Python之matplotlib模块介绍及简单应用
在这里，我们将要介绍五个简单的案例及其实现
（五个绘图实例，二个二维，三个三维）
一、还是老规矩，首先安装matplotlib库
安装matplotlib库
控制器命令：pip install matplotlib
要是Linux的，我还真不会~~
示例图如下：
二、matplotlib模块简介
Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。
总之就是说，它是一个绘图的库，可以用来绘图，这里我们采用与numpy合用的方式来绘图。
至于numpy模块的使用，可以参见我的另一篇博文：
“python 之 numpy 模块详细讲解及其应用案例”
链接为：https://blog.csdn.net/m0_54218263/article/details/114272263
里面有详细讲解，同时也少量的应用了一点点matplotlib模块
三、matplotlib模块的实例
第一个实例：
二维连续图像
（显示一个二维的图像，连续的）
"""
导入模块
这里采用的模块的别名
是业界常用的操作
"""
import numpy as np
import matplotlib.pyplot as plt
# matplotlib 中的 pyplot 方法是我们最常用的一个方法，它也是为python设计使用的
# 1、 构建 ： 图像的函数关系式
X = np.arange(-5, 5, 0.1)
Y = np.sin(X)
# 2、 设置显示框的标题为 Matplotlib demo
plt.title("Matplotlib demo")
# 3、 设置X与Y轴并标出名称
# 在这里尽量不要在标题中出现汉字！！否则会有乱码出现！！
plt.xlabel("X")
plt.ylabel("Y")
# 4、 选择所使用参数（此处即：X， Y）
plt.plot(X, Y)
# 5、 显示出来：
plt.show()
结果展示如下所示：
在上例中，如果将语句：X = np.arange(-5, 5, 0.1) 改为：
X = np.arange(-5, 5, 1)，则图像会有很大改变，如下所示（偏离了我们的期望）：
所以说，合理的取点也很重要！！
第二个实例：
二维离散图像
（显示一个二维的图像，离散的）
本案例与前一个案例较为相似，故不多做解释了~~
import numpy as np
import matplotlib.pyplot as plt
# 为了可以看清楚，这里将间隔改为了 0.5
# 即：第三个参数变为 0.5
X = np.arange(-5, 5, 0.5)
Y = np.sin(X)
# 标题和坐标轴信息：
plt.title("Demo 2")
plt.xlabel("X")
plt.ylabel("Y")
# 参数'ob'表示使用散点图的形式输出图形！！
"""
一般默认为曲线
但有参数则为不同样式（例如：‘ob’）
o--->用圆点表示
b--->颜色是蓝色的
其他的字符表示方法请参见本案例的结尾处附表！！
"""
plt.plot(X, Y, 'ob')
plt.show()
运行结果如下所示：
附表（字符表示的含义，这个是从别的地方截图过来的）
第三个实例：
三维连续图像
（显示一个三维的图像，连续的）
首先，用前面的方法会报错：
（原因里面也写了，没有zlabel）
因此换用下方的方法来进行绘制：
import numpy as np
import matplotlib.pyplot as plt
# 导入库
# 建立坐标系
fig = plt.figure()
# 构建三维空间
ax_0 = plt.axes(projection='3d')
# 设置X，Y（用arange的方法来实现）
# 建议X与Y设置相同的范围和间隔！！
X = np.arange(-3, 3, 0.1)
Y = np.arange(-3, 3, 0.1)
# meshgrid方法，
"""
meshgrid方法：
相当于是在这里进行建立了一个二维的网格，（二维坐标系）：
以（X， Y）为坐标单元建立的
例如：（-3， 2.9） （-2， -1） 等等
这只是一个简单的理解
具体的讲解请参见下方的链接！！！
参见下方链接！！！
"""
x,y = np.meshgrid(X, Y)
# 写出z的函数表达式
z = np.exp(100 - x ** 2 - y ** 2)
# 绘制图像，cmap参数是设置图形的样式的，rainbow为彩虹状
ax_0.plot_surface(x, y, z, cmap='rainbow')
# 展示出来图像
plt.show()
"""
cmap取值
这里展示的十分全面，可以从中挑选作为cmap的值
cmap 的可取值如下：
'Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG',
'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap',
'CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens',
'Greens_r', 'Greys', 'Greys_r', 'OrRd', 'OrRd_r', 'Oranges',
'Oranges_r', 'PRGn', 'PRGn_r', 'Paired', 'Paired_r', 'Pastel1',
'Pastel1_r', 'Pastel2', 'Pastel2_r', 'PiYG', 'PiYG_r', 'PuBu',
'PuBuGn', 'PuBuGn_r', 'PuBu_r', 'PuOr', 'PuOr_r', 'PuRd', 'PuRd_r',
'Purples', 'Purples_r', 'RdBu', 'RdBu_r', 'RdGy', 'RdGy_r', 'RdPu',
'RdPu_r', 'RdYlBu', 'RdYlBu_r', 'RdYlGn', 'RdYlGn_r', 'Reds',
'Reds_r', 'Set1', 'Set1_r', 'Set2', 'Set2_r', 'Set3', 'Set3_r',
