新手做网站免费教程,高端,wordpress 下拉框图标,建网站找哪家好1. 介绍 Matplotlib 是一个用于绘制图表和可视化数据的 Python 库。它提供了丰富的绘图工具#xff0c;可以用于生成各种静态、交互式和动画图表。Matplotlib 是数据科学、机器学习和科学计算领域中最流行的绘图库之一。 1.1 关键特性 以下是 Matplotlib 的一些关键特性… 1. 介绍 Matplotlib 是一个用于绘制图表和可视化数据的 Python 库。它提供了丰富的绘图工具可以用于生成各种静态、交互式和动画图表。Matplotlib 是数据科学、机器学习和科学计算领域中最流行的绘图库之一。 1.1 关键特性 以下是 Matplotlib 的一些关键特性 简单易用 Matplotlib 提供了简单而直观的 API使得用户能够轻松创建各种类型的图表。 多种绘图类型 支持绘制各种类型的图表包括线图、散点图、柱状图、饼图、等高线图、3D 图表等。 自定义性强 用户可以轻松地自定义图表的外观和样式包括颜色、线型、标签、标题等。 支持 LaTex 支持使用 LaTeX 渲染文本使得图表标签和注释可以具有高质量的数学表达式。 交互式图表 Matplotlib 可以嵌入到交互式环境中如 Jupyter Notebook支持交互式数据探索和动态更新。 支持多种输出格式 可以将图表保存为多种格式如 PNG、PDF、SVG、EPS 等。 对象导向 Matplotlib 的图表是通过对象导向的方式创建的这意味着用户可以直接操作图表的元素使得定制化和复杂的图表更加容易。 内置样式和颜色映射 提供了内置的样式表和颜色映射使得用户可以轻松地应用一致的风格和颜色。 复杂图表和子图 支持创建复杂的图表布局和多子图适用于需要展示多个数据视图的场景。 跨平台 可以在多个操作系统上运行包括 Windows、Linux 和 macOS。 1.2 其他介绍 Github(截止当前 18.2K):https://github.com/matplotlib/matplotlib 官方文档: https://matplotlib.org/stable/users/explain/quick_start.html 中文文档: https://matplotlib.net/stable/users/getting_started/index.html 2. 安装升级 2.1 安装 # pip方式安装$ pip install matplotlib# conda方式安装$ conda install matplotlib 2.2 升级 # pip方式升级$ pip install --upgrade matplotlib# conda方式升级$ conda update matplotlib 3. 绘图风格 3.1 对象风格 使用面向对象的风格画图首先要创建画布(大容器)然后在画布中填充子图信息(小容器) import matplotlib.pyplot as pltimport numpy as npif __name__ __main__: # 设置字体以便正确显示中文 plt.rcParams[font.sans-serif] [FangSong] # 正确显示连字符 plt.rcParams[axes.unicode_minus] False # --------------- 创建画布 --------------- fig plt.figure() # 设置画布大小 fig.set_size_inches(7, 5) # 设置画布颜色 fig.set_facecolor(ivory) # --------------- 创建子图 --------------- # 设置子图位置 subImg fig.add_axes([0.1, 0.1, 0.8, 0.8]) # 设置x、y轴数据 x np.linspace(0, 10, 20) y1 np.power(x, 2) y2 x * 10 # 画线 subImg.plot(x, y1, r, ls-, linewidth2, label$x^2$) subImg.plot(x, y2, b, ls--, linewidth2, label$x*10$) # 添加文本标志 subImg.text(3.4, 7.5, r$x^2$, fontsize12) subImg.text(1, 7.5, r$x*10$, fontsize12) # 设置子图标题 subImg.set_title(子图A标题, fontdict{size: 16}) subImg.legend(locupper left) # 生成图例 # # 设置x、y轴标志 subImg.set_xlabel(X轴, fontdict{size: 14}) subImg.set_ylabel(Y轴, fontdict{size: 14}) # 显示图片 plt.show() 3.2 API风格 除此上文风格Matplotlib还提供一种类MATLAB风格的API,这种使用方式没有画布和子图的概念直接调用函数即可绘图和显示。 