Numpy学习（二）——Matplotlib基础

其他 2018-09-17 00:19:00 阅读次数: 0
版权声明：可以随意转载→_→ https://blog.csdn.net/ds19991999/article/details/81294905

Matplotlib 基础

Matplotlib是一个类似Matlab的工具包，主要用来画图，主页地址为：Matplotlib

# 导入 matplotlib 和 numpy：
%pylab
Using matplotlib backend: TkAgg
Populating the interactive namespace from numpy and matplotlib

plot 二维图

plot(y)
plot(x, y)
plot(x, y, format_string)

只给定 y 值，默认以下标为 x 轴：

%matplotlib inline
x = linspace(0,2*pi,50)
plot(sin(x)) # 没有给定x,则范围为0-50
[<matplotlib.lines.Line2D at 0x9d69b50>]

这里写图片描述

# 给定x和y值
plot(x, sin(x)) # 给定x，则范围为0-2pi
[<matplotlib.lines.Line2D at 0x9f4c050>]

这里写图片描述

# 多条数据线
plot(sin(x)/x,
     x,sin(2*x))
d:\python\lib\site-packages\ipykernel_launcher.py:2: RuntimeWarning: invalid value encountered in divide






[<matplotlib.lines.Line2D at 0xa186ed0>,
 <matplotlib.lines.Line2D at 0xa186fb0>]

这里写图片描述

# 使用字符串，给定线条参数：
plot(x, sin(x), 'r-^')
[<matplotlib.lines.Line2D at 0xb158070>]

这里写图片描述

# 多线条：
plot(x,sin(x),'b-o',
    x,sin(2*x),'r-^')
[<matplotlib.lines.Line2D at 0xb255530>,
 <matplotlib.lines.Line2D at 0xb255650>]

这里写图片描述

scatter散点图

scatter(x, y)
scatter(x, y, size)
scatter(x, y, size, color)

假设我们想画二维散点图：

plot(x, sin(x), 'bo')
[<matplotlib.lines.Line2D at 0xb392b10>]

这里写图片描述

# 使用 scatter 达到同样的效果
scatter(x, sin(x))
<matplotlib.collections.PathCollection at 0xb392bd0>

这里写图片描述

# scatter函数与Matlab的用法相同，还可以指定它的大小，颜色等参数
x = rand(200)
y = rand(200)
size = rand(200) * 30
color = rand(200)
scatter(x, y, size, color)
# 显示颜色条
colorbar()
<matplotlib.colorbar.Colorbar at 0xb6fea90>

这里写图片描述

多图

# 使用figure()命令产生新的图像：
t = linspace(0, 2*pi, 50)
x = sin(t)
y = cos(t)
figure()
plot(x)
figure()
plot(y)
[<matplotlib.lines.Line2D at 0xb530590>]

这里写图片描述
这里写图片描述

# 或者使用 subplot 在一幅图中画多幅子图：
# subplot(row, column, index)
subplot(1, 2, 1)
plot(x)
subplot(1, 2, 2)
plot(y)
[<matplotlib.lines.Line2D at 0xb5c7410>]

这里写图片描述

向图中添加数据

# 默认多次 plot 会叠加：
plot(x)
plot(y)
[<matplotlib.lines.Line2D at 0xe7b9a90>]

这里写图片描述

# 跟Matlab类似用 hold(False)关掉，这样新图会将原图覆盖：
plot(x)
hold(False)
plot(y)
# 恢复原来设定
hold(True)
d:\python\lib\site-packages\ipykernel_launcher.py:3: MatplotlibDeprecationWarning: pyplot.hold is deprecated.
    Future behavior will be consistent with the long-time default:
    plot commands add elements without first clearing the
    Axes and/or Figure.
  This is separate from the ipykernel package so we can avoid doing imports until
d:\python\lib\site-packages\matplotlib\__init__.py:911: MatplotlibDeprecationWarning: axes.hold is deprecated. Please remove it from your matplotlibrc and/or style files.
  mplDeprecation)
d:\python\lib\site-packages\matplotlib\rcsetup.py:156: MatplotlibDeprecationWarning: axes.hold is deprecated, will be removed in 3.0
  mplDeprecation)
d:\python\lib\site-packages\ipykernel_launcher.py:6: MatplotlibDeprecationWarning: pyplot.hold is deprecated.
    Future behavior will be consistent with the long-time default:
    plot commands add elements without first clearing the
    Axes and/or Figure.

