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 ...

【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】

每日一言：

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

最新文章

热门文章