实现上面的图片效果代码如下: import matplotlib.pyplot as pltimport numpy as npif __name__ __main__: # 设置字体以便正确显示中文 plt.rcParams[font.sans-serif] [FangSong] # 正确显示连字符 plt.rcParams[axes.unicode_minus] False # 设置x、y轴数据 x np.linspace(0, 10, 20) y1 np.power(x, 2) y2 x * 10 # 画线 plt.plot(x, y1, r, ls-, linewidth2, label$x^2$) plt.plot(x, y2, b, ls--, linewidth2, label$x*10$) # 添加文本标注 plt.text(3.4, 7.5, r$x^2$, fontsize12) plt.text(1, 7.5, r$x*10$, fontsize12) # 设置子图标题 plt.title(示例标题, fontdict{size: 16}) # 生成图例 plt.legend(locupper left) # 设置x、y轴标志 plt.xlabel(X轴) plt.ylabel(Y轴) # 显示图片 plt.show() 4. 快速绘图 4.1 折线图 plt.plot() : 主要用于绘制折线图的主要函数之一。 import matplotlib.pyplot as pltimport numpy as npif __name__ __main__: # 设置字体以便正确显示中文 plt.rcParams[font.sans-serif] [FangSong] # 正确显示连字符 plt.rcParams[axes.unicode_minus] False # 设置x、y轴数据 x np.linspace(0, 10, 20) y1 np.power(x, 2) y2 x * 10 # 图一位置,subplot(1, 2, 1) 代表画布是1行2列当前图位于第1列 plt.subplot(1, 2, 1) plt.title(图一) plt.plot(x, y1) # 图一位置,subplot(1, 2, 2) 代表画布是1行2列当前图位于第2列 plt.subplot(1, 2, 2) plt.title(图二) plt.plot(x, y2) # 显示图片 plt.show() 4.2 曲线图 严格来说,plot( )函数绘制的是折线图而非曲线图因为该函数只是将顺序相邻的点以直线连接,如想画曲线图推荐使用semilogx( )、semilogy( )和loglog( )等函数。 import matplotlib.pyplot as pltimport numpy as np# 设置字体以便正确显示中文plt.rcParams[font.sans-serif] [FangSong]# 正确显示连字符plt.rcParams[axes.unicode_minus] Falseif __name__ __main__: # 生成示例数据 x np.linspace(1, 10, 100) y np.exp(x) # 创建画布和子图1行3列 fig, (ax1, ax2, ax3) plt.subplots(1, 3, figsize(15, 5)) # 使用semilogx()在第一个子图中绘制对数x轴的折线图 ax1.semilogx(x, y, label对数x轴折线图) ax1.set_title(semilogx() 示例) ax1.set_xlabel(对数X轴) ax1.set_ylabel(Y轴) ax1.legend() # 使用semilogy()在第二个子图中绘制对数y轴的折线图 ax2.semilogy(x, y, label对数y轴折线图) ax2.set_title(semilogy() 示例) ax2.set_xlabel(X轴) ax2.set_ylabel(对数Y轴) ax2.legend() # 使用loglog()在第三个子图中绘制对数坐标轴的折线图 ax3.loglog(x, y, label对数坐标轴折线图) ax3.set_title(loglog() 示例) ax3.set_xlabel(对数X轴) ax3.set_ylabel(对数Y轴) ax3.legend() # 调整子图之间的距离 plt.tight_layout() # 显示图表 plt.show() 4.3 柱状图 plot.bar(): 用来绘制垂直柱状图 plot.barh(): 用来绘制水平柱状图 import matplotlib.pyplot as plt# 设置字体以便正确显示中文plt.rcParams[font.sans-serif] [FangSong]# 正确显示连字符plt.rcParams[axes.unicode_minus] Falseif __name__ __main__: # 生成示例数据 names [孙悟空, 猪八戒, 唐僧, 沙僧] values [36, 24, 75, 45] plt.title(年龄分布图) # 创建画布和子图 fig, (ax1, ax2) plt.subplots(1, 2, figsize(12, 5)) # 