Python之数据分析（figure图形对象、Numpy连线特殊点、图像多元布局）

文章目录

一、点的绘制
二、figure图形对象
三、多元布局

一、点的绘制

1、绘制点需要提前设置点

# 设置点，在plot后面绘制点
xo = np.pi * 3/4  # 设置点横坐标位置为为3π/4
yo_cos = np.cos(xo)/2  # 两个纵坐标位置
yo_sin = np.sin(xo)

2、连点成线

绘制：mp.scatter(水平坐标数组, 垂直坐标数组, marker=点的形状, s=点的大小, edgecolor=勾边色, facecolor=填充色, zorder=Z序)
Z序：画图的顺序，默认plot画点的0，线是1，数字越大，画得越晚，笔画就在处在越顶层

# 绘制点scatter
# 两个点：第一个点横坐标xo，纵坐标yo_cos；第二个点横坐标xo，纵坐标yo_sin
mp.scatter([xo, xo], [yo_cos, yo_sin], s=70, edgecolor='limegreen', facecolor='white', zorder=3 )
# 用plot画条虚线连接两点
mp.plot([xo, xo], [yo_cos, yo_sin], linestyle='--', linewidth=1, color='lightgreen')

3、添加注释
mp.annotate(
备注文本,
xy=目标位置,
xycoords=目标相对坐标系,
xytext=文本位置,
textcoords=文本相对坐标系,
fontsize=字体大小,
arrowprops=箭头属性
)

# 添加注释
mp.annotate(r'$\frac{1}{2}cos(\frac{3\pi}{4})=-\frac{\sqrt{2}}{4}$',  # 表示1/2cos(3π/4)xy=(xo, yo_cos), xycoords='data',  # 点的位置，点的相对坐标系xytext=(-90, -40), textcoords='offset points',  # 文本相对于点的偏移量，左-90，下-40；偏移坐标系fontsize=14,arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=.2')# 箭头风格为->，连接文字为圆弧线，圆弧曲率半径为0.2
)

二、figure图形对象

1、创建图形对象

mp.figure(图形对象名, figsize=窗口大小, dpi=分辨率, facecolor=窗口颜色)

2、练习代码


import numpy as np
import matplotlib.pylab as mp# 参数定义
x = np.linspace(-np.pi, np.pi, 1000)
cos_y = np.cos(x)/2
sin_y = np.sin(x)# 创建第一个图形对象
mp.figure("FO 01", figsize=(6, 4), dpi=120, facecolor='lightgray')
mp.title("FO 01", fontsize=20)# 绘制横纵坐标
mp.xlabel('x', fontsize=12)
mp.ylabel('y', fontsize=12)# 设置刻度标签大小
mp.tick_params(labelsize=10)
# 放置网格线
mp.grid(linestyle=":")# 画图线
mp.plot(x, cos_y, label=r"$y=\frac{1}{2}cos(x)$")
mp.legend()  # 图例# 创建第二个图形对象
mp.figure("FO 02")
mp.title("FO 02", fontsize=20)
mp.plot(x, sin_y, label=r"$y=sin(x)$")
# 绘制横纵坐标
mp.xlabel('x', fontsize=12)
mp.ylabel('y', fontsize=12)# 设置刻度标签大小
mp.tick_params(labelsize=10)
# 放置网格线
mp.grid(linestyle=":")
mp.legend()  # 图例mp.show()

三、多元布局

1、缺省布局

创建子图：mp.subplot(行数, 列数, 图号)
练习代码：

import matplotlib.pylab as mp# 设置面板颜色
mp.figure(facecolor="lightgray")# 创建子图，用for循环连续创建几张
for i in range(2):for j in range(3):k = i*3 + j + 1mp.subplot(2, 3, k)  # 2行3列的子图，此处为第1张mp.xticks(())  # 刻度设为()空元组，就是无刻度mp.yticks(())mp.text(0.5,0.5, str(k), ha='center', size=36, alpha=0.5)mp.tight_layout()  # 紧凑布局
mp.show()  # 显示图

