精华内容
下载资源
问答
  • pyplot

    2017-09-12 10:28:00
    import matplotlib.pyplot 报错 ImportError: No module named _tkinter, please install the python-tk package 解决方法: sudoapt-getinstallpython-tk 转载于:https://www.cnblogs.com/rabitvision/p...

    错误:

    执行

    import matplotlib.pyplot 报错

    ImportError: No module named _tkinter, please install the python-tk package

     

    解决方法:

    sudo apt-get install python-tk

     

    转载于:https://www.cnblogs.com/rabitvision/p/7508790.html

    展开全文
  • Python绘图库Matplotlib.pyplot之网格线设置(plt.grid())

    万次阅读 多人点赞 2018-07-16 10:28:31
    首先导入需要用到的库,matplotlib.pyplot是必须的,Numpy是为了生成画布用的。 import numpy as np import matplotlib.pyplot as plt 生成网格 plt.gcf().set_facecolor(np.ones(3)* 240 /...

    很多时候为了可视化效果的美观,就不得不从细节上下手,这里我们就介绍一下这些细节之一的网格线。

    首先导入需要用到的库,matplotlib.pyplot是必须的,Numpy是为了生成画布用的。

    import numpy as np
    import matplotlib.pyplot as plt
    

    生成网格

    plt.gcf().set_facecolor(np.ones(3)* 240 / 255)   # 生成画布的大小
    plt.grid()  # 生成网格
    plt.show()

    参数

    matplotlin.pyplot.grid(b, which, axis, color, linestyle, linewidth, **kwargs)

    grid()参数有很多,这里只列举了我此次工作中用到的几个:

        b : 布尔值。就是是否显示网格线的意思。官网说如果b设置为None, 且kwargs长度为0,则切换网格状态。但是没弄明白什            么意思。如果b设置为None,但是又给了其它参数,则默认None值失效。

        which : 取值为'major', 'minor', 'both'。 默认为'major'。看别人说是显示的,我的是Windows7下,用Sublime跑的,minor只是一个白画板,没有网格,major和both也没看出什么效果,不知道为什么。

        axis : 取值为‘both’, ‘x’,‘y’。就是以什么轴为刻度生成网格。例如我输入参数x就会在x轴方向上生成纵向的网格刻度。没有输入的方向则不会显示网格刻度。这里多谢 @湖尘 指正。

        color : 这就不用多说了,就是设置网格线的颜色。或者直接用c来代替color也可以。

        linestyle :也可以用ls来代替linestyle, 设置网格线的风格,是连续实线,虚线或者其它不同的线条。 | '-' | '--'                        '-.' | ':' | 'None' | ' ' | '']

        linewidth : 设置网格线的宽度

    设置axis='y'

    plt.grid(axis="y")
    plt.show()

     

    设置axis='x'

     

    设置color='r'

    plt.grid(c='r')
    plt.show()

    红色

    plt.grid(c='g')
    plt.show()

    绿色

    设置linestyle

    plt.grid(linestyle='-.')
    plt.show()

     

     

     

    plt.grid(ls='--')
    plt.show()

    因为b和which没有显示效果。所以这里就不上图了。

     

    --------------------------更******新--------------------------

    今天又试了下,当which='major'的时候,是可以显示网格线的。同时感谢机器不学习o_o的指导,在which="minor"时,需要设置次刻度线。

    plt.grid(axis='y', which='major')
    plt.show()

    plt.grid(axis="x", which="major")
    plt.show()

    which='minor'

    ax = plt.gca()
    ax.set_xlim(0, 10)
    miloc = plt.MultipleLocator(1)
    ax.xaxis.set_minor_locator(miloc)
    ax.grid(axis='x', which='minor')
    plt.show()

    展开全文
  • matplotlib绘图实例:pyplot、pylab模块及作图参数

    万次阅读 多人点赞 2014-10-12 00:47:09
    Matplotlib.pyplot绘图实例 {使用pyplot模块} matplotlib绘制直线、条形/矩形区域 import numpy as np import matplotlib.pyplot as plt t = np.arange(-1, 2, .01) s = ...

    http://blog.csdn.net/pipisorry/article/details/40005163

    Matplotlib.pyplot绘图实例

    Gallery页面中有上百幅缩略图,打开之后都有源程序。

    [如何在论文中画出漂亮的插图]

