Python绘图Matplotlib手册
Python绘图Matplotlib手册
作图函数
- 使用
pip install matplotlib
安装绘图库。 - 作图函数
(1)使用默认参数作图
import numpy as np
import matplotlib.pyplot as plt
# 生成-π到+π的256个元素的等差数列
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X) # 生成X的正弦余弦函数赋值给C, S
plt.plot(X, C) # 画图
plt.plot(X, S)
plt.show() # 展示图像
(2)改变颜色和线宽
import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
plt.figure(figsize=(10, 6), dpi=80) # 设置图标宽:高=10:6,dpi=80
# 设置余弦函数颜色蓝色,线宽2.5,样式为连线
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
plt.show()
(3)改变坐标轴刻度
import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
plt.figure(figsize=(10, 6), dpi=80)
# X坐标轴最小值、最大值设置为原来的1.1倍
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.ylim(C.min()*1.1, C.max()*1.1)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
plt.show()
(4)改变坐标轴刻度显示
import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
plt.figure(figsize=(10, 6), dpi=80)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi]) # 显示+-π,+-π/2的刻度
plt.yticks([-1, 0, +1]) # 显示+-1,0的刻度
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.ylim(C.min()*1.1, C.max()*1.1)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
plt.show()
import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
plt.figure(figsize=(10, 6), dpi=80)
# 显示+-π,+-π/2的刻度,将刻度映射成具体标签
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
# 显示+-1,0的刻度
plt.yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$'])
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.ylim(C.min()*1.1, C.max()*1.1)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
plt.show()
(5)移动坐标轴
import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
plt.figure(figsize=(10, 6), dpi=80)
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'$+1$'])
# 移动坐标轴
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.ylim(C.min()*1.1, C.max()*1.1)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
plt.show()
(6)增加图例
import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
plt.figure(figsize=(10, 6), dpi=80)
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'$+1$'])
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.ylim(C.min()*1.1, C.max()*1.1)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")
# 增加图例,plot方法需要指定label
plt.legend(loc='upper left', frameon=False)
plt.show()
(7)标记特殊点
import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
plt.figure(figsize=(10, 6), dpi=80)
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'$+1$'])
# 设置标记点
t = 2*np.pi/3
# plot横纵坐标参数都是列表,可以画出面积图,也可以画线
plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=1.5, linestyle='--')
# 标记出点
plt.scatter([t,], [np.cos(t),], 50, color='blue')
# 添加标注,第一个是标注的内容,第二个是标注的点,第三个是坐标,第四个是注释的位移,
# 第五个是注释坐标,第六个是箭头样式的设置,第七个是连接的样式
plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$', xy=(t, np.sin(t)), xycoords='data',xytext=(-100, -40), textcoords='offset points',fontsize=16,arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2'))
plt.plot([t, t], [0, np.sin(t)], color='red', linewidth=1.5, linestyle='--')
plt.scatter([t,], [np.sin(t),], 50, color='red')
plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{\sqrt{3}}{2}$', xy=(t, np.cos(t)), xycoords='data',xytext=(-90, -50), textcoords='offset points',fontsize=16,arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2'))
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")
# 增加图例,plot方法需要指定label
plt.legend(loc='upper left', frameon=False)
plt.show()
- 参数详细设置
(1)窗口设置
参数 | 默认值 | 描述 |
---|---|---|
num | 1 | 作图窗口的个数 |
figsize | figure.figsize | 宽高,单位英寸 |
dpi | figure.dpi | 分辨率 |
facecolor | figure.facecolor | 背景颜色 |
edgecolor | figure.edgecolor | 框线颜色 |
frameon | TRUE | 是否显示框线 |
(2)子图绘制
import numpy as np
import matplotlib.pyplot as plt
plt.subplot(1, 2, 1)
plt.subplot(1, 2, 2)
(3)比例绘图
import numpy as np
import matplotlib.pyplot as plt
plt.axes([0.1, 0.1, .8, .8])
plt.axes([0.2, 0.2, .3, .3])
Python绘图Matplotlib手册相关推荐
- python绘图—— matplotlib
python绘图-- matplotlib 1.模块导入 2.折线图绘制 2.1 设置画布大小 2.2画图 2.3 设置显示中文 2.4 设置标题 2.5 设置图例 2.6 设置坐标轴刻度和刻度标签 ...
