# 来源：NumPy Biginner's Guide 2e ch9

绘制多项式函数

import numpy as np
import matplotlib.pyplot as plt# 创建函数 func = x ** 3 + 2 * x ** 2 + 3 * x + 4
# poly1d 根据系数数组创建函数，高项系数在前
func = np.poly1d(np.array([1, 2, 3, 4]).astype(float))
# x 值是 -10 ~ 10 取 30 个点
x = np.linspace(-10, 10, 30)
# 计算相应的 y 值
y = func(x)# 绘制函数，plot 并不会立即显示
plt.plot(x, y)
# 设置两个轴的标签
plt.xlabel('x')
plt.ylabel('y(x)')
# 显示图像
plt.show()

绘制多项式函数及其导函数

import numpy as np
import matplotlib.pyplot as plt# func = x ** 3 + 2 * x ** 2 + 3 * x + 4
# func1 是它的导数，func' = 3 * x ** 2 + 4 * x + 3
func = np.poly1d(np.array([1, 2, 3, 4]).astype(float))
func1 = func.deriv(m=1)
x = np.linspace(-10, 10, 30)
y = func(x)
y1 = func1(x)# 将原函数绘制为红色的散点
# 导函数绘制为绿色的虚线
plt.plot(x, y, 'ro', x, y1, 'g--')
plt.xlabel('x')
plt.ylabel('y')
plt.show()
# 可以看到这里导函数的零点是原函数的驻点

分别绘制多项式函数及其导数

import numpy as np
import matplotlib.pyplot as plt# func = x ** 3 + 2 * x ** 2 + 3 * x + 4
func = np.poly1d(np.array([1, 2, 3, 4]).astype(float))
x = np.linspace(-10, 10, 30)
y = func(x)
# func1 是它的导数，func' = 3 * x ** 2 + 4 * x + 3
func1 = func.deriv(m=1)
y1 = func1(x)
# func2 是二阶导数，func'' = 6 * x + 4
func2 = func.deriv(m=2)
y2 = func2(x)# 三行一列的第一个位置
plt.subplot(311)
# 将原函数绘制为红色曲线
plt.plot(x, y, 'r-')
plt.title("Polynomial")# 三行一列的第二个位置
plt.subplot(312)
# 将一阶导函数绘制为蓝色三角
plt.plot(x, y1, 'b^')
plt.title("First Derivative")# 三行一列的第三个位置
plt.subplot(313)
# 将一阶导函数绘制为绿色散点
plt.plot(x, y2, 'go')
plt.title("Second Derivative")
plt.xlabel('x')
plt.ylabel('y')
plt.show()

K 线图

from matplotlib.dates import DateFormatter
from matplotlib.dates import DayLocator
from matplotlib.dates import MonthLocator
from matplotlib.finance import quotes_historical_yahoo
from matplotlib.finance import candlestick
import sys
from datetime import date
import matplotlib.pyplot as plttoday = date.today()
start = (today.year - 1, today.month, today.day)alldays = DayLocator()
months = MonthLocator()
month_formatter = DateFormatter("%b %Y")symbol = 'DISH'if len(sys.argv) == 2:symbol = sys.argv[1]# 导入 DISH 一年的股票数据
quotes = quotes_historical_yahoo(symbol, start, today)# 获取 Figure 和 Axes 实例
fig = plt.figure()
ax = fig.add_subplot(111)
# 设置 Locator 和 Formatter
ax.xaxis.set_major_locator(months)
ax.xaxis.set_minor_locator(alldays)
ax.xaxis.set_major_formatter(month_formatter)# candlestick 用于绘制 K 线图
# ax 是 Axes 实例
# quotes 是股票数据，行是记录，列是属性
candlestick(ax, quotes)
fig.autofmt_xdate()
plt.show()

绘制收盘价分布图

from matplotlib.finance import quotes_historical_yahoo
import sys
from datetime import date
import matplotlib.pyplot as plt
import numpy as nptoday = date.today()
start = (today.year - 1, today.month, today.day)symbol = 'DISH'if len(sys.argv) == 2:symbol = sys.argv[1]# 导入 DISH 一年的股票数据
# 行为记录，列为属性
# 分别为日期、开盘价、最高价、最低价、收盘价、成交量
quotes = quotes_historical_yahoo(symbol, start, today)
# 获取收盘价
quotes = np.array(quotes)
close = quotes.T[4]# 绘制直方图，横轴是数据分布，纵轴是频数
# 第一个参数是数据，第二个参数是分组数量，默认为 10
plt.hist(close, np.sqrt(len(close)))
plt.show()

