【数学建模学习笔记【集训十天】之第六天】
数模学习目录
- Matplotlib 学习
- Matplotlib简介
- Matplotlib 散点图
- 运行效果如下:
- Matplotlib Pyplot
- 运行效果如下:
- 关于plot()
- 运行效果如下:
- 绘制任意数量的点
- 运行效果如下:
- 不指定 x 轴上的点,看看效果
- 运行效果如下:
- 再看看y更多值的效果
- 运行效果如下:
- 绘制正余弦图:
- 运行效果如下:
- 两个数据集
- 运行效果如下:
- Matplotlib 绘图标记
- 实心圆标记:
- 运行效果如下:
- 用 * 标记
- 运行效果如下:
- 用下箭头标记
- 运行效果如下:
- Matplotlib 折线图
- 运行效果如下:
- fmt 参数
- 运行效果如下:
- 标记大小与颜色
- 设置标记大小:
- 运行效果如下:
- 设置标记外边框颜色:
- 运行效果如下:
- 设置标记内部颜色:
- 运行效果如下:
- Matplotlib 条形图
- 运行效果如下:
- 总结
- 上一章链接:[【数学建模学习笔记【集训十天】之第五天】](https://blog.csdn.net/m0_66318554/article/details/125556546)
- 每日一言:
- 持续更新中
Matplotlib 学习
Matplotlib简介
# -*- coding = utf-8 -*-
# @Time : 2022/7/2 10:42
# @Author : lxw_pro
# @File : Matplotlib 学习.py
# @Software : PyCharm# Matplotlib简介:
'''
使用 Matplotlib 在 Python 中创建图表【Matplotlib 是用于创建图表的 Python 库】
Matplotlib 是一个非常强大的 Python 画图工具,我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。
它能让使用者很轻松地将数据图形化,并且提供多样化的输出格式【可创建散点图,折线图,条形图和饼图等】
Matplotlib 可以用来绘制各种静态,动态,交互式的图表。注:在使用之前需在终端安装Matplotlib
安装命令为:pip install matplotlibMatplotlib应用:
Matplotlib 通常与 NumPy 和 SciPy(Scientific Python)一起使用, 这种组合广泛用于替代 MatLab,
是一个强大的科学计算环境,有助于我们通过 Python 学习数据科学或者机器学习'''# 查看版本
import matplotlibprint(matplotlib.__version__)
Matplotlib 散点图
# Matplotlib 散点图
# 散点图是一种图形或数学图,使用笛卡尔坐标显示一组数据的两个变量的值# 使用时,我们可以使用 import 导入 pyplot 库,并设置一个别名 plt
import matplotlib.pyplot as pltx_hz = [i for i in range(10)] # 时间数据
y_zz = [6, 14, 21, 36, 45, 52, 66, 72, 88, 92] # 价格数据plt.title('price for 10 years') # 设置图表标题
plt.scatter(x_hz, y_zz, color='blue', marker='x', label='item 1') # scatter()功能绘制散点图plt.xlabel('year') # 设置x轴标签
plt.ylabel('price') # 设置y轴标签plt.grid(True) # grid()功能显示网格
plt.legend() # legend()功能在轴上放置图例plt.show() # 显示图表
运行效果如下:
Matplotlib Pyplot
# Matplotlib Pyplot
'''
Pyplot 是 Matplotlib 的子库,提供了和 MATLAB 类似的绘图 API。Pyplot 是常用的绘图模块,能很方便让用户绘制 2D 图表。Pyplot 包含一系列绘图函数的相关函数,每个函数会对当前的图像进行一些修改'''import matplotlib.pyplot as plt
import numpy as npx_d = np.array([0, 8])
y_d = np.array([0, 120])plt.plot(x_d, y_d) # plot() 函数是绘制二维图形的最基本函数
plt.show()
运行效果如下:
关于plot()
# 关于plot()
'''
plot() 用于画图它可以绘制点和线,语法格式如下:# 画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