    {使用pyplot模块}

    matplotlib绘制直线、条形/矩形区域

    import numpy as np
    import matplotlib.pyplot as plt
    t = np.arange(-1, 2, .01)
    s = np.sin(2 * np.pi * t)
    
    plt.plot(t,s)
    # draw a thick red hline at y=0 that spans the xrange
    l = plt.axhline(linewidth=4, color='r')
    plt.axis([-1, 2, -1, 2])
    plt.show()
    plt.close()
    
    # draw a default hline at y=1 that spans the xrange
    plt.plot(t,s)
    l = plt.axhline(y=1, color='b')
    plt.axis([-1, 2, -1, 2])
    plt.show()
    plt.close()
    
    # draw a thick blue vline at x=0 that spans the upper quadrant of the yrange
    plt.plot(t,s)
    l = plt.axvline(x=0, ymin=0, linewidth=4, color='b')
    plt.axis([-1, 2, -1, 2])
    plt.show()
    plt.close()
    
    # draw a default hline at y=.5 that spans the the middle half of the axes
    plt.plot(t,s)
    l = plt.axhline(y=.5, xmin=0.25, xmax=0.75)
    plt.axis([-1, 2, -1, 2])
    plt.show()
    plt.close()
    
    plt.plot(t,s)
    p = plt.axhspan(0.25, 0.75, facecolor='0.5', alpha=0.5)
    p = plt.axvspan(1.25, 1.55, facecolor='g', alpha=0.5)
    plt.axis([-1, 2, -1, 2])
    plt.show()

    效果图展示

    Note: 设置直线对应位置的值显示:plt.text(max_x, 0, str(round(max_x, 2))),也就是直接在指定坐标写文字,不知道有没有其它方法?

    [matplotlib.pyplot.axhline]

    另一种绘制直线的方式

    plt.hlines(hline, xmin=plt.gca().get_xlim()[0], xmax=plt.gca().get_xlim()[1], linestyles=line_style, colors=color)

    直方图

    plt.hist(songs_plays, bins=50,range=(0, 50000), color='lightblue',density=True)

    Note: density是将y坐标按比例绘图,而不是数目。

    hist转换成plot折线图

    plt.hist直接绘制数据是hist图

    plt.hist(z, bins=500, normed=True)

    hist图转换成折线图

    cnts, bins = np.histogram(z, bins=500, normed=True)
    bins = (bins[:-1] + bins[1:]) / 2
    plt.plot(bins, cnts)

    [numpy教程 - 统计函数:histogram]

    散点图、梯形图、柱状图、填充图

    柱状图bar()

    用每根柱子的长度表示值的大小,它们通常用来比较两组或多组值。
    bar()的第一个参数为每根柱子左边缘的横坐标;第二个参数为每根柱子的高度;第三个参数指定所有柱子的宽度,当第三个参数为序列时,可以为每根柱子指定宽度。bar()不自动修改颜色。

    n = np.array([0,1,2,3,4,5])
    x = np.linspace(-0.75, 1., 100)
    
    fig, axes = plt.subplots(1, 4, figsize=(12,3))
    
    axes[0].scatter(x, x + 0.25*np.random.randn(len(x)))
    
    axes[1].step(n, n**2, lw=2)
    
    axes[2].bar(n, n**2, align="center", width=0.5, alpha=0.5)
    
    axes[3].fill_between(x, x**2, x**3, color="green", alpha=0.5);

    Note: axes子图设置title: axes.set_title("bar plot")

    分组条形图

    import matplotlib.pyplot as plt
    import numpy as np
    # 构建数据
    Y2016 = [15600,12700,11300,4270,3620]
    Y2017 = [17400,14800,12000,5200,4020]
    labels = ['北京','上海','香港','深圳','广州']
    bar_width = 0.45
    
    # 中文乱码的处理
    plt.rcParams['font.sans-serif'] =['Microsoft YaHei']
    plt.rcParams['axes.unicode_minus'] = False
    
    # 绘图
    plt.bar(np.arange(5), Y2016, label = '2016', color = 'steelblue', alpha = 0.8, width = bar_width)
    plt.bar(np.arange(5)+bar_width, Y2017, label = '2017', color = 'indianred', alpha = 0.8, width = bar_width)
    
    plt.xlabel('Top5城市')
    plt.ylabel('家庭数量')
    plt.title('亿万财富家庭数Top5城市分布')
    plt.xticks(np.arange(5)+bar_width,labels)
    plt.ylim([2500, 19000])
    