'Spectral', 'Spectral_r', 'Wistia', 'Wistia_r', 'YlGn', 'YlGnBu',
'YlGnBu_r', 'YlGn_r', 'YlOrBr', 'YlOrBr_r', 'YlOrRd', 'YlOrRd_r',
'afmhot', 'afmhot_r', 'autumn', 'autumn_r', 'binary', 'binary_r',
'bone', 'bone_r', 'brg', 'brg_r', 'bwr', 'bwr_r', 'cividis',
'cividis_r', 'cool', 'cool_r', 'coolwarm', 'coolwarm_r', 'copper',
'copper_r', 'cubehelix', 'cubehelix_r', 'flag', 'flag_r',
'gist_earth', 'gist_earth_r', 'gist_gray', 'gist_gray_r', 'gist_heat',
'gist_heat_r', 'gist_ncar', 'gist_ncar_r', 'gist_rainbow',
'gist_rainbow_r', 'gist_stern', 'gist_stern_r', 'gist_yarg',
'gist_yarg_r', 'gnuplot', 'gnuplot2', 'gnuplot2_r', 'gnuplot_r',
'gray', 'gray_r', 'hot', 'hot_r', 'hsv', 'hsv_r', 'inferno',
'inferno_r', 'jet', 'jet_r', 'magma', 'magma_r', 'nipy_spectral',
'nipy_spectral_r', 'ocean', 'ocean_r', 'pink', 'pink_r', 'plasma',
'plasma_r', 'prism', 'prism_r', 'rainbow', 'rainbow_r', 'seismic',
'seismic_r', 'spring', 'spring_r', 'summer', 'summer_r', 'tab10',
'tab10_r', 'tab20', 'tab20_r', 'tab20b', 'tab20b_r', 'tab20c',
'tab20c_r', 'terrain', 'terrain_r', 'turbo', 'turbo_r', 'twilight',
'twilight_r', 'twilight_shifted', 'twilight_shifted_r', 'viridis',
'viridis_r', 'winter', 'winter_r'
"""
（这两个 meshgrid 链接其实是一样的，
如果没有办法打开，可以直接输入网址进行访问）
加载的时候需要等上十几秒钟的时间！！
https://ww2.mathworks.cn/help/matlab/ref/meshgrid.html
运行后的结果如下图所示：
（是不是有一点点彩虹rainbow的意味在内啊~~）
第四个实例
三维离散图像
（显示一个三维的图像，离散的）
import numpy as np
import matplotlib.pyplot as plt
# plt
fig = plt.figure()
ax_1 = plt.axes(projection='3d')
"""
random方法用来产生随机数，这里意为：
产生100个从0到1的随机数
"""
zd = 13*np.random.random(100)
# 100 个0~1的随机数， 产生以后乘以13
# xd，yd的函数关系（zd是自变量）
xd = 5*np.sin(zd)
yd = 5*np.cos(zd)
ax_1.scatter3D(xd, yd, zd, cmap='Blues') # 绘制散点图(三维的)
plt.show() # 展示图像
结果的输出如下所示：
图1
图2
比较图1 以及 图2 ，我们可以发现两张图不一样，即：两张图的点的分布是不同的。
这也正是因为：random是随机产生点的；
也恰恰验证了random确实是随机的生成数字！！
第五个实例
等高线的绘制
（三维空间中，一个函数会存在各个方向上的投影，我们在这里绘制等高线图，即就是：在x，y，z三个方向的投影）
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax_2 = plt.axes(projection='3d')
# 类似于上面的代码，构建三维函数（这里购进一个三维曲面）
x = np.arange(-5, 5, 0.1)
y = np.arange(-5, 5, 0.1)
X, Y = np.meshgrid(x, y)
Z = np.log(X ** 2 + Y ** 2 + 10)
# 绘制曲面图像以及投影图：
ax_2.plot_surface(X, Y, Z, cmap='winter') # 三维的曲面图像
ax_2.contour(X, Y, Z, zdir='z', offset=-3, cmap="rainbow") # z方向投影，投到x-y平面
ax_2.contour(X, Y, Z, zdir='x', offset=-6, cmap="rainbow") # x方向投影，投到y-z平面
ax_2.contour(X, Y, Z, zdir='y', offset=6, cmap="rainbow") # y方向投影，投到x-z平面
"""
解释一下在这里的offset参数：
offset--->将投影放置在什么位置
例如：
ax_2.contour(X, Y, Z, zdir='z', offset=-3, cmap="rainbow")
意为：
将 z 方向投影（即x-y平面）的曲线的投影放置在 z = -3 的平面之上!!
"""
# 这里说明一下坐标轴的命名方法：
ax_2.set_xlabel("X")
ax_2.set_ylabel("Y")
ax_2.set_zlabel("Z")
# 展示图像：
plt.show()
运行结果展示如下所示：
（图形可以旋转）
*综上所述，上面便是所列举的五个例子，希望对大家有所帮助~~~~*
*最后再感谢您能耐心读到最后~~~~*