使用plot.bar()在第一个子图中绘制垂直条形图 ax1.bar(names, values, colorblue) ax1.set_title(垂直条形图示例) ax1.set_xlabel(姓名) ax1.set_ylabel(年龄) # 使用plot.barh()在第二个子图中绘制水平条形图 ax2.barh(names, values, colorgreen) ax2.set_title(水平条形图示例) ax2.set_xlabel(年龄) ax2.set_ylabel(姓名) # 调整子图之间的距离 plt.tight_layout() # 显示图表 plt.show() 4.4 散点图 scatter() 函数用于绘制散点图散点图是一种展示两个变量之间关系的常见图表类型。每个点的位置由两个变量的值决定横轴表示一个变量纵轴表示另一个变量。 1. 参数说明 scatter(x, y, sNone, cNone, markerNone, cmapNone, normNone, vminNone, vmaxNone, alphaNone, linewidthsNone, edgecolorsNone, *, plotnonfiniteFalse, dataNone, **kwargs) x, y 必需表示散点图上点的横坐标和纵坐标。 s 用于指定散点的大小。可以是一个标量表示所有点的大小相同也可以是一个数组表示每个点的大小。 c 用于指定散点的颜色。可以是一个标量表示所有点的颜色相同也可以是一个数组表示每个点的颜色。此外你还可以通过设置 c 参数为字符串值来表示使用预定义的颜色映射。 marker 用于指定散点的标记样式例如 o 表示圆点^ 表示三角形等。 cmap 用于指定颜色映射仅当 c 参数为数组时起作用。更多颜色参考文档: https://matplotlib.org/stable/users/explain/colors/colormaps.html norm 用于标准化颜色映射。 alpha 用于指定散点的透明度取值范围为 0完全透明到 1完全不透明。 linewidths 用于指定散点边缘的线宽。 edgecolors 用于指定散点边缘的颜色。 2. 代码示例 import matplotlib.pyplot as pltimport numpy as np# 设置字体以便正确显示中文plt.rcParams[font.sans-serif] [FangSong]# 正确显示连字符plt.rcParams[axes.unicode_minus] Falseif __name__ __main__: # 生成示例数据 x np.random.randn(50) y np.random.randn(50) # 随机数用于映射颜色 color 10 * np.random.rand(50) # 随机数表示点的面积 area np.square(30 * np.random.rand(50)) plt.scatter(x, y, label数据点, ccolor, markero, sarea, cmapflag, edgecolorr) # 添加标题和标签 plt.title(散点图示例) plt.xlabel(X轴) plt.ylabel(Y轴) # 显示图例 plt.legend() # 显示图表 plt.show() 4.5 饼图 1. 参数说明 pie( x, explodeNone, labelsNone, colorsNone, autopctNone, pctdistance0.6, shadowFalse, labeldistance1.1, startangle0, radius1, counterclockTrue, wedgepropsNone, textpropsNone, center(0, 0), frameFalse, rotatelabelsFalse, *, normalizeTrue, hatchNone, dataNone) x 必需表示每个部分的大小可以是一个数组或一个标量。如果是一个数组表示每个扇形的大小如果是一个标量表示所有扇形的大小相同。 explode 用于指定哪些扇形被拉出。如果某个值大于0表示对应索引的扇形会被拉出一定的距离。 labels 扇形上显示的标签可以是一个数组或 None。 colors 扇形的颜色可以是一个颜色列表表示每个扇形的颜色也可以是 None表示使用默认颜色。 autopct 控制在饼图上显示每个部分的百分比可以是字符串格式化例如 %1.1f%%。 pctdistance 百分比标签与圆心的距离取值范围为 [0, 1]。 shadow 是否在饼图下方添加阴影。 labeldistance 标签与圆心的距离取值范围为 [0, 1]。 startangle 饼图起始角度按逆时针方向计算0 度表示从正 x 轴开始。 radius 饼图的半径。 counterclock 是否按逆时针方向绘制饼图。 wedgeprops 扇形的属性字典用于设置扇形的样式例如边界颜色、边界宽度等。 textprops 标签的属性字典用于设置标签的样式例如字体大小、颜色等。 center 饼图的中心坐标。 frame 是否绘制一个带有刻度标签的坐标轴框架。 