python科学计算与数据可视化——Matplotlib

Matplotlib（https://matplotlib.org/）是一个用来绘图的python库,它的matplotlib.pyplot模块提供了一个绘图系统。

matplotlib中最重要的函数就plot，它可以绘制二维图像

使用subplot函数，你就可以在同一个图像里绘制多个子图

#1.matplotlib小测试
import matplotlib.pyplot as plt #导入可视化库

plt.plot([4,1,4],[1,3,4],[1,3,4],[4,1,4])
 #给图表拐点坐标赋值（当为一组数据时默认为y坐标，如果是两组或以上为（x,y)

plt.savefig('test0',dpi=600)    #保存图表到当前位置
plt.savefig('../picture/test0',dpi=600)     #保存图表到指定位置
plt.axis([1,8,1,10])                        #定义xy轴的区域范围
plt.show()                                  #在窗口显示图表

#2.matplotlib综合测试
import matplotlib.pyplot as plt

plt.plot([4,1,4],[1,3,4],[1,3,4],[4,1,4])
plt.xlabel('Grade')
plt.ylabel('Course')
plt.savefig('test1',dpi=600)   #保存图表到当前位置
plt.savefig('../picture/test1',dpi=600)     #保存图表到指定位置
plt.axis('equal')      #定义xy轴的区域范围
plt.show()  #在窗口显示图表

1.matplotlib小测试 2.matplotlib综合测试

3.同一区域绘制多图

#3.同一绘图区域绘制多图

import numpy as np  #导入科学计算库
import matplotlib.pyplot as plt

a=np.arange(0,150,2)
plt.plot(a,a*1.5,'ro-',label='a')
plt.plot(a,a*2.5,'gx--',label='b')
plt.plot(a,a*3.5,'y*',label='c')
plt.plot(a,a*4.5,'bs-',label='d')
plt.plot(a,a*5.5,'mH--',label='e')

plt.savefig('test2',dpi=600)
plt.savefig('../picture/test2',dpi=600)
plt.legend()
plt.show()

4.多区域绘图

#4.多区域绘图
import numpy as np
import matplotlib.pyplot as plt

def f(t):
    return np.exp(-t)*np.cos(2*np.pi*t)

a=np.arange(0,5,0.02)

plt.subplot(321)
plt.plot(a,f(a))

plt.subplot(323)
plt.plot(a,np.cos(2*np.pi*a),'-.',color='r')

plt.subplot(324)
plt.plot(a,np.sin(2*np.pi*a),'--',color='g')

plt.subplot(325)
plt.plot(a,np.tan(2*np.pi*a),':',color='m')

plt.savefig('test3',dpi=600)
plt.savefig('../picture/test3',dpi=600)
plt.show()

5.饼图绘制

#5.饼图绘制
import matplotlib.pyplot as plt
labels='Frogs','Hogs','Dogs','Logs'
sizes=[15,30,45,10]
explode=(0,0.1,0,0)

plt.pie(sizes,explode,labels,autopct='%1.1f%%',shadow=True,startangle=90)
plt.axis('equal')

plt.savefig('test4',dpi=600)
plt.savefig('../picture/test4',dpi=600)
plt.show()

6.条形图绘制

#6.条形图绘制
    #绘制2018所到2021年中国大陆地区生产口罩总量的条形图
import numpy as np
import matplotlib.pyplot as plt

datearr=['2018Y','2019Y','2020Y','2021Y']
num_masks=np.asarray([45.4,50,62.2,77])
plt.bar(datearr,num_masks,width=0.3)
plt.xlabel('2018年- -2021年',fontproperties='SimHei',fontsize=10)
plt.ylabel('数量/亿只',fontproperties='SimHei',fontsize=10)
plt.title('2018年—2021年中国大陆地区口罩生产量',fontproperties='SimHei',fontsize=15)

plt.savefig('test5',dpi=600)
plt.savefig('../picture/test5',dpi=600)
plt.show()

不畏将来，不念过往

python科学计算与数据可视化——Matplotlib

Supongo que te gusta