绘制对数刻度

from matplotlib.finance import quotes_historical_yahoo
from matplotlib.dates import DateFormatter
from matplotlib.dates import DayLocator
from matplotlib.dates import MonthLocator
import sys
from datetime import date
import matplotlib.pyplot as plt
import numpy as nptoday = date.today()
start = (today.year - 1, today.month, today.day)symbol = 'DISH'if len(sys.argv) == 2:symbol = sys.argv[1]# 获取 DASH 一年的日期和成交量
quotes = quotes_historical_yahoo(symbol, start, today)
quotes = np.array(quotes)
dates = quotes.T[0]
volume = quotes.T[5]alldays = DayLocator()
months = MonthLocator()
month_formatter = DateFormatter("%b %Y")fig = plt.figure()
ax = fig.add_subplot(111)
# semilogy 将 y 轴绘制为对数刻度
# 也就是绘制 date 与 log10(volume) 的图像
# 但是刻度标签是 volume，也就是 10 ** 1, 10 ** 2, ....
plt.semilogy(dates, volume)
ax.xaxis.set_major_locator(months)
ax.xaxis.set_minor_locator(alldays)
ax.xaxis.set_major_formatter(month_formatter)
fig.autofmt_xdate()
plt.show

绘制收益和成交量差值的散点图

from matplotlib.finance import quotes_historical_yahoo
import sys
from datetime import date
import matplotlib.pyplot as plt
import numpy as nptoday = date.today()
start = (today.year - 1, today.month, today.day)symbol = 'DISH'if len(sys.argv) == 2:symbol = sys.argv[1]# 获取 DISH 一年的收盘价和成交量
quotes = quotes_historical_yahoo(symbol, start, today)
quotes = np.array(quotes)
close = quotes.T[4]
volume = quotes.T[5]
# 计算收益和成交量差值
ret = np.diff(close)/close[:-1]
volchange = np.diff(volume)/volume[:-1]fig = plt.figure()
ax = fig.add_subplot(111)
# 绘制散点图，参数分别为横轴、纵轴、颜色、大小、透明度
# 横轴为收益，纵轴为成交量差值
# 颜色随收益变化，大小随成交量变化
ax.scatter(ret, volchange, c=ret * 100, s=volchange * 100, alpha=0.5)
ax.set_title('Close and volume returns')
ax.grid(True)plt.show()

基于条件填充区域

from matplotlib.finance import quotes_historical_yahoo
from matplotlib.dates import DateFormatter
from matplotlib.dates import DayLocator
from matplotlib.dates import MonthLocator
import sys
from datetime import date
import matplotlib.pyplot as plt
import numpy as nptoday = date.today()
start = (today.year - 1, today.month, today.day)symbol = 'DISH'if len(sys.argv) == 2:symbol = sys.argv[1]quotes = quotes_historical_yahoo(symbol, start, today)
quotes = np.array(quotes)
dates = quotes.T[0]
close = quotes.T[4]alldays = DayLocator()
months = MonthLocator()
month_formatter = DateFormatter("%b %Y")fig = plt.figure()
ax = fig.add_subplot(111)
# 绘制收盘价
ax.plot(dates, close)
# fill_between 用于填充区域
# 参数依次为 x 值，y 值下界，y 值上界，
# 需要填充的位置（布尔索引），填充色，不透明度
# 如果收盘价高于均值，将收盘价和最小值之间填充为绿色
plt.fill_between(dates, close.min(), close, where=close>close.mean(), facecolor="green", alpha=0.4)
# 如果收盘价低于均值，将收盘价和最小值之间填充为红色
plt.fill_between(dates, close.min(), close, where=close<close.mean(), facecolor="red", alpha=0.4)
ax.xaxis.set_major_locator(months)
ax.xaxis.set_minor_locator(alldays)
ax.xaxis.set_major_formatter(month_formatter)
ax.grid(True)
fig.autofmt_xdate()
plt.show()