# 画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
参数说明:x, y:点或线的节点,x 为 x 轴数据,y 为 y 轴数据,数据可以列表或数组。
fmt:可选,定义基本格式(如颜色、标记和线条样式)。
**kwargs:可选,用在二维平面图上,设置指定属性,如标签,线的宽度等。颜色字符:'b' 蓝色,'m' 洋红色,'g' 绿色,'y' 黄色,'r' 红色,'k' 黑色,'w' 白色,'c' 青绿色,'#008000' RGB 颜色符串。多条曲线不指定颜色时,会自动选择不同颜色。线型参数:'‐' 实线,'‐‐' 破折线,'‐.' 点划线,':' 虚线。标记字符:'.' 点标记,',' 像素标记(极小点),'o' 实心圈标记,'v' 倒三角标记,'^' 上三角标记,'>' 右三角标记,'<' 左三角标记...等等'''# 可使用 o 参数,表示一个实心圈的标记
import matplotlib.pyplot as plt
import numpy as npx_p = np.array([0, 6])
y_p = np.array([3, 9])plt.plot(x_p, y_p, 'o')
plt.show()
运行效果如下:
绘制任意数量的点
# 绘制任意数量的点
import matplotlib.pyplot as plt
import numpy as npx_dp = np.array([1, 3, 5, 7, 9])
y_dp = np.array([8, 4, 2, 6, 0])plt.plot(x_dp, y_dp)
plt.show()
运行效果如下:
不指定 x 轴上的点,看看效果
# 不指定 x 轴上的点,看看效果
import matplotlib.pyplot as plt
import numpy as npyd = np.array([2, 9])plt.plot(yd)
plt.show()
运行效果如下:
再看看y更多值的效果
# 再看看y更多值的效果
import matplotlib.pyplot as plt
import numpy as npyd2 = np.array([2, 9, 1, 8, 3, 8])plt.plot(yd2)
plt.show()
运行效果如下:
绘制正余弦图:
# 绘制正余弦图:
import matplotlib.pyplot as plt
import numpy as npx = np.arange(0, 4*np.pi, 0.1)
y = np.sin(x)
z = np.cos(x)plt.plot(x, y, x, z)
plt.show()
运行效果如下:
两个数据集
# 两个数据集
import matplotlib.pyplot as pltx_d1 = [i for i in range(1, 11)]
y_d1 = [2, 32, 41, 6, 15, 34, 34, 23, 12, 9]x_d2 = [i for i in range(1, 11)]
y_d2 = [4, 12, 43, 21, 52, 32, 12, 43, 8, 20]plt.title('Prices for 10 years')plt.scatter(x_d1, y_d1, color='darkblue', marker='x', label='item 1')
plt.scatter(x_d2, y_d2, color='darkred', marker='x', label='item 2')plt.xlabel('Year')
plt.ylabel('Price')plt.grid(True)
plt.legend()plt.show()
运行效果如下:
Matplotlib 绘图标记
实心圆标记:
# Matplotlib 绘图标记
# 绘图过程可使用 plot() 方法的 marker 参数来定义标记# 实心圆标记:
import matplotlib.pyplot as plt
import numpy as npyp = np.array([1, 3, 1, 4, 1, 5, 9, 5, 2, 1])plt.plot(yp, marker='o')
plt.show()
运行效果如下:
用 * 标记
# 用 * 标记
import matplotlib.pyplot as plt
import numpy as npyp2 = np.array([2, 3, 2, 43, 23, 12, 3, 4, 12, 43, 12])plt.plot(yp, marker='*')
plt.show()
运行效果如下:
用下箭头标记
# 用下箭头标记
import matplotlib.pyplot as plt
import matplotlib.markersplt.plot([1, 3, 5], marker=matplotlib.markers.CARETUPBASE)
plt.show()
运行效果如下:
