--)
# 绘制了一条线图并将线条样式设置为虚线
# ls 参数用于设置线条的样式-- 表示虚线plt.plot(x,y,--,x**2,y**2,-.)
# 绘制了两条线图一条使用虚线样式一条使用点划线样式
# 多个数据序列可以在同一个 plot() 函数中传入使用不同的样式区分
# 这里先绘制了一条虚线样式的线图再绘制了一条点划线样式的线图plt.setp(lines,colorr,linewidth4.0)
# 用于设置已绘制线图的属性
# setp() 函数用于批量设置线条属性lines 参数指定要设置的线条对象color 参数设置线条的颜色为红色linewidth 参数设置线条的宽度为4.04.4 文本与标注 使用了Matplotlib库的text()和annotate()函数来在图像中添加文本和注释。 ax.text(1, -2.1,Example Graph, styleitalic)
# 在Axes对象 ax 上添加了一个文本标签
# text()函数用于在指定的坐标位置添加文本第一个参数是X轴坐标第二个参数是Y轴坐标第三个参数是要显示的文本内容ax.annotate(Sine, xy(8, 0), xycoordsdata, xytext(10.5, 0), textcoordsdata, arrowpropsdict(arrowstyle-,connectionstylearc3),)
# 在Axes对象 ax 上添加了一个箭头和注释
# annotate()函数用于在图像中添加带有注释和箭头的文本第一个参数是注释的文本内容xy参数表示箭头尖端的坐标xycoords参数表示xy坐标的类型xytext参数表示注释文本的坐标textcoords参数表示xytext坐标的类型
# 通过arrowprops参数可以设置箭头的样式和连接样式4.5 数学符号 使用Matplotlib库的title()函数设置图像的标题 plt.title(r$sigma_i15$, fontsize20)
# 设置了图像的标题为σi15其中$...$表示使用LaTeX格式的数学公式进行显示。通过在字符串前加上r字符来指定该字符串为原始字符串以便正确显示特殊字符
# fontsize20参数用于设置标题的字体大小为204.6 尺寸限制、图例和布局
4.6.1 尺寸限制与自动调整 ax.margins(x0.0,y0.1) # 添加内边距ax.axis(equal) # 将图形纵横比设置为1ax.set(xlim[0,10.5],ylim[-1.5,1.5]) # 设置x轴与y轴的限制ax.set_xlim(0,10.5) # 设置x轴的限制4.6.2 图例 ax.set(titleAn Example Axes, ylabelY-Axis, xlabelX-Axis)
# 设置标题与x、y轴的标签ax.legend(locbest) 4.6.3 标记
# 手动设置X轴刻度ax.xaxis.set(ticksrange(1,5),ticklabels[3,100,-12,foo])
# 设置Y轴长度与方向 ax.tick_params(axisy, directioninout, length10)4.6.4 子图间距
# 调整子图间距fig3.subplots_adjust(wspace0.5,hspace0.3,left0.125, right0.9, top0.9, bottom0.1)
# 设置画布的子图布局fig.tight_layout()4.6.5 坐标轴边线 ax1.spines[top].set_visible(False)
# 隐藏顶部坐标轴线ax1.spines[bottom].set_position((outward,10))
# 设置底部边线的位置为outward五、保存
5.1 保存画布 使用Matplotlib库的savefig()函数将当前图像保存为一个名为foo.png的PNG文件。 plt.savefig(foo.png)
# 使用savefig()函数将当前绘制的图像保存为一个PNG文件。foo.png是保存的文件名可以根据需要修改为其他文件名例如result.png5.2 保存透明画布 使用Matplotlib库的savefig()函数将当前图像以透明背景保存为一个名为foo.png的PNG文件。 plt.savefig(foo.png, transparentTrue)
# 使用savefig()函数将当前绘制的图像保存为一个PNG文件并通过将transparent参数设置为True来实现透明背景
# foo.png是保存的文件名可以根据需要修改为其他文件名例如result.png六、显示图形 使用Matplotlib库的show()函数显示当前绘制的图像 plt.show()
# 调用show()函数它将当前绘制的图像显示在屏幕上
# 这个函数会打开一个图形窗口并在其中显示图像通过使用 show()函数就可以显示Matplotlib绘制的图像。 七、关闭与清除 使用Matplotlib库的三个函数来清除图像或关闭窗口 plt.cla() # 清除坐标轴
# 调用cla()函数它会清除当前坐标轴的内容plt.clf() # 清除画布
# 调用clf()函数它会清除整个当前图像的内容包括坐标轴和所有绘制的内容plt.close() # 关闭窗口
# 调用close()函数它会关闭当前图像的窗口通过使用这些函数我们可以清除当前图像的内容或关闭图像窗口。但需要注意的是cla()和clf()函数不会直接影响图像窗口的显示而是清除图像或坐标轴的内容close()函数则会关闭图像窗口。