rotatelabels 是否旋转标签。 normalize 如果为 True则将 x 归一化为百分比。 2.代码示例 import matplotlib.pyplot as plt# 设置字体以便正确显示中文plt.rcParams[font.sans-serif] [FangSong]# 正确显示连字符plt.rcParams[axes.unicode_minus] Falseif __name__ __main__: # 示例数据 labels [Go, PHP, C, Java, Python] sizes [15, 5, 19.5, 20, 40.5] # 哪个闪现 explode (0, 0.1, 0, 0, 0) # 使用pie()绘制饼状图 plt.pie(sizes, labelslabels, autopct%1.1f%%, startangle90, explodeexplode, colors[gold, lightskyblue, lightcoral, lightgreen, purple]) # 添加标题 plt.title(后端编程语言占比) # 显示图表 plt.show() 4.6 等值线图 import matplotlib.pyplot as pltimport numpy as np# 设置字体以便正确显示中文plt.rcParams[font.sans-serif] [FangSong]# 正确显示连字符plt.rcParams[axes.unicode_minus] Falseif __name__ __main__: # 创建示例数据 x np.linspace(-5, 5, 100) y np.linspace(-5, 5, 100) X, Y np.meshgrid(x, y) Z np.sin(np.sqrt(X ** 2 Y ** 2)) # 创建画布和子图 fig, (ax1, ax2) plt.subplots(1, 2, figsize(12, 5)) # ------------------------------ 图A-contour-填充示例 ---------------------------------- contour_plot ax1.contour(X, Y, Z, levels20, cmapviridis) fig.colorbar(contour_plot, labelZ值) ax1.set_title(等值线图示例) ax1.set_xlabel(X轴) ax1.set_ylabel(Y轴) # ------------------------------ 图B-contourf-填充示例 ---------------------------------- contour_plot ax2.contourf(X, Y, Z, levels20, cmapviridis) fig.colorbar(contour_plot, labelZ值) ax2.set_title(等值线图(填充)) ax2.set_xlabel(X轴) ax2.set_ylabel(Y轴) # 显示图表 plt.show() 4.7 矢量合成图 矢量合成图以箭头的形式绘制矢量因此也被称为箭头图。矢量合成图以箭头的方向表示矢量的方向。 import matplotlib.pyplot as pltimport numpy as np# 设置字体以便正确显示中文plt.rcParams[font.sans-serif] [FangSong]# 正确显示连字符plt.rcParams[axes.unicode_minus] Falseif __name__ __main__: # 创建两个矢量 vector1 np.array([3, 2]) vector2 np.array([-1, 4]) # 计算矢量合成结果 resultant_vector vector1 vector2 # 创建图表和子图 fig, ax plt.subplots() # 绘制矢量1 ax.arrow(0, 0, vector1[0], vector1[1], head_width0.2, head_length0.2, fcblue, ecblue, label矢量1) # 绘制矢量2 ax.arrow(0, 0, vector2[0], vector2[1], head_width0.2, head_length0.2, fcred, ecred, label矢量2) # 绘制矢量合成结果 ax.arrow(0, 0, resultant_vector[0], resultant_vector[1], head_width0.2, head_length0.2, fcgreen, ecgreen, label结果) # 设置坐标轴 ax.set_xlim(-2, 5) ax.set_ylim(-1, 8) # 添加网格 ax.grid(True) # 添加标签和标题 ax.set_xlabel(X轴) ax.set_ylabel(Y轴) ax.set_title(矢量图示例) # 添加图例 ax.legend() # 显示图表 plt.show() 本文由 mdnice 多平台发布