使用图例和标注

from matplotlib.finance import quotes_historical_yahoo
from matplotlib.dates import DateFormatter
from matplotlib.dates import DayLocator
from matplotlib.dates import MonthLocator
import sys
from datetime import date
import matplotlib.pyplot as plt
import numpy as nptoday = date.today()
start = (today.year - 1, today.month, today.day)symbol = 'DISH'if len(sys.argv) == 2:symbol = sys.argv[1]# 读取 DISH 的日期和收盘价
quotes = quotes_historical_yahoo(symbol, start, today)
quotes = np.array(quotes)
dates = quotes.T[0]
close = quotes.T[4]# 获取 Figure 和 Axes 对象
fig = plt.figure()
ax = fig.add_subplot(111)emas = []# 计算窗口为 9、12、15 的指数滑动平均
for i in range(9, 18, 3):# 计算权重weights = np.exp(np.linspace(-1., 0., i))weights /= weights.sum()# 计算滑动平均ema = np.convolve(weights, close)[i-1:-i+1]idx = (i - 6)/3# 绘制滑动平均# 我们使用 label 关键字参数来添加标签ax.plot(dates[i-1:], ema, lw=idx, label="EMA(%s)" % (i))data = np.column_stack((dates[i-1:], ema))emas.append(np.rec.fromrecords(data, names=["dates", "ema"]))   # 寻找前两个滑动平均的交点
first = emas[0]["ema"].flatten()
second = emas[1]["ema"].flatten()
bools = np.abs(first[-len(second):] - second)/second < 0.0001
xpoints = np.compress(bools, emas[1])# 使用箭头来标注
for xpoint in xpoints:# annotate 函数用于标注# 第一个参数：标注文本# xy：被标注位置（箭头指向的点）# xytext：文本位置（箭头起始的点）# xycoords：xy 的坐标类型# textcoords：xytext 的坐标类型# arrowprops：箭头样式ax.annotate('x', xy=xpoint, textcoords='offset points',xytext=(-50, 30),arrowprops=dict(arrowstyle="->"))# 设置图例，loc='best' 让 Matplotlib 决定放在哪里
leg = ax.legend(loc='best', fancybox=True)
# 设置不透明度为 0.5
leg.get_frame().set_alpha(0.5)# 设置日期 Locator 和 Formatter
alldays = DayLocator()
months = MonthLocator()
month_formatter = DateFormatter("%b %Y")
# 绘制原始收盘价
ax.plot(dates, close, lw=1.0, label="Close")
ax.xaxis.set_major_locator(months)
ax.xaxis.set_minor_locator(alldays)
ax.xaxis.set_major_formatter(month_formatter)
ax.grid(True)
fig.autofmt_xdate()
plt.show()

三维绘图

# 绘制 z = x ** 2 + y ** 2
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm# 获取 Figure 实例
fig = plt.figure()
# 获取 Axes 实例，projection='3d' 表示三维绘图
ax = fig.add_subplot(111, projection='3d')u = np.linspace(-1, 1, 100)# x 和 y 从 -1 到 1 取 100 个点
# meshgrid 创建二维的网格，包含每一组 x, y
x, y = np.meshgrid(u, u)
z = x ** 2 + y ** 2
# plot_surface 用于绘制曲面
# rstride 和 cstride 是行和列步长
# 从输入数组中每四个点取一个点
# cmap 是颜色映射表
ax.plot_surface(x, y, z,  rstride=4, cstride=4, cmap=cm.YlGnBu_r)plt.show()

热力图

# 绘制 z = x ** 2 + y ** 2 的热力图
# 热力图的横轴是 x，纵轴是 y，颜色是 z
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cmfig = plt.figure()
ax = fig.add_subplot(111)u = np.linspace(-1, 1, 100)x, y = np.meshgrid(u, u)
z = x ** 2 + y ** 2
# contourf 用于绘制热力图
ax.contourf(x, y, z)plt.show()

绘制动画

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animationfig = plt.figure()
ax = fig.add_subplot(111)
# x, y, z 都是 10 个 0 ~ 1 的随机值
N = 10
x = np.random.rand(N)
y = np.random.rand(N)
z = np.random.rand(N)
# 绘制 x, y, z，并获取 Axes 实例
circles, triangles, dots = ax.plot(x, 'ro', y, 'g^', z, 'b.')
ax.set_ylim(0, 1)
# 去掉坐标轴
plt.axis('off')# 动画需要有帧函数，定期执行
# 这个函数将 data 的第一行作为圆圈的 y 值
# 第二行作为三角的 y 值
def update(data):circles.set_ydata(data[0])triangles.set_ydata(data[1])return circles, triangles# 动画需要一个数据序列（可迭代对象）
# 这是一个长度无限的生成器，每次迭代都返回 2xN 的随机值数组
def generate():while True: yield np.random.rand(2, N)# FuncAnimation 用于绘制对象
# 参数一次是 Figure 实例，帧函数，数据序列，以及刷新间隔
# 每次刷新时，都会用数据序列的当前值调用帧函数
anim = animation.FuncAnimation(fig, update, generate, interval=150)
plt.show()

