python绘制曲线y=2x+5_Python Matplotlib 简易教程

原标题：Python Matplotlib 简易教程

简单演示

import matplotlib.pyplot as plt

import numpy as np

# 从[-1,1]中等距去50个数作为x的取值

x = np.linspace(-1, 1, 50)

print(x)

y = 2*x + 1

# 第一个是横坐标的值，第二个是纵坐标的值

plt.plot(x, y)

# 必要方法，用于将设置好的figure对象显示出来

plt.show()

import matplotlib.pyplot as plt

import numpy as np

x = np.linspace(-1, 1, 50)

y = 2**x + 1

# 第一个是横坐标的值，第二个是纵坐标的值

plt.plot(x, y)

plt.show()

显示多个图像

import matplotlib.pyplot as plt

import numpy as np

# 多个figure

x = np.linspace(-1, 1, 50)

y1 = 2*x + 1

y2 = 2**x + 1

# 使用figure()函数重新申请一个figure对象

# 注意，每次调用figure的时候都会重新申请一个figure对象

plt.figure()

# 第一个是横坐标的值，第二个是纵坐标的值

plt.plot(x, y1)

# 第一个参数表示的是编号，第二个表示的是图表的长宽

plt.figure(num = 3, figsize=(8, 5))

# 当我们需要在画板中绘制两条线的时候，可以使用下面的方法：

plt.plot(x, y2)

plt.plot(x, y1,

color='red', # 线颜色

linewidth=1.0, # 线宽

linestyle='--' # 线样式

)

plt.show()

这里会显示两个图像：

去除边框，指定轴的名称

import matplotlib.pyplot as plt

import numpy as np

# 从[-1,1]中等距去50个数作为x的取值

x = np.linspace(-1, 1, 50)

y1 = 2*x + 1

y2 = 2**x + 1

# 请求一个新的figure对象

plt.figure()

# 第一个是横坐标的值，第二个是纵坐标的值

plt.plot(x, y1)

# 设置轴线的lable（标签）

plt.xlabel("I am x")

plt.ylabel("I am y")

plt.show()

同时绘制多条曲线

import matplotlib.pyplot as plt

import numpy as np

# 从[-1,1]中等距去50个数作为x的取值

x = np.linspace(-1, 1, 50)

y1 = 2*x + 1

y2 = 2**x + 1

# num表示的是编号，figsize表示的是图表的长宽

plt.figure(num = 3, figsize=(8, 5))

plt.plot(x, y2)

# 设置线条的样式

plt.plot(x, y1,

color='red', # 线条的颜色

linewidth=1.0, # 线条的粗细

linestyle='--' # 线条的样式

)

# 设置取值参数范围

plt.xlim((-1, 2)) # x参数范围

plt.ylim((1, 3)) # y参数范围

# 设置点的位置

new_ticks = np.linspace(-1, 2, 5)

plt.xticks(new_ticks)

# 为点的位置设置对应的文字。

# 第一个参数是点的位置，第二个参数是点的文字提示。

plt.yticks([-2, -1.8, -1, 1.22, 3],

[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$readly\ good$'])

# gca = 'get current axis'

ax = plt.gca()

# 将右边和上边的边框（脊）的颜色去掉

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 绑定x轴和y轴

ax.xaxis.set_ticks_position('bottom')

ax.yaxis.set_ticks_position('left')

# 定义x轴和y轴的位置

ax.spines['bottom'].set_position(('data', 0))

ax.spines['left'].set_position(('data', 0))

plt.show()

多条曲线之曲线说明

import matplotlib.pyplot as plt

import numpy as np

# 从[-1,1]中等距去50个数作为x的取值

x = np.linspace(-1, 1, 50)

y1 = 2*x + 1

y2 = 2**x + 1

# 第一个参数表示的是编号，第二个表示的是图表的长宽

plt.figure(num = 3, figsize=(8, 5))

plt.plot(x, y2)

plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

# 设置取值参数

plt.xlim((-1, 2))

plt.ylim((1, 3))

# 设置lable

plt.xlabel("I am x")

plt.ylabel("I am y")

# 设置点的位置

new_ticks = np.linspace(-1, 2, 5)

plt.xticks(new_ticks)

plt.yticks([-2, -1.8, -1, 1.22,3],

[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$readly\ good$'])

l1, = plt.plot(x, y2,

label='aaa'