Matplotlib 折线图
# Matplotlib 折线图
# 折线图是一种显示图表的图表,该信息显示为一系列数据点,这些数据点通过直线段相连,称为标记# 正弦波折线图:
import matplotlib.pyplot as plt
import numpy as npt = np.arange(0.0, 4.0, 0.01) # arange()函数返回给定间隔内的均匀间隔的值列表
s = np.sin(2.5*np.pi*t)# plot()功能绘制折线图
plt.plot(t, s)plt.title('Wave')plt.xlabel('Time')
plt.ylabel('Vol')plt.grid(True)
plt.show()
运行效果如下:
fmt 参数
# fmt参数
'''
fmt 参数
fmt 参数定义了基本格式,如标记、线条样式和颜色。fmt = '[marker][line][color]'
如 o:r【o 表示实心圆标记,: 表示虚线,r 表示颜色为红色】: 代表虚线 - 代表实线
-- 代表破折线 -. 代表点划线除了黑色是用k表示,其他颜色均用各自英文首字母表示'''
import matplotlib.pyplot as plt
import numpy as npft = np.array([3, 9, 2, 6])
plt.plot(ft, 'o:r')plt.show()
运行效果如下:
标记大小与颜色
设置标记大小:
# 标记大小与颜色
'''
标记大小与颜色
我们可以自定义标记的大小与颜色,使用的参数分别是:
markersize,简写为 ms:定义标记的大小。
markerfacecolor,简写为 mfc:定义标记内部的颜色。
markeredgecolor,简写为 mec:定义标记边框的颜色。'''# 设置标记大小:
import matplotlib.pyplot as plt
import numpy as npdx = np.array([2, 32, 1, 43, 12, 12, 3])
plt.plot(dx, marker='o', ms=20)plt.show()
运行效果如下:
设置标记外边框颜色:
# 设置标记外边框颜色:
import numpy as np
import matplotlib.pyplot as pltyys = np.array([2, 1, 43, 1, 2, 12, 1])
plt.plot(yys, marker='*', ms=20, mec='g')plt.show()
运行效果如下:
设置标记内部颜色:
# 设置标记内部颜色:
import matplotlib.pyplot as plt
import numpy as npnys = np.array([2,3, 32, 12, 43, 12, 9])
plt.plot(nys, marker='o', ms=20, mfc='r')plt.show()
运行效果如下:
Matplotlib 条形图
# Matplotlib 条形图
# 条形图显示带有矩形条的分组数据,其长度与它们代表的值成比例【条形图可以垂直或水平绘制】
import matplotlib.pyplot as plt
import matplotlib.style as stysty.use('ggplot')x = [i for i in range(1, 4)]
y = [12, 8, 4]fuck, ax = plt.subplots() # subplots()函数返回图形和轴对象ax.bar(x, y, align='center') # bar()功能生成条形图ax.set_title('Olympic Gold for London')
ax.set_ylabel('Gold medals')
ax.set_xlabel('Countries')ax.set_xticks(x)
ax.set_xticklabels(('China', 'UK', 'USA'))plt.show()
运行效果如下:
总结
我写的之后才知道,光是想写是不够的,要学的东西还有很多很多,不过这些暂时都是次要的,主要的还是享受当前的学习,感受当前学习中的乐趣。
上一章链接:【数学建模学习笔记【集训十天】之第五天】
每日一言:
我对赢没兴趣,只是不想输而已!!!
持续更新中
【数学建模学习笔记【集训十天】之第六天】相关推荐
- 数学建模学习笔记(十)——时间序列模型
文章目录 一.时间序列综述 二.时间序列数据以及基本概念 三.时间序列分解 四.指数平滑模型 五.一元时间序列分析的模型 六.AR(p)模型 七.MA(q)模型 八.ARMA(p, q)模型 九.模型 ...
- 数学建模学习笔记(十二)——奇异值分解
文章目录 一.综述 二.奇异值分解 三.使用SVD进行降维 四.SVD的评价及应用 一.综述 奇异值分解是线性代数中一种重要的矩阵分解方法,它在图形的压缩等方面具有重要的意义及作用. 二.奇异值分解 ...