    # 为每个条形图添加数值标签
    for x2016,y2016 in enumerate(Y2016):
        plt.text(x2016, y2016+100, '%s' %y2016)
    
    for x2017,y2017 in enumerate(Y2017):
        plt.text(x2017+bar_width, y2017+100, '%s' %y2017)
    
    plt.legend()
    plt.show()

    垂直堆叠条形图

    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    
    data = pd.read_excel('C:\\Users\\Administrator\\Desktop\\货运.xls')
    
    # 绘图
    plt.bar(np.arange(8), data.loc[0,:][1:], color = 'red', alpha = 0.8, label = '铁路', align = 'center')
    plt.bar(np.arange(8), data.loc[1,:][1:],  bottom = data.loc[0,:][1:], color = 'green', alpha = 0.8, label = '公路', align = 'center')
    plt.bar(np.arange(8), data.loc[2,:][1:],  bottom = data.loc[0,:][1:]+data.loc[1,:][1:], color = 'm', alpha = 0.8, label = '水运', align = 'center')
    plt.bar(np.arange(8), data.loc[3,:][1:],  bottom = data.loc[0,:][1:]+data.loc[1,:][1:]+data.loc[2,:][1:], color = 'black', alpha = 0.8, label = '民航', align = 'center')
    
    plt.xlabel('月份')
    plt.ylabel('货物量(万吨)')
    plt.title('2017年各月份物流运输量')
    plt.xticks(np.arange(8),data.columns[1:])
    plt.ylim([0,500000])
    
    # 为每个条形图添加数值标签
    for x_t,y_t in enumerate(data.loc[0,:][1:]):
        plt.text(x_t,y_t/2,'%sW' %(round(y_t/10000,2)),ha='center', color = 'white')
    
    for x_g,y_g in enumerate(data.loc[0,:][1:]+data.loc[1,:][1:]):
        plt.text(x_g,y_g/2,'%sW' %(round(y_g/10000,2)),ha='center', color = 'white') 
    
    for x_s,y_s in enumerate(data.loc[0,:][1:]+data.loc[1,:][1:]+data.loc[2,:][1:]):
        plt.text(x_s,y_s-20000,'%sW' %(round(y_s/10000,2)),ha='center', color = 'white')    
    
    plt.legend(loc='upper center', ncol=4)
    plt.show()

    [matplotlib(条形图)]

    [Matplotlib数据可视化方法]

    matplotlib绘制饼图

    plt.figure(figsize=(6,9)) #调节图形大小
    labels = [u'大型',u'中型',u'小型',u'微型'] #定义标签
    sizes = [46,253,321,66] #每块值
    colors = ['red','yellowgreen','lightskyblue','yellow'] #每块颜色定义
    explode = (0,0,0.02,0) #将某一块分割出来,值越大分割出的间隙越大
    patches,text1,text2 = plt.pie(sizes,
                          explode=explode,
                          labels=labels,
                          colors=colors,
                          autopct = '%3.2f%%', #数值保留固定小数位
                          shadow = True, #阴影设置
                          startangle =90, #逆时针起始角度设置
                          pctdistance = 0.6) #数值距圆心半径倍数的距离
    #patches饼图的返回值,texts1饼图外label的文本,texts2饼图内部的文本
    # x,y轴刻度设置一致,保证饼图为圆形
    plt.axis('equal')
    plt.show()

    [Basic pie chart]

    matplotlib 绘制盒状图(Boxplots)和小提琴图(Violinplots)

    盒状图

    import matplotlib.pyplot as plt

    import numpy as np

    all_data = [np.random.normal(0, std, 100) for std in range(1, 4)]

    fig = plt.figure(figsize=(8,6))

    plt.boxplot(all_data,
                notch=False, # box instead of notch shape
                sym='rs',    # red squares for outliers
                vert=True)   # vertical box aligmnent

    plt.xticks([y+1 for y in range(len(all_data))], ['x1', 'x2', 'x3'])
    plt.xlabel('measurement x')
    t = plt.title('Box plot')
    plt.show()

    小提琴图

    plt.violinplot(all_data,
                   showmeans=False,
                   showmedians=True
                   )

    [matplotlib 绘制盒状图(Boxplots)和小提琴图(Violinplots)]