- Python 绘图 Matplotlib 快速参考手册
http://www.labri.fr/perso/nrougier/teaching/matplotlib/#quick-references 1 作图函数 1.1 默认参数作图 import nu ...
- python绘图-Matplotlib模块
1.matplotlib是什么? python底层的绘图工具,是一个 Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形. 通过 Matplotlib,开发者可以仅 ...
- Python使用matplotlib绘图并去除颜色样条colorbar实战:remove colorbar from figure in matplotlib
Python使用matplotlib绘图并去除颜色样条colorbar实战:remove colorbar from figure in matplotlib 目录 Python使用matplotli ...
- Python使用matplotlib可视化绘图时你可用的颜色有哪些?把色彩可视化出来自己选好了
Python使用matplotlib可视化绘图时你可用的颜色有哪些?把色彩可视化出来自己选好了 目录 Python使用matplotlib可视化绘图时你可用的颜色有哪些?把色彩可视化出来自己选好了 # ...
- python画三维平面-Python三维绘图--Matplotlib
编辑推荐: 本文主要介绍如何用python的matplotlib库中丰富的三维绘图工具进行绘图,运用三维图给我们对数据带来更加深入地理解,希望对大家有帮助. 本文来自于csdn ,由火龙果软件Alic ...
- python绘图实例-Python使用matplotlib简单绘图示例
本文实例讲述了Python使用matplotlib简单绘图.分享给大家供大家参考,具体如下: # -*- coding:utf-8 -*- #! python2 """ ...
- python绘图模块pandas_python绘图:matplotlib和pandas的应用
在进行数据分析时,绘图是必不可少的模式探索方式.用Python进行数据分析时,matplotlib和pandas是最常用到的两个库. 1.matplotlib库的应用 准备工作如下:打开ipython ...
- Python绘图之matplotlib基础教程:matplotlib库图表绘制中常规设置大全(交互模式、清除原有图像、设置横坐标显示文字/旋转角度、添加图例、绘图布局自动调整、图像显示、图像暂停)
Python绘图之matplotlib基础教程:matplotlib库图表绘制中常规设置大全(交互模式.清除原有图像.设置横坐标显示文字/旋转角度.添加图例.绘图布局自动调整.图像显示.图像暂停) 目 ...
最新文章
- Warning message:NAs introduced by coercion
- 技术什么时候才叫牛?搞技术什么时候是个头?
- 用实例讲解Spark Sreaming--转
- Zookeeper: Zookeeper架构及FastLeaderElection机制
- Spring的常见问题及答案
- LeetCode 540. Single Element in a Sorted Array
- HTML5 nav元素
- switch off c语言,逆向工程 | C 语言之 switch-case 分支
- 2016012072+张济吨+散列函数的应用及其安全性
- apt get php mysql_Ubuntu10用apt-get配置apache+php+mysql(轉)
- 华为鸿蒙os什么时候发布,鸿蒙OS将于今天发布
- 狄斯奎诺算法 c语言,图的邻接表实现迪杰斯特拉算法(C语言)
- Springboot毕设项目监狱管理系统xu08n(java+VUE+Mybatis+Maven+Mysql)
- IDEA配置maven本地仓库
- ISO20022报文
- Ubuntu下将dmg文件转换成dcr和ISO文件
- Vue 响应式实现原理深入浅出
- Brain Stimulation: ​大脑电生理记录和刺激工具包(BEST)
- 极简投资笔记-做一个富有的你自己
- CCF- CSP 201912-2回收站选址 巧用STL实现O(n)时间复杂度 满分题解
热门文章
- 【企业】华为智选 VS 小米生态链,万物互联时代角逐 C 位
- 基于TMS320C6748技术的小电流故障选线装置算法
- [全程建模]响应张恂之《青润,你的胡扯还不够吗?》第三篇及一个腾讯的岗位需求...
- 【Paper】2021_具有角速度和输入约束的航天器姿态协同控制
- java银行转账会出现的问题_java基础入门-多线程同步浅析-以银行转账为例子
- 审评(HelloWorld团队)
- 扎实好用的快充双C口数据线
- 猎头与人才沟通会涉及哪些问题呢?
- 双十一销量预测_2020年双十一销售额预测(双11交易额预测值)
- python纸牌游戏_python模拟简单的扑克牌游戏