)

l2, = plt.plot(x, y1,

color='red', # 线条颜色

linewidth = 1.0, # 线条宽度

linestyle='-.', # 线条样式

label='bbb' #标签

)

# 使用ｌｅｇｅｎｄ绘制多条曲线

plt.legend(handles=[l1, l2],

labels = ['aaa', 'bbb'],

loc = 'best'

)

plt.show()

多个figure，并加上特殊点注释

import matplotlib.pyplot as plt

import numpy as np

# 从[-1,1]中等距去50个数作为x的取值

x = np.linspace(-1, 1, 50)

y1 = 2*x + 1

y2 = 2**x + 1

plt.figure(figsize=(12, 8)) # 第一个参数表示的是编号，第二个表示的是图表的长宽

plt.plot(x, y2)

plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

# gca = 'get current axis'

ax = plt.gca()

# 将右边和上边的边框（脊）的颜色去掉

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 绑定x轴和y轴

ax.xaxis.set_ticks_position('bottom')

ax.yaxis.set_ticks_position('left')

# 定义x轴和y轴的位置

ax.spines['bottom'].set_position(('data', 0))

ax.spines['left'].set_position(('data', 0))

# 显示交叉点

x0 = 1

y0 = 2*x0 + 1

# s表示点的大小，默认rcParams['lines.markersize']**2

plt.scatter(x0, y0, s = 66, color = 'b')

# 定义线的范围，X的范围是定值，y的范围是从y0到0的位置

# lw的意思是linewidth,线宽

plt.plot([x0, x0], [y0, 0], 'k-.', lw= 2.5)

# 设置关键位置的提示信息

plt.annotate(r'$2x+1=%s$' %

y0,

xy=(x0, y0),

xycoords='data',

xytext=(+30, -30),

textcoords='offset points',

fontsize=16, # 这里设置的是字体的大小

# 这里设置的是箭头和箭头的弧度

arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')

)

# 在figure中显示文字信息

# 可以使用\来输出特殊的字符\mu\ \sigma\ \alpha

plt.text(0, 3,

r'$This\ is\ a\ good\ idea.\ \mu\ \sigma_i\ \alpha_t$',

fontdict={'size':16,'color':'r'})

plt.show()

tick能见度设置

import matplotlib.pyplot as plt

import numpy as np

# 从[-1,1]中等距去50个数作为x的取值

x = np.linspace(-1, 1, 50)

y = 2*x - 1

plt.figure(figsize=(12, 8)) # 第一个参数表示的是编号，第二个表示的是图表的长宽

# alpha是设置透明度的

plt.plot(x, y, color='r', linewidth=10.0, alpha=0.5)

# gca = 'get current axis'

ax = plt.gca()

# 将右边和上边的边框（脊）的颜色去掉

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 绑定x轴和y轴

ax.xaxis.set_ticks_position('bottom')

ax.yaxis.set_ticks_position('left')

# 定义x轴和y轴的位置

ax.spines['bottom'].set_position(('data', 0))

ax.spines['left'].set_position(('data', 0))

# 可以使用tick设置透明度

for label in ax.get_xticklabels() + ax.get_yticklabels():

label.set_fontsize(12)

label.set_bbox(dict(facecolor='y', edgecolor='None', alpha=0.7))

plt.show()

多条曲线通用例子

def init_colors():

return ['blue', 'red', 'green', 'black', 'pink', 'purple', 'gray', 'yellow']

def show_graph(data, save_png_name=None, colors=init_colors()):

"""

绘制折线图

:param data: 数据格式：{label:{X:Y}, label:{X:Y}...}

:param save_png_name:保存的图片的名字

:param colors: 颜色列表

:return:

None

"""

# 解决中文显示乱码的问题，不用中文就不需要设置了

my_font = font_manager.FontProperties(fname="/自己补充路径/IOS8.ttf")

plt.figure(figsize=(14, 6))

plts = []

labels = []

for index, label in enumerate(data.keys()):

if label is 'rotate':

continue

color = colors[index]

X = data.get(label).keys()

Y = [data.get(label).get(x) for x in X]

temp, = plt.plot(X, Y, color=color, label=label)

plts.append(temp)

labels.append(label)

plt.legend(handles=plts, labels=labels, prop=my_font)

plt.show()

if save_png_name is not None:

plt.savefig(save_png_name)