这里写图片描述

标签

# 可以在 plot 中加入 label ，使用 legend 加上图例：
plot(x, label='sin')
plot(y, label='cos')
legend()
<matplotlib.legend.Legend at 0xeb1b7f0>

这里写图片描述

# 或者直接在 legend中加入：
plot(x)
plot(y)
legend(['sin', 'cos'])
<matplotlib.legend.Legend at 0xebc21b0>

这里写图片描述

坐标轴，标题，网格

# 可以设置坐标轴的标签和标题：
plot(x, sin(x))
xlabel('radians')
# 可以设置字体大小
ylabel('amplitude', fontsize='large')
title('Sin(x)')
Text(0.5,1,'Sin(x)')

这里写图片描述

# 用 'grid()' 来显示网格：
plot(x, sin(x))
xlabel('radians')
ylabel('amplitude', fontsize='large')
title('Sin(x)')
grid()

这里写图片描述

清除、关闭图像

清除已有的图像使用：clf()

关闭当前图像：close()

关闭所有图像：close('all')

imshow 显示图片

这里需要注意，之前misc中的示例图片被删除了，查看帮助文档，发现换成了另一个名称

# 导入lena图片
from scipy.misc import face,ascent
img1 = face()
img2 = ascent()
imshow(img1,
       # 设置坐标范围
      extent = [-25, 25, -25, 25],
       # 设置colormap
      cmap = cm.bone)
colorbar()
<matplotlib.colorbar.Colorbar at 0x10639950>

这里写图片描述

imshow(img2,
       # 设置坐标范围
      extent = [-25, 25, -25, 25],
       # 设置colormap
      cmap = cm.bone)
colorbar()
<matplotlib.colorbar.Colorbar at 0x1092a030>

这里写图片描述

# 看一下img的数据
print 'face:\n',img1
print 'ascent:\n',img2
face:
[[[121 112 131]
  [138 129 148]
  [153 144 165]
  ...
  [119 126  74]
  [131 136  82]
  [139 144  90]]

 [[ 89  82 100]
  [110 103 121]
  [130 122 143]
  ...
  [118 125  71]
  [134 141  87]
  [146 153  99]]

 [[ 73  66  84]
  [ 94  87 105]
  [115 108 126]
  ...
  [117 126  71]
  [133 142  87]
  [144 153  98]]

 ...

 [[ 87 106  76]
  [ 94 110  81]
  [107 124  92]
  ...
  [120 158  97]
  [119 157  96]
  [119 158  95]]

 [[ 85 101  72]
  [ 95 111  82]
  [112 127  96]
  ...
  [121 157  96]
  [120 156  94]
  [120 156  94]]

 [[ 85 101  74]
  [ 97 113  84]
  [111 126  97]
  ...
  [120 156  95]
  [119 155  93]
  [118 154  92]]]
ascent:
[[ 83  83  83 ... 117 117 117]
 [ 82  82  83 ... 117 117 117]
 [ 80  81  83 ... 117 117 117]
 ...
 [178 178 178 ...  57  59  57]
 [178 178 178 ...  56  57  57]
 [178 178 178 ...  57  57  58]]