- 数学建模学习笔记(十五)数据归一化
在神经网络构建之前,需要对数据进行归一化处理,为什么要归一化? 因为不同数据范围不同,比如一个特征的数据范围为(1,5),另一个为(100,1000),会导致特征之间对结果的影响不同,因此需要将它们归 ...
- 数学建模学习笔记(十六)lingo求解整数规划
之前没用过lingo,这次遇到一个线性整数规划的问题,尝试用了lingo求解,发现上手还是很容易的.将题目和求解放置在此,以便查阅~ 问题: 使用lingo求解,输入以下代码 model: min=1 ...
- 数学建模学习笔记(2.3)lingo软件求解线性规划问题
数学建模学习笔记(2.3)lingo软件求解线性规划问题 lingo软件的优势在于体积小,专注于解决优化问题 且编程语言通俗易懂,没有门槛 对于刚刚接触数学建模同学比较友善 当然对于已经参与建模很久的 ...
- 数学建模学习笔记(1)数学模型的特点和分类
数学建模学习笔记(1)数学模型的特点和分类 ps:学习的教材为姜启源著的<数学模型(第四版)> 领取数模资料和更多内容请关注公众号:拾壹纪元 传送门: 线性规划(LP)问题 https:/ ...
- 数学建模学习笔记之评价问题聚类分析法
数学建模学习笔记之评价问题聚类分析法 物以类聚.人以群分. 聚类分析是一个很大的概念,显然根据分类的依据不同会出现很多很多聚类的方法.例如K-Means .Sequential Leader.Mode ...
- 数学建模学习笔记(一):插值法
文章目录 前言 一.一维插值问题的描述 二.常用插值方法 1.Lagrange插值法 2.Newton插值法 三.高次插值的Runge现象 四.Matlab插值 1.一维插值 2.二维插值 3.散乱点 ...
- 数学建模学习笔记-概况
目录 1概况. 数学建模: 数学建模的模块: 一般步骤: 全过程: 论文的基本流程 模块学习: 1.题目备战:掌握固定模式 2.摘要备战:总结归纳能力,通过看高水平论文掌握. 3.问题重述:切忌直接抄 ...
最新文章
- wifidog接口文档(转)
- 初始化QChart极坐标图(含曲线、散点)
- Jumpserver web界面跳板机
- android--------自定义控件ListView实现下拉刷新和上拉加载
- weblogic的安装、目录结构、启动
- Visdom:Python可视化神器
- Emacs进阶之选择当前word/line
- Whl自助搜索下载器
- 9.Memcached 介绍
- 特殊符号(包括数字和字母)
- Java抓图程序的实现(改进版)
- 智能客服 | 5款绝佳客户服务聊天机器人推荐
- iphone手机铃声制作(iTunes)
- web前端开发免费教程
- 我赢助手手把手教您挖掘用户痛点、做到独一无二的定位
- 知乎 量子计算机 未来,知乎打脸媒体“无脑吹”昆仑量子计算模拟机
- 算法刷题(蓝)【基础篇+算法篇】【Python版】
- 计算机类非全日制研究生
- 用友BIP产品矩阵亮相首届中小企业数字化转型大会,数智创新驱动企业高效成长
- 计算机OSI七层参考模型
热门文章
- 大数据培训之核心知识点Hbase、Hive、Spark和MapReduce的概念理解、特点及机制等
- echarts 画动态水球
- vue echarts 水球图 多个水球图并存配置
- Nginx中的include
- 杀手机器人的漫长过程继续
- The Journey of the Lunch Launcher and Store and Forward Messaging
- 16篇论文入选AAAI 2021,京东数科AI都在关注什么?(附论文下载)
- 3. 无重复字符的最长子串
- 联果云全媒体广告是什么?现在创业做这个项目合适么?
- WCR RIAServices+Silverlight是个好东西.