NumPy Beginner's Guide 2e 带注释源码 九、使用 Matplotlib 绘图相关推荐

1. NumPy Beginner's Guide 2e 带注释源码 四、NumPy 便利的函数

   # 来源:NumPy Beginner's Guide 2e ch4 交易相关偶对 import numpy as np from matplotlib.pyplot import plot from ...

2. NumPy Beginner's Guide 2e 带注释源码 三、熟悉 NumPy 常用函数

   # 来源:NumPy Biginner's Guide 2e ch3 读写文件 import numpy as np# eye 用于创建单位矩阵 i2 = np.eye(2) print i2 ''' ...

3. NumPy Beginner's Guide 2e 带注释源码 七、NumPy 特殊例程

   # 来源:NumPy Biginner's Guide 2e ch7 字典排序 import numpy as np import datetime# 日期转成字符串 def datestr2num( ...

4. NumPy Beginner's Guide 2e 带注释源码 六、深入 NumPy 模块

   # 来源:NumPy Biginner's Guide 2e ch6 矩阵的逆 import numpy as npA = np.mat("0 1 2;1 0 3;4 -3 8") ...

5. NumPy Beginner's Guide 2e 带注释源码 五、处理 NumPy 矩阵和 ufunc

   # 来源:NumPy Biginner's Guide 2e ch5 创建矩阵 import numpy as np# mat 函数创建矩阵 # 空格分割行,分号分隔列 A = np.mat('1 2 ...

6. NumPy Beginner's Guide 2e 带注释源码 二、NumPy 基础入门

   # 来源:NumPy Biginner's Guide 2e ch2 >>> from numpy import * 多维数组 # 创建多维数组 >>> m = a ...

7. [转载] NumPy Beginner‘s Guide 2e 带注释源码 七、NumPy 特殊例程

   参考链接: Python中的numpy.npv 版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/deta ...

8. NumPy Cookbook 带注释源码 十一、NumPy 的底牌

   # 来源:NumPy Cookbook 2e Ch11np.random.seed(44) a = np.random.random_integers(-4, 4, 7) print(a) # [ 0 ...

9. NumPy Cookbook 带注释源码 二、NumPy 高级索引和数组概念

   调整图像尺寸 # 这个代码用于调整图像尺寸 # 来源:NumPy Cookbook 2e Ch2.3import scipy.misc import matplotlib.pyplot as plt ...

最新文章

1. Python中os和shutil模块实用方法集锦
2. git push 操作代码回退
3. 营业收入快速增长 Twilio 云通信成就大牛股
4. loadrunner 关联匹配多个值
5. vector的简单实现
6. java反射 pdf_java反射学习笔记整理.pdf
7. apache benchmark
8. 给Silverlight三十分钟
9. 2021-08-01 Python嵩天MOOC学习笔记 第六周
10. 解决leetcode题目乱码问题
11. 计算机技术比武优秀获奖感言,教学大赛获奖感言4篇
12. 愿你一直能够撑下去！
13. 【Python】《Python网络爬虫权威指南》第三章任务：验证六度分隔理论
14. 使用laravel开发微信公众的一个大坑，适合新手学习的laravel接入微信接口
15. 私域运营成功的三大基本要素
16. 数字验证识别python_Python机器学习！识别图中最难的数字！验证码？验证码是小儿科！-站长资讯中心...
17. YOLSO: You Only Look Small Object
18. EXCEL表格倒三角标志下拉选择的设置、取消限制方法
19. android 联系人 头像
20. 马化腾为什么将腾讯云放在未来发展的关键位置？

热门文章

1. 动态链接库的问题解决
2. excel两列相同匹配第三列_Vlookup函数解决Excel大量数据匹配问题
3. ios 请在设置中打开相机权限_在iOS中请求摄像头权限对话框启动（Prime权限）
4. 计算机网络（六）——连接到Internet
5. Linux内核分析 - 网络[四补]：路由表补充
6. mini2440驱动分析之ADC
7. android 拍摄二维码图片 变形矫正_鼻中隔先天偏曲矫正特殊案例——我为何给她做了两次手术...
8. 【数据库】第二章 基础函数、聚合函数、条件查询、子查询和多表查询
9. Leetcode刷题记录[java]——561 Array Partition I
10. 【转载】Mysql注入点在limit关键字后面的利用方法