imshow??
# 这里 cm 表示 colormap，可以看它的种类：
dir(cm)
[u'Accent',
 u'Accent_r',
 u'Blues',
 u'Blues_r',
 u'BrBG',
 u'BrBG_r',
 u'BuGn',
 u'BuGn_r',
 u'BuPu',
 u'BuPu_r',
 u'CMRmap',
 u'CMRmap_r',
 u'Dark2',
 u'Dark2_r',
 u'GnBu',
 u'GnBu_r',
 u'Greens',
 u'Greens_r',
 u'Greys',
 u'Greys_r',
 'LUTSIZE',
 u'OrRd',
 u'OrRd_r',
 u'Oranges',
 u'Oranges_r',
 u'PRGn',
 u'PRGn_r',
 u'Paired',
 u'Paired_r',
 u'Pastel1',
 u'Pastel1_r',
 u'Pastel2',
 u'Pastel2_r',
 u'PiYG',
 u'PiYG_r',
 u'PuBu',
 u'PuBuGn',
 u'PuBuGn_r',
 u'PuBu_r',
 u'PuOr',
 u'PuOr_r',
 u'PuRd',
 u'PuRd_r',
 u'Purples',
 u'Purples_r',
 u'RdBu',
 u'RdBu_r',
 u'RdGy',
 u'RdGy_r',
 u'RdPu',
 u'RdPu_r',
 u'RdYlBu',
 u'RdYlBu_r',
 u'RdYlGn',
 u'RdYlGn_r',
 u'Reds',
 u'Reds_r',
 'ScalarMappable',
 u'Set1',
 u'Set1_r',
 u'Set2',
 u'Set2_r',
 u'Set3',
 u'Set3_r',
 u'Spectral',
 u'Spectral_r',
 u'Wistia',
 u'Wistia_r',
 u'YlGn',
 u'YlGnBu',
 u'YlGnBu_r',
 u'YlGn_r',
 u'YlOrBr',
 u'YlOrBr_r',
 u'YlOrRd',
 u'YlOrRd_r',
 '__builtins__',
 '__doc__',
 '__file__',
 '__name__',
 '__package__',
 '_generate_cmap',
 '_reverse_cmap_spec',
 '_reverser',
 'absolute_import',
 u'afmhot',
 u'afmhot_r',
 u'autumn',
 u'autumn_r',
 u'binary',
 u'binary_r',
 u'bone',
 u'bone_r',
 u'brg',
 u'brg_r',
 u'bwr',
 u'bwr_r',
 'cbook',
 'cividis',
 'cividis_r',
 'cmap_d',
 'cmapname',
 'cmaps_listed',
 'colors',
 u'cool',
 u'cool_r',
 u'coolwarm',
 u'coolwarm_r',
 u'copper',
 u'copper_r',
 u'cubehelix',
 u'cubehelix_r',
 'datad',
 'division',
 u'flag',
 u'flag_r',
 'get_cmap',
 u'gist_earth',
 u'gist_earth_r',
 u'gist_gray',
 u'gist_gray_r',
 u'gist_heat',
 u'gist_heat_r',
 u'gist_ncar',
 u'gist_ncar_r',
 u'gist_rainbow',
 u'gist_rainbow_r',
 u'gist_stern',
 u'gist_stern_r',
 u'gist_yarg',
 u'gist_yarg_r',
 u'gnuplot',
 u'gnuplot2',
 u'gnuplot2_r',
 u'gnuplot_r',
 u'gray',
 u'gray_r',
 u'hot',
 u'hot_r',
 u'hsv',
 u'hsv_r',
 'inferno',
 'inferno_r',
 u'jet',
 u'jet_r',
 'ma',
 'magma',
 'magma_r',
 'mpl',
 u'nipy_spectral',
 u'nipy_spectral_r',
 'np',
 u'ocean',
 u'ocean_r',
 u'pink',
 u'pink_r',
 'plasma',
 'plasma_r',
 'print_function',
 u'prism',
 u'prism_r',
 u'rainbow',
 u'rainbow_r',
 'register_cmap',
 'revcmap',
 u'seismic',
 u'seismic_r',
 'six',
 u'spring',
 u'spring_r',
 u'summer',
 u'summer_r',
 u'tab10',
 u'tab10_r',
 u'tab20',
 u'tab20_r',
 u'tab20b',
 u'tab20b_r',
 u'tab20c',
 u'tab20c_r',
 u'terrain',
 u'terrain_r',
 'unicode_literals',
 'viridis',
 'viridis_r',
 u'winter',
 u'winter_r']

imshow(img2, cmap=cm.tab20c_r)
<matplotlib.image.AxesImage at 0x10bdd9b0>

这里写图片描述

从脚本中运行

在脚本中使用 plot 时，通常图像是不会直接显示的，需要增加 show() 选项，只有在遇到 show() 命令之后，图像才会显示。

直方图

# 从高斯分布随机生成1000个点得到的直方图：
hist(randn(1000))
(array([  4.,  27.,  72., 148., 211., 221., 162., 111.,  29.,  15.]),
 array([-3.06945987, -2.48284754, -1.89623522, -1.3096229 , -0.72301058,
        -0.13639825,  0.45021407,  1.03682639,  1.62343871,  2.21005103,
         2.79666336]),
 <a list of 10 Patch objects>)