    散列图scatter()

    使用plot()绘图时,如果指定样式参数为仅绘制数据点,那么所绘制的就是一幅散列图。但是这种方法所绘制的点无法单独指定颜色和大小。
    scatter()所绘制的散列图却可以指定每个点的颜色和大小。
    scatter()的前两个参数是数组,分别指定每个点的X轴和Y轴的坐标。
    s参数指定点的大 小,值和点的面积成正比。它可以是一个数,指定所有点的大小;也可以是数组,分别对每个点指定大小。
    c参数指定每个点的颜色,可以是数值或数组。这里使用一维数组为每个点指定了一个数值。通过颜色映射表,每个数值都会与一个颜色相对应。默认的颜色映射表中蓝色与最小值对应,红色与最大值对应。当c参数是形状为(N,3)或(N,4)的二维数组时,则直接表示每个点的RGB颜色。
    marker参数设置点的形状,可以是个表示形状的字符串,也可以是表示多边形的两个元素的元组,第一个元素表示多边形的边数,第二个元素表示多边形的样式,取值范围为0、1、2、3。0表示多边形,1表示星形,2表示放射形,3表示忽略边数而显示为圆形。
    alpha参数设置点的透明度。
    lw参数设置线宽,lw是line width的缩写。
    facecolors参数为“none”时,表示散列点没有填充色。

    散点图(改变颜色,大小)

    import numpy as np import matplotlib.pyplot as plt

    N = 50
    x = np.random.rand(N)
    y = np.random.rand(N)
    area = np.pi * (15 * np.random.rand(N))**2 # 0 to 15 point radiuses
    color = 2 * np.pi * np.random.rand(N)
    plt.scatter(x, y, s=area, c=color, alpha=0.5, cmap=plt.cm.hsv)
    plt.show()

    matplotlib绘制散点图给点加上注释

    plt.scatter(data_arr[:, 0], data_arr[:, 1], c=class_labels)
    for i, class_label in enumerate(class_labels):
        plt.annotate(class_label, (data_arr[:, 0][i], data_arr[:, 1][i]))

    [matplotlib scatter plot with different text at each data point]

    [matplotlib.pyplot.scatter]

    对数坐标图

    plot()所绘制图表的X-Y轴坐标都是算术坐标。
    绘制对数坐标图的函数有三个:semilogx()、semilogy()和loglog(),它们分别绘制X轴为对数坐标、Y轴为对数坐标以及两个轴都为对数坐标时的图表。
    下面的程序使用4种不同的坐标系绘制低通滤波器的频率响应曲线。
    其中,左上图为plot()绘制的算术坐标系,右上图为semilogx()绘制的X轴对数坐标系,左下图 为semilogy()绘制的Y轴对数坐标系,右下图为loglog()绘制的双对数坐标系。使用双对数坐标系表示的频率响应曲线通常被称为波特图。
    import numpy as np
    import matplotlib.pyplot as plt

    w = np.linspace(0.1, 1000, 1000)
    p = np.abs(1/(1+0.1j*w)) # 计算低通滤波器的频率响应
    plt.subplot(221)
    plt.plot(w, p, linewidth=2)
    plt.ylim(0,1.5)

    plt.subplot(222)
    plt.semilogx(w, p, linewidth=2)
    plt.ylim(0,1.5)

    plt.subplot(223)
    plt.semilogy(w, p, linewidth=2)
    plt.ylim(0,1.5)

    plt.subplot(224)
    plt.loglog(w, p, linewidth=2)
    plt.ylim(0,1.5)

    plt.show()

    极坐标图

    极坐标系是和笛卡尔(X-Y)坐标系完全不同的坐标系,极坐标系中的点由一个夹角和一段相对中心点的距离来表示。polar(theta, r, **kwargs)
    可以polar()直接创建极坐标子图并在其中绘制曲线。也可以使用程序中调用subplot()创建子图时通过设 polar参数为True,创建一个极坐标子图,然后调用plot()在极坐标子图中绘图。

    示例1

    fig = plt.figure()
    ax = fig.add_axes([0.0, 0.0, .6, .6], polar=True)
    t = linspace(0, 2 * pi, 100)
    ax.plot(t, t, color='blue', lw=3);