散点图

import matplotlib.pyplot as plt

import numpy as np

n = 1024

# 从[0]

X = np.random.normal(0, 1, n)

Y = np.random.normal(0, 1, n)

T = np.arctan2(X, Y)

plt.scatter(np.arange(5), np.arange(5))

plt.xticks(())

plt.yticks(())

plt.show()

条形图

import matplotlib.pyplot as plt

import numpy as np

n = 12

X = np.arange(n)

Y1 = (1 - X/float(n)) * np.random.uniform(0.5, 1.0, n)

Y2 = (1 - X/float(n)) * np.random.uniform(0.5, 1.0, n)

plt.figure(figsize=(12, 8))

plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')

plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x, y in zip(X,Y1):

# ha: horizontal alignment水平方向

# va: vertical alignment垂直方向

plt.text(x, y+0.05, '%.2f' % y, ha='center', va='bottom')

for x, y in zip(X,-Y2):

# ha: horizontal alignment水平方向

# va: vertical alignment垂直方向

plt.text(x, y-0.05, '%.2f' % y, ha='center', va='top')

# 定义范围和标签

plt.xlim(-.5, n)

plt.xticks(())

plt.ylim(-1.25, 1.25)

plt.yticks(())

plt.show()

contour等高线图

import matplotlib.pyplot as plt

import numpy as np

def get_height(x, y):

# the height function

return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n = 256

x = np.linspace(-3, 3, n)

y = np.linspace(-3, 3, n)

X, Y = np.meshgrid(x, y)

plt.figure(figsize=(14, 8))

# use plt.contourf to filling contours

# X, Y and value for (X, Y) point

# 横坐标、纵坐标、高度、、透明度、cmap是颜色对应表

# 等高线的填充颜色

plt.contourf(X, Y, get_height(X, Y), 16, alpah=0.7, cmap=plt.cm.hot)

# use plt.contour to add contour lines

# 这里是等高线的线

C = plt.contour(X, Y, get_height(X, Y), 16, color='black', linewidth=.5)

# adding label

plt.clabel(C, inline=True, fontsize=16)

plt.xticks(())

plt.yticks(())

plt.show()

image图片显示

import matplotlib.pyplot as plt

import numpy as np

# image data

a = np.array([0.313660827978, 0.365348418405, 0.423733120134,

0.365348418405, 0.439599930621, 0.525083754405,

0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)

"""

for the value of "interpolation", check this:

http://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.html

for the value of "origin"= ['upper', 'lower'], check this:

http://matplotlib.org/examples/pylab_examples/image_origin.html

"""

# 这是颜色的标注

# 主要使用imshow来显示图片，这里暂时不适用图片来显示，采用色块的方式演示。

plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')

plt.colorbar(shrink=.90) # 这是颜色深度的标注，shrink表示压缩比例

plt.xticks(())

plt.yticks(())

plt.show()

3D数据图

import matplotlib.pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(12, 8))

ax = Axes3D(fig)

# 生成X，Y

X = np.arange(-4, 4, 0.25)

Y = np.arange(-4, 4, 0.25)

X,Y = np.meshgrid(X, Y)

R = np.sqrt(X**2 + Y**2)

# height value

Z = np.sin(R)

# 绘图

# rstride（row）和cstride(column)表示的是行列的跨度

ax.plot_surface(X, Y, Z,

rstride=1, # 行的跨度

cstride=1, # 列的跨度

cmap=plt.get_cmap('rainbow') # 颜色映射样式设置

)

# offset 表示距离zdir的轴距离

ax.contourf(X, Y, Z, zdir='z', offest=-2, cmap='rainbow')

ax.set_zlim(-2, 2)

plt.show()

Subplot多合一显示

import matplotlib.pyplot as plt

import numpy as np

plt.figure()

# 将整个figure分成两行两列

plt.subplot(2, 2, 1)

# 第一个参数表示X的范围，第二个是y的范围

plt.plot([0, 1], [0, 1])

plt.subplot(222)

plt.plot([0, 1], [0, 2])

plt.subplot(223)

plt.plot([0, 1], [0, 3])

plt.subplot(224)

plt.plot([0, 1], [0, 4])

plt.show()

分格显示

subplot2grid

import matplotlib.pyplot as plt

import numpy as np

import matplotlib.gridspec as gridspec

plt.figure()