这里写图片描述

"""
==================
A simple Fill plot
==================

This example showcases the most basic fill plot a user can do with matplotlib.
"""
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 1, 500)
y = np.sin(4 * np.pi * x) * np.exp(-5 * x)

fig, ax = plt.subplots()

ax.fill(x, y, zorder=10)
ax.grid(True, zorder=5)
plt.show()

这里写图片描述

"""
========================
A more complex fill demo
========================

In addition to the basic fill plot, this demo shows a few optional features:

    * Multiple curves with a single command.
    * Setting the fill color.
    * Setting the opacity (alpha value).
"""
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 500)
y1 = np.sin(x)
y2 = np.sin(3 * x)

fig, ax = plt.subplots()
ax.fill(x, y1, 'b', x, y2, 'r', alpha=0.3)
plt.show()

这里写图片描述

总结

# 导入 matplotlib 和 numpy：
%pylab

%matplotlib inline
x = linspace(0,2*pi,50)
plot(sin(x)) # 没有给定x,则范围为0-50

# 给定x和y值
plot(x, sin(x)) # 给定x，则范围为0-2pi

# 多条数据线
plot(x,sin(x),
     x,sin(2*x))

# 使用字符串，给定线条参数：
plot(x, sin(x), 'r-^')

# 多线条：
plot(x,sin(x),'b-o',
    x,sin(2*x),'r-^')

# 假设我们想画二维散点图：
plot(x, sin(x), 'bo')
# 使用 scatter 达到同样的效果
scatter(x, sin(x))

# scatter函数与Matlab的用法相同，还可以指定它的大小，颜色等参数
x = rand(200)
y = rand(200)
size = rand(200) * 30
color = rand(200)
scatter(x, y, size, color)
# 显示颜色条
colorbar()

# 使用figure()命令产生新的图像：
t = linspace(0, 2*pi, 50)
x = sin(t)
y = cos(t)
figure()
plot(x)
figure()
plot(y)

# 或者使用 subplot 在一幅图中画多幅子图：
# subplot(row, column, index)
subplot(1, 2, 1)
plot(x)
subplot(1, 2, 2)
plot(y)

# 默认多次 plot 会叠加：
plot(x)
plot(y)

# 跟Matlab类似用 hold(False)关掉，这样新图会将原图覆盖：
plot(x)
hold(False)
plot(y)
# 恢复原来设定
hold(True)

# 可以在 plot 中加入 label ，使用 legend 加上图例：
plot(x, label='sin')
plot(y, label='cos')
legend()

# 或者直接在 legend中加入：
plot(x)
plot(y)
legend(['sin', 'cos'])

# 可以设置坐标轴的标签和标题：
plot(x, sin(x))
xlabel('radians')
# 可以设置字体大小
ylabel('amplitude', fontsize='large')
title('Sin(x)')
# 用 'grid()' 来显示网格：
grid()

# 导入lena图片
from scipy.misc import face,ascent
img1 = face()
img2 = ascent()

# 显示图片
imshow(img1,
       # 设置坐标范围
      extent = [-25, 25, -25, 25],
       # 设置colormap
      cmap = cm.bone)
colorbar()

# 在脚本中使用 plot 时，通常图像是不会直接显示的，需要增加 show() 选项，只有在遇到 show() 命令之后，图像才会显示。

# 从高斯分布随机生成1000个点得到的直方图：
hist(randn(1000))

# 查阅帮助 <模块或者函数名>??

猜你喜欢

转载自blog.csdn.net/ds19991999/article/details/81294905
今日推荐
Arc Browser for Windows 1.0 正式 GA
90后程序员开发视频搬运软件、不到一年获利超 700 万，结局很刑！
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
周排行
rbac——界面、权限
Apache CXF + SpringMVC 整合发布WebService
so插件化
Vue.js实战系列---图标字体制作（svg格式）
PAT乙级 1007 素数对猜想(孪生素数对) (20分) ---（C语言 + 详细注释）
被IRM保护的文档，打开失败
Calendar和Date计算日期差的小问题
win10子系统ubuntu18.4安装docker
利用Wrap Shell Script定位Android Native内存泄漏
MySQL: Transaction (Part I - Basic Concept)
每日归档
更多
2024-05-03(19)
2024-05-02(0)
2024-05-01(4)
2024-04-30(1)
2024-04-29(40)
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022