    示例2

    import numpy as np
    import matplotlib.pyplot as plt

    theta = np.arange(0, 2*np.pi, 0.02)
    plt.subplot(121, polar=True)
    plt.plot(theta, 1.6*np.ones_like(theta), linewidth=2) #绘制同心圆
    plt.plot(3*theta, theta/3, "--", linewidth=2)

    plt.subplot(122, polar=True)
    plt.plot(theta, 1.4*np.cos(5*theta), "--", linewidth=2)
    plt.plot(theta, 1.8*np.cos(4*theta), linewidth=2)
    plt.rgrids(np.arange(0.5, 2, 0.5), angle=45)
    plt.thetagrids([0, 45])

    plt.show()
    Note:rgrids()设置同心圆栅格的半径大小和文字标注的角度。因此右图中的虚线圆圈有三个, 半径分别为0.5、1.0和1.5,这些文字沿着45°线排列。
    Thetagrids()设置放射线栅格的角度, 因此右图中只有两条放射线,角度分别为0°和45°。
     

    [matplotlib.pyplot.polar(*args, **kwargs)]

    等值线图

    使用等值线图表示二元函数z=f(x,y)

    所谓等值线,是指由函数值相等的各点连成的平滑曲线。等值线可以直观地表示二元函数值的变化趋势,例如等值线密集的地方表示函数值在此处的变化较大。
    matplotlib中可以使用contour()和contourf()描绘等值线,它们的区别是:contourf()所得到的是带填充效果的等值线。
    import numpy as np
    import matplotlib.pyplot as plt

    y, x = np.ogrid[-2:2:200j, -3:3:300j]
    z = x * np.exp( - x**2 - y**2)

    extent = [np.min(x), np.max(x), np.min(y), np.max(y)]

    plt.figure(figsize=(10,4))
    plt.subplot(121)
    cs = plt.contour(z, 10, extent=extent)
    plt.clabel(cs)
    plt.subplot(122)
    plt.contourf(x.reshape(-1), y.reshape(-1), z, 20)
    plt.show()
    为了更淸楚地区分X轴和Y轴,这里让它们的取值范围和等分次数均不相同.这样得 到的数组z的形状为(200, 300),它的第0轴对应Y轴、第1轴对应X轴。
    调用contour()绘制数组z的等值线图,第二个参数为10,表示将整个函数的取值范围等分为10个区间,即显示的等值线图中将有9条等值线。可以使用extent参数指定等值线图的X轴和Y轴的数据范围。
    contour()所返回的是一个QuadContourSet对象, 将它传递给clabel(),为其中的等值线标上对应的值。
    调用contourf(),绘制将取值范围等分为20份、带填充效果的等值线图。这里演示了另外一种设置X、Y轴取值范围的方法,它的前两个参数分别是计算数组z时所使用的X轴和Y轴上的取样点,这两个数组必须是一维的。

    使用等值线绘制隐函数f(x,y)=0曲线

    显然,无法像绘制一般函数那样,先创建一个等差数组表示变量的取值点,然后计算出数组中每个x所对应的y值。

    可以使用等值线解决这个问题,显然隐函数的曲线就是值等于0的那条等值线。
    程序绘制函数在f(x,y)=0和 f(x,y)-0.1 = 0时的曲线。
    import numpy as np
    import matplotlib.pyplot as plt

    y, x = np.ogrid[-1.5:1.5:200j, -1.5:1.5:200j]
    f = (x**2 + y**2)**4 - (x**2 - y**2)**2
    plt.figure(figsize=(9,4))
    plt.subplot(121)
    extent = [np.min(x), np.max(x), np.min(y), np.max(y)]
    cs = plt.contour(f, extent=extent, levels=[0, 0.1], colors=["b", "r"], linestyles=["solid", "dashed"], linewidths=[2, 2])
    plt.subplot(122)
    for c in cs.collections:
        data = c.get_paths()[0].vertices
        plt.plot(data[:,0], data[:,1], color=c.get_color()[0], linewidth=c.get_linewidth()[0])

    plt.show()

    contour() levels参数指定所绘制等值线对应的函数值,这里设置levels参数为[0,0.1],因此最终将绘制两条等值线。
    观察图会发现,表示隐函数f(x)=0蓝色实线并不是完全连续的,在图的中间部分它由许多孤立的小段构成。因为等值线在原点附近无限靠近,因此无论对函数f的取值空间如何进行细分,总是会有无法分开的地方,最终造成了图中的那些孤立的细小区域。