# 第一个元素表示将总的面板进行划分，划分为3行3列，

# 第二个元素表示该面板从0行0列开始，列的跨度（colspan）为3列，行的跨度（rowspan）为1

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1)

# 第一个元素的表示X的范围为[1,2]，第二个元素表示Y的范围为[1,2]

ax1.plot([1, 2], [1, 2])

ax1.set_title(r'$ax1\_title$')

# 第一个元素表示将总的面板进行划分，划分为3行3列，

# 第二个元素表示该面板从1行0列开始，列的跨度（colspan）为2列，行的跨度（rowspan）取默认值1

ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)

ax2.set_title(r'$ax2\_title$')

# 第一个元素表示将总的面板进行划分，划分为3行3列，

# 第二个元素表示该面板从1行2列开始，行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1

ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)

ax3.set_title(r'$ax3\_title$')

# 第一个元素表示将总的面板进行划分，划分为3行3列，

# 第二个元素表示该面板从2行0列开始,行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1

ax4 = plt.subplot2grid((3, 3), (2, 0))

ax4.set_title(r'$ax4\_title$')

# 第一个元素表示将总的面板进行划分，划分为3行3列，

# 第二个元素表示该面板从2行1列开始,行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1

ax5 = plt.subplot2grid((3, 3), (2, 1))

ax5.set_title(r'$ax5\_title$')

plt.tight_layout()

plt.show()

gridspec

import matplotlib.pyplot as plt

import numpy as np

plt.figure()

# 首先，定义网格的布局为3行3列

gs = gridspec.GridSpec(3, 3)

# 这里表示从0行全部都是ax1的

ax1 = plt.subplot(gs[0, :])

ax1.set_title(r'$ax1\_title$')

# 这里表示第一行中0列和1列都是ax2的

ax2 = plt.subplot(gs[1, :2])

ax2.set_title(r'$ax2\_title$')

# 这里表示第一行中2列是ax3的

ax3 = plt.subplot(gs[1:, 2])

ax3.set_title(r'$ax3\_title$')

# 这里表示最后一行中0列是ax4的

ax4 = plt.subplot(gs[-1, 0])

ax4.set_title(r'$ax4\_title$')

# 这里表示最后一行中倒数第二列是ax5的

ax5 = plt.subplot(gs[-1, -2])

ax5.set_title(r'$ax5\_title$')

plt.tight_layout()

plt.show()

easy to define structure分格显示

import matplotlib.pyplot as plt

import numpy as np

plt.figure()

# sharex表示共享X轴，sharey表示共享y轴

f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)

# 显示点（1, 2）, （1, 2）

ax11.scatter([1, 2], [1, 2])

ax11.set_title('11')

ax12.set_title('11')

ax21.set_title('21')

ax22.set_title('22')

plt.tight_layout()

plt.show()

图中图

import matplotlib.pyplot as plt

import numpy as np

fig = plt.figure(figsize=(10, 6))

x = [1, 2, 3, 4, 5, 6, 7]

y = [1, 3, 4, 2, 5, 8, 6]

# 大图

left, bottom, width, weight = 0.1, 0.1, 0.8, 0.8

ax1 = fig.add_axes([left, bottom, width, weight])

ax1.plot(x, y, 'r')

ax1.set_xlabel(r'$x$')

ax1.set_ylabel(r'$y$')

ax1.set_title(r'$××Interesting××$')

# 左上小图

left, bottom, width, weight = 0.2, 0.6, 0.25, 0.25

ax2 = fig.add_axes([left, bottom, width, weight])

ax2.plot(y, x, 'b')

ax2.set_xlabel(r'$x$')

ax2.set_ylabel(r'$y$')

ax2.set_title(r'$title\ inside\ 1$')

# 右下小图

plt.axes([0.6, 0.2, 0.25, 0.25])

# 将y的数据逆序输出[::1]

plt.plot(y[::-1],x, 'g')

plt.xlabel('x')

plt.ylabel('y')

plt.title(r'$title\ inside\ 2$')

plt.show()

主次坐标轴

import matplotlib.pyplot as plt

import numpy as np

# 从[0, 10]以0.1为间隔，形成一个列表

x = np.arange(0, 10, 0.1)

y1 = 0.05 * x**2

y2 = -1 * y1

fig, ax1 = plt.subplots()

