python绘制条形图用什么函数_Python绘制正余弦函数图像完整代码

通过python绘制正弦和余弦函数，从默认的设置开始，一步一步地调整改进，让它变得好看，变成我们初高中学习过的图象那样。通过这个过程来学习如何进行对图表的一些元素的进行调整。

01. 简单绘图

matplotlib有一套允许定制各种属性的默认设置。你可以几乎控制matplotlib中的每一个默认属性：图像大小，每英寸点数，线宽，色彩和样式，子图(axes)，坐标轴和网格属性，文字和字体属性，等等。

虽然matplotlib的默认设置在大多数情况下相当好，你却可能想要在一些特别的情形下更改一些属性。from pylab import *

x = np.linspace(-np.pi, np.pi, 256,endpoint=True)

C,S = np.cos(x), np.sin(x)

plot(x,C)

plot(x,S)

show()

复制代码

show image

02. 设置基本元素

这边的基本元素主要有几下几点：线的颜色，粗细，和线型

刻度和标签

还有图例

代码比较简单，基本上在我的第一讲内容里都讲过了。import numpy as np

from matplotlib import pyplot as plt

plt.figure(figsize=(10,6), dpi=80)

x = np.linspace(-np.pi, np.pi, 256,endpoint=True)

C,S = np.cos(x), np.sin(x)

# 设置线的颜色，粗细，和线型

plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label=r'$sin(x)$')

plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label=r'$cos(x)$')

# 如果觉得线条离边界太近了，可以加大距离

plt.xlim(x.min()*1.2, x.max()*1.2)

plt.ylim(C.min()*1.2, C.max()*1.2)

# 当前的刻度并不清晰，需要重新设定,并加上更直观的标签

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],

[r'$-1$', r'$0$', r'$1$'])

# 添加图例

plt.legend()

plt.show()

复制代码

show image

03. 移动轴线

还记得我们在初高中学习的三角函数图象，可不是这样，它应该是有四个象限的。而这里却是一个四四方方的图表。

所以接下来，我们要做的就是移动轴线，让它变成我们熟悉的样子。

我们只需要两轴线（x和y轴），所以我们需要将顶部和右边的轴线给隐藏起来（颜色设置为None即可）。# plt.gca()，全称是get current axis

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 由于我们移动的是左边和底部的轴，所以不用设置这两个也可以

ax.xaxis.set_ticks_position('bottom')

ax.yaxis.set_ticks_position('left')

# 指定data类型，就是移动到指定数值

ax.spines['bottom'].set_position(('data',0))

ax.spines['left'].set_position(('data',0))

复制代码

关于set_position()这个函数中的data是啥意思？我查了下官网。解释如下

然后最后发现，上面的写法可以用一定更简洁的方式设置，是等价的。ax.spines['bottom'].set_position('zero')

ax.spines['left'].set_position('zero')

复制代码

show image

04. 添加注释

现在的图形部分已经成型，接下让我们现在使用annotate命令注解一些我们感兴趣的点。

我们选择2π/3作为我们想要注解的正弦和余弦值。我们将在曲线上做一个标记和一个垂直的虚线。然后，使用annotate命令来显示一个箭头和一些文本。t = 2*np.pi/3

# 利用plt.plot绘制向下的一条垂直的线，利用plt.scatter绘制一个点。

plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")

plt.scatter([t,],[np.cos(t),], 50, color ='blue')

plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',

xy=(t, np.sin(t)), xycoords='data',

xytext=(+10, +30), textcoords='offset points', fontsize=16,

arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

# 利用plt.plot绘制向上的一条垂直的线，利用plt.scatter绘制一个点。

plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")

plt.scatter([t,],[np.sin(t),], 50, color ='red')

plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',

xy=(t, np.cos(t)), xycoords='data',

xytext=(-90, -50), textcoords='offset points', fontsize=16,

arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

复制代码

在这里，你可能会对plt.annotate这个函数的用法，有所陌生。这里也解释一下。

第一个参数，就是注释内容；第二个参数，xy，就是对哪一点进行注释；第三个参数，xycoords，指定类型，data 是说基于数值来定位；第四个参数，xytext，是注释的位置，结合第五个参数，就是根据偏移量来决定注释位置；第五个参数，textcoords，值为offset points，就是说是相对位置；第六个参数，fontsize，注释大小；第七个参数，arrowprops，对箭头的类型的一些设置。

show image

05. 完整代码

以上都是对片段代码进行解释，这里放出完整的代码import numpy as np

from matplotlib import pyplot as plt

plt.figure(figsize=(10,6), dpi=80)

x = np.linspace(-np.pi, np.pi, 256,endpoint=True)