    而表示隐函数f(x,y)=0的红色虚线则是闭合且连续的。

    contour()返回对象QuadContourSet

    可以通过contour()返回对象获得等值线上每点的数据,下面我们在IPython中观察变量cs,它是一个 QuadContourSet 对象:
    cs对象的collections属性是一个等值线列表,每条等值线用一个LineCollection对象表示:
    >>> cs.collections
    <a list of 2 collections.LineCollection objects>
    每个LineCollection对象都有它自己的颜色、线型、线宽等属性,注意这些属性所获得的结果外面还有一层封装,要获得其第0个元素才是真正的配置:
    >>> c0.get_color()[0]
    array([ 0., 0., 1., 1.])
    >>> c0.get_linewidth()[0]
    2
    由类名可知,LineCollection对象是一组曲线的集合,因此它可以表示像蓝色实线那样由多条线构成的等值线。它的get_paths()方法获得构成等值线的所有路径,本例中蓝色实线
    所表示的等值线由42条路径构成:
    >>> len(cs.collections[0].get_paths())
    42
    路径是一个Path对象,通过它的vertices属性可以获得路径上所有点的坐标:
    >>> path = cs.collections[0].get_paths()[0]
    >>> type(path)
    <class 'matplotlib.path.Path'>
    >>> path.vertices
    array([[-0.08291457, -0.98938936],
    [-0.09039269, -0.98743719],
    …,
    [-0.08291457, -0.98938936]])
    上面的程序plt.subplot(122)就是从等值线集合cs中找到表示等值线的路径,并使用plot()将其绘制出来。

    皮皮blog

    Matplotlib.pylab绘图实例

    {使用pylab模块}

    matplotlib还提供了一个名为pylab的模块,其中包括了许多NumPy和pyplot模块中常用的函数,方便用户快速进行计算和绘图,十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块:

    >>> import pylab as pl
    

    Note:import pyplot as plt也同样可以
    两种常用图类型
    Line and scatter plots(使用plot()命令), histogram(使用hist()命令)

    1 折线图&散点图 Line and scatter plots

    折线图 Line plots(关联一组x和y值的直线)

    import pylab as pl
    
    x = [1, 2, 3, 4, 5]# Make an array of x values
    y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
    
    pl.plot(x, y)# use pylab to plot x and y
    pl.show()# show the plot on the screen

    image

    plot(x, y)        # plot x and y using default line style and color
    plot(x, y, 'bo')  # plot x and y using blue circle markers
    plot(y)           # plot y using x as index array 0..N-1
    plot(y, 'r+')     # ditto, but with red plusses

    plt.plot(ks, wssses, marker='*', markerfacecolor='r', linestyle='-', color='b')

     散点图 Scatter plots

    把pl.plot(x, y)改成pl.plot(x, y, 'o')

    image

    美化 Making things look pretty

    线条颜色 Changing the line color

    红色:把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)

    线条样式 Changing the line style

    虚线:plot(x,y, '--')

    marker样式 Changing the marker style

    蓝色星型markers:plot(x,y, ’b*’)

    具体见附录 - matplotlib中的作图参数

    图和轴标题以及轴坐标限度 Plot and axis titles and limits

    import numpy as np
    import pylab as pl

    x = [1, 2, 3, 4, 5]# Make an array of x values
    y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
    pl.plot(x, y)# use pylab to plot x and y
    pl.title(’Plot of y vs. x’)# give plot a title
    pl.xlabel(’x axis’)# make axis labels
    pl.ylabel(’y axis’)
    pl.xlim(0.0, 7.0)# set axis limits
    pl.ylim(0.0, 30.)
    pl.show()# show the plot on the screen

    image

     一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes

    依次作图即可

    import numpy as np
    import pylab as pl 
    x1 = [1, 2, 3, 4, 5]
    y1 = [1, 4, 9, 16, 25]
    x2 = [1, 2, 4, 6, 8]
    y2 = [2, 4, 8, 12, 16]

    pl.plot(x1, y1, ’r’)
    pl.plot(x2, y2, ’g’)
     
    pl.title(’Plot of y vs. x’)
    pl.xlabel(’x axis’)
    pl.ylabel(’y axis’) 
     
    pl.xlim(0.0, 9.0)# set axis limits
    pl.ylim(0.0, 30.) 
     