2、栅格布局

引入模块：import matplotlib.gridspec as mg
创建栅格：gs = mg.GridSpec(行数, 列数)
放置子图：mp.subplot(gs[行, 列])
练习代码：

import matplotlib.pylab as mp
import matplotlib.gridspec as mgmp.figure(facecolor="lightgray")  # 创建窗口
gs = mg.GridSpec(3, 3)  # 创建栅格布局器# 画第一张子图
mp.subplot(gs[0, :2])  # 一个子图占栅格的第0行的前两列# 取消坐标轴
mp.xticks(())
mp.yticks(())# 显示文字
mp.text(0.5, 0.5, '1', ha='center', va='center', size=36, alpha=0.5)# 第二张子图
mp.subplot(gs[1:, 0])  # 一个子图占栅格的第1行后的所有行，第0列
mp.xticks(())  # 取消坐标轴
mp.yticks(())
mp.text(0.5, 0.5, '2', ha='center', va='center', size=36, alpha=0.5)  # 显示文字# 第三张子图
mp.subplot(gs[2, 1:])  # 一个子图占栅格的第2行，第1列后的所有列
mp.xticks(())  # 取消坐标轴
mp.yticks(())
mp.text(0.5, 0.5, '3', ha='center', va='center', size=36, alpha=0.5)  # 显示文字# 第四张子图
mp.subplot(gs[:2, 2])  # 一个子图占栅格的第2行前的所有行，第2列
mp.xticks(())  # 取消坐标轴
mp.yticks(())
mp.text(0.5, 0.5, '4', ha='center', va='center', size=36, alpha=0.5)  # 显示文字# 第五张子图
mp.subplot(gs[1, 1])  # 一个子图占栅格的第1行，第1列
mp.xticks(())  # 取消坐标轴
mp.yticks(())
mp.text(0.5, 0.5, '5', ha='center', va='center', size=36, alpha=0.5)  # 显示文字# 显示图表
mp.show()

3、自由布局

mp.axes([左下角水平左边, 左下角垂直坐标, 宽度, 高度]) # 此处的尺寸参数都是按比例来的
练习代码：

import matplotlib.pylab as mpmp.figure(facecolor="lightgray")  # 创建窗口# 创建一个自由布局的图
mp.axes([0.03, 0.038, 0.94, 0.924])  # 计算：0.94=1-0.03*2；0.924=1-0.038*2
mp.xticks(())  # 取消坐标轴
mp.yticks(())
mp.text(0.5, 0.5, '1', ha='center', va='center', size=36, alpha=0.5)  # 显示文字# 创建第2个自由布局的图
mp.axes([0.60, 0.07, 0.35, 0.5])  # 计算：0.94=1-0.03*2；0.924=1-0.038*2
mp.xticks(())  # 取消坐标轴
mp.yticks(())
mp.text(0.5, 0.5, '2', ha='center', va='center', size=36, alpha=0.5)  # 显示文字# 显示图表
mp.show()

Python之数据分析（figure图形对象、Numpy连线特殊点、图像多元布局）相关推荐

Matplotlib figure图形对象
Matplotlib figure图形对象通过前面的学习,我们知道matplotlib.pyplot模块能够快速地生成图像,但如果使用面向对象的编程思想,我们就可以更好地控制和自定义图像. 在 Ma ...
numpy将所有数据变为0和1_《利用python进行数据分析》1.0——Numpy库
目录: Tab 键自动完成 %run命令 "Ctri-C" 中断正在执行的代码忘记输入和输出文本怎么办创建数组 zero 和ones arange(),生成一定长度的数量 dt ...
python泰坦尼克号数据分析_Python数据分析｜泰坦尼克逻辑回归
Python数据分析学习笔记,今天分享下利用Python进行逻辑回归,预测泰坦尼克号乘客生存情况. #导入2个Python常用数据分析的库import numpy as npimport pandas ...
python图像识别马路_使用Python和OpenCV在道路上找到车道线
识别道路上的车道是所有司机的共同任务,以确保车辆在驾驶时处于车道限制之内,并减少因越过车道而与其他车辆发生碰撞的机会. 对自动驾驶汽车来说,这同样也是一项关键任务.事实证明,使用计算机视觉技术识别道路 ...
Python数据分析（matplotlib、numpy、pandas）
Python数据分析 1.matplotlib 1.1 什么是matplotlib 能将数据进行可视化,更直观的呈现使数据更加客观,更有说服力 matplotlib:最流行的Python底层绘图库, ...
python数据分析（五）——numpy+matplotlib实例
系列文章: python数据分析(一)--numpy数组的创建 python数据分析(二)--numpy数组的计算 python数据分析(三)--numpy读取本地数据和索引 python数据分析(四 ...
《Python数据分析基础教程：NumPy学习指南：第二版》读书笔记
内容主要介绍了NumPy库中的函数. 组成方式用非常零散的知识点串联成章节. 内容摘要极简地展示了章节中所运用的函数. 第一章 arrange函数创建NumPy数组. 第二章 NumPy特性在 ...
利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包，主
利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目 ...
python输入数组并计算_利用Python进行数据分析——Numpy基础：数组和矢量计算
利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...