C,S = np.cos(x), np.sin(x)

# 设置线的颜色，粗细，和线型

plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label=r'$sin(x)$')

plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label=r'$cos(x)$')

# 如果觉得线条离边界太近了，可以加大距离

plt.xlim(x.min()*1.2, x.max()*1.2)

plt.ylim(C.min()*1.2, C.max()*1.2)

# 当前的刻度并不清晰，需要重新设定,并加上更直观的标签

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([-1,1],

[r'$-1$', r'$1$'])

# 添加图例

plt.legend(loc='upper left')

# plt.gca()，全称是get current axis

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 由于我们移动的是左边和底部的轴，所以不用设置这两个也可以

ax.xaxis.set_ticks_position('bottom')

ax.yaxis.set_ticks_position('left')

# 指定data类型，就是移动到指定数值

# ax.spines['bottom'].set_position('zero')

ax.spines['bottom'].set_position(('data',0))

ax.spines['left'].set_position(('data',0))

t = 2*np.pi/3

# 利用plt.plot绘制向下的一条垂直的线，利用plt.scatter绘制一个点。

plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")

plt.scatter([t,],[np.cos(t),], 50, color ='blue')

plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',

xy=(t, np.sin(t)), xycoords='data',

xytext=(+10, +30), textcoords='offset points', fontsize=16,

arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

# 利用plt.plot绘制向上的一条垂直的线，利用plt.scatter绘制一个点。

plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")

plt.scatter([t,],[np.sin(t),], 50, color ='red')

plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',

xy=(t, np.cos(t)), xycoords='data',

xytext=(-90, -50), textcoords='offset points', fontsize=16,

arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plt.show()

复制代码

python绘制条形图用什么函数_Python绘制正余弦函数图像完整代码相关推荐

【matplotlib库】利用matplotlib库绘制正余弦函数曲线的python程序，标注X、Y轴及标题|CSDN创作打卡
使用python中的第三方库matplotlib绘制正余弦函数图形,并标注x,y轴以及标题等 ,绘制方法与matlab类似,可以说这里的matplotlib库便是Python中的matlab 程序代码 ...
Matplotlib 绘制折线图 - 正余弦函数图像
运行环境 : python 3.6.0 用 Matplotlib 的 scatter 方法绘制散点图核心代码 : # -*- encoding: utf-8 -*- # @Version : Pyt ...
ML之MIC：利用有无噪音的正余弦函数理解相关性指标的不同(多图绘制Pearson系数、最大信息系数MIC)
ML之MIC:利用有无噪音的正余弦函数理解相关性指标的不同(多图绘制Pearson系数.最大信息系数MIC) 目录利用有无噪音的正余弦函数理解相关性指标的不同(多图绘制Pearson系数.最大信息系 ...
正余弦函数图像python
实验内容 1.题目正余弦函数图像. 2.实验代码 import numpy as np import matplotlib.pylab as pl import matplotlib.font_ma ...
正余弦函数的matlab仿真,实现正余弦信号的算法比较
实现正余弦函数的几种算法记录 1.几种算法的理论推导与matlab仿真 (1)Taylor级数逼近正余弦函数的推导精度要求为20bit,其对应误差为9.536e-7,所以泰勒函数逼近的误差值要小于9 ...
C语言正余弦函数定点查表算法原理及实现
如果用数学库中的sin和cos函数计算,可能涉及浮点.乘法.除法运算,运行速率较低.这里介绍一种正余弦查表算法. 参考代码:SMT32 FOC电机库的mc_math.c. 首先我们知道正弦和余弦的函数 ...
正余弦函数及其反函数导数推导
正余弦函数及其反函数导数推导背景三角函数的求导涉及到重要极限 limx→0sinxx\lim_{x\to0}\frac{sin x}{x} 的使用. 其反三角函数涉及复合函数求导.此文主要是对这两 ...
python绘制条形图用什么函数_python绘制条形图方法代码详解
1.首先要绘制一个简单的条形图 import numpy as np import matplotlib.pyplot as plt from matplotlib import mlab from ...
python画数学函数_Python 绘制你想要的数学函数图形
Python 非常热门,但除非工作需要没有刻意去了解更多,直到有个函数图要绘制,想起了它.结果发现,完全用不着明白什么是编程,就可以使用它完成很多数学函数图的绘制.通过以下两个步骤,就可以进行数学函数 ...

python绘制条形图用什么函数_Python绘制正余弦函数图像完整代码

python绘制条形图用什么函数_Python绘制正余弦函数图像完整代码相关推荐

最新文章

热门文章