    pl.show()

    image

    图例 Figure legends

    pl.legend((plot1, plot2), (’label1, label2’),loc='best’, numpoints=1)

    第三个参数loc=表示图例放置的位置:'best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.如果在当前figure里plot的时候已经指定了label,如plt.plot(x,z,label="cos(x2)"),直接调用plt.legend()就可以了。

    import pylab as pl
    
    x1 = [1, 2, 3, 4, 5]  # Make x, y arrays for each graph
    y1 = [1, 4, 9, 16, 25]
    x2 = [1, 2, 4, 6, 8]
    y2 = [2, 4, 8, 12, 16]
    
    plot1 = pl.plot(x1, y1, 'r')  # use pylab to plot x and y : Give your plots names
    plot2 = pl.plot(x2, y2, 'go')
    
    pl.title('Plot of y vs. x')  # give plot a title
    pl.xlabel('x axis')  # make axis labels
    pl.ylabel('y axis')
    
    pl.xlim(0.0, 9.0)  # set axis limits
    pl.ylim(0.0, 30.)
    
    pl.legend([plot1, plot2], ('red line', 'green circles'), 'best', numpoints=1)  # make legend
    pl.show()  # show the plot on the screen

    image

    2 直方图 Histograms

    import numpy as np
    import pylab as pl
    
    # make an array of random numbers with a gaussian distribution with
    # mean = 5.0
    # rms = 3.0
    # number of points = 1000
    data = np.random.normal(5.0, 3.0, 1000)
    
    # make a histogram of the data array
    pl.hist(data)
    
    # make plot labels
    pl.xlabel('data')
    pl.show()
    

    如果不想要黑色轮廓可以改为pl.hist(data, histtype=’stepfilled’)

    image

    自定义直方图bin宽度 Setting the width of the histogram bins manually

    增加两行

    bins = np.arange(-5., 16., 1.) #浮点数版本的range
    pl.hist(data, bins, histtype=’stepfilled’)

    image

    绘制

    同一画板上绘制多幅子图 Plotting more than one axis per canvas

    如果需要同时绘制多幅图表的话,可以是给figure传递一个整数参数指定图标的序号,如果所指定
    序号的绘图对象已经存在的话,将不创建新的对象,而只是让它成为当前绘图对象。

    fig1 = pl.figure(1)
    pl.subplot(211)
    subplot(211)把绘图区域等分为2行*1列共两个区域, 然后在区域1(上区域)中创建一个轴对象. pl.subplot(212)在区域2(下区域)创建一个轴对象。

    image

    You can play around with plotting a variety of layouts. For example, Fig. 11 is created using the following commands:

    f1 = pl.figure(1)
    pl.subplot(221)
    pl.subplot(222)
    pl.subplot(212)

    image

    当绘图对象中有多个轴的时候,可以通过工具栏中的Configure Subplots按钮,交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话,可以调用subplots_adjust函数,它有left, right, bottom, top, wspace, hspace等几个关键字参数,这些参数的值都是0到1之间的小数,它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。

    pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)

    给一些特殊点做注释

            我们希望在 2π/3的位置给两条函数曲线加上一个注释。首先,我们在对应的函数图像位置上画一个点;然后,向横轴引一条垂线,以虚线标记;最后,写上标签。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    
    ...
    
    t = 2*np.pi/3
    plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
    scatter([t,],[np.cos(t),], 50, color ='blue')
    
    annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
             xy=(t, np.sin(t)), xycoords='data',
             xytext=(+10, +30), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
    
    plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
    scatter([t,],[np.sin(t),], 50, color ='red')
    
    annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
             xy=(t, np.cos(t)), xycoords='data',
             xytext=(-90, -50), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
    ...
    

    精益求精

    坐标轴上的记号标签被曲线挡住了,作为强迫症患者(雾)这是不能忍的。我们可以把它们放大,然后添加一个白色的半透明底色。这样可以保证标签和曲线同时可见。

    1
    2
    3
    4
    5
    
    ...
    for label in ax.get_xticklabels() + ax.get_yticklabels():
        label.set_fontsize(16)
        label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))
    ...
    

    [Matplotlib 教程*]

    plt.text(0.5,0.8,'subplot words',color='blue',ha='center',transform=ax.trans    Axes)  

    plt.figtext(0.1,0.92,'figure words',color='green') 

    plt.annotate('buttom',