# 镜像（上下左右颠倒）

ax2 = ax1.twinx()

ax1.plot(x, y1, 'g-')

ax2.plot(x, y2, 'b--')

# 为轴进行命名

ax1.set_xlabel(r'$X\ data$', fontsize=16)

ax1.set_ylabel(r'$Y1$', color='g', fontsize=16)

ax2.set_ylabel(r'$Y2$', color='b', fontsize=16)

plt.show()

Animation动画

import matplotlib.pyplot as plt

import numpy as np

from matplotlib import animation

fig, ax = plt.subplots()

# 从[0, 2*np.pi]以0.01为间隔，形成一个列表

x = np.arange(0, 2*np.pi, 0.01)

# 这里只需要列表的第一个元素，所以就用逗号“,”加空白的形式省略了列表后面的元素

line, = ax.plot(x, np.sin(x))

def animate(i):

line.set_ydata(np.sin(x + i/100))

return line,

def init():

line.set_ydata(np.sin(x))

# 这里由于仅仅需要列表的第一个参数，所以后面的就直接用空白省略了

return line,

ani = animation.FuncAnimation(fig=fig,

func=animate, # 动画函数

frames=100, # 帧数

init_func=init, # 初始化函数

interval=20, # 20ms

blit=True)

plt.show()

好了，本文就给大伙分享到这里，文末分享一波福利

获取方式：加python群 839383765 即可获取！返回搜狐，查看更多

责任编辑：

python绘制曲线y=2x+5_Python Matplotlib 简易教程相关推荐

python绘制曲线y=2x+5_Python绘制简易的二维图像
大家好,我是飞向天空的牛. 最近学习了一下用Python绘制简易的二维图像,代码如下图所示:绘图代码文本如下: import matplotlib.pyplot as plt import nump ...
python绘制曲线y=2x+5_Python数据可视化：Matplotlib绘图详解（二）
上一章节我们学习了matplotlib的基本用法和坐标轴设置方面的一些内容,这节课,我们要学习在图中添加图例与标注. 基本用法本章知识点归纳如下: 1.添加图例:plt.legend() 2.画点: ...
python绘制曲线y=2x+5_python绘制GPM CSH潜热垂直剖面
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt import h5py # 读取经纬度和潜热. ...
python绘制曲线y=2x+5_使用python动态生成波形曲线的实现
效果是这个样子的: 用到的模块: * matplotlib.pyplot * matplotlib.animation.FuncAnimation * numpy 三个圆的半径分别为:5, 2, 1. ...
可视化篇（四）——— python绘制双y轴、箱线图、概率分布三种图形及案例
可视化篇(四)--- python绘制双y轴.箱线图.概率分布三种图形及案例摘要绘制双y轴图形绘制箱线图绘制概率分布图摘要本文演示了如何通过python绘制双y轴.箱线图.概率分布三种图形 ...
如何用Python绘制曲线——turtle画小鱼化石的实践篇
turtle绘制曲线的方法很多,除了大家常用的"一步一拐法",用抛物线公式来绘制曲线也十分方便.(对"一步一拐法"感兴趣的童鞋可参考博文 <如何用Pyth ...
python双坐标轴箱线图,python绘制双y轴、箱线图、概率分布三种图形及案例
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. 本文演示了如何通过python绘制双y轴.箱线图.概率分布三种图形,并给出了具体案例源代码供 ...
matlab绘制曲线y=x3 x 1程序,[转载]Matlab绘图操作(1)
1 二维数据曲线图 1.1 绘制单根二维曲线 plot函数的基本调用格式为:plot(x,y) 其中x和y为长度相同的向量,分别用于存储x坐标和y坐标数据. 例1 在0≤x≤2p区间内,绘制曲线 y= ...
python绘制双Y轴折线图以及单Y轴双变量柱状图
近来实验室的师姐要发论文,由于论文交稿时间临近,有一些杂活儿需要处理,作为实验室资历最浅的一批,我这个实习生也就责无旁贷地帮忙当个下手.今天师姐派了一个小活,具体要求是: 给一些训练模型的迭代次数,训 ...

python绘制曲线y=2x+5_Python Matplotlib 简易教程

python绘制曲线y=2x+5_Python Matplotlib 简易教程相关推荐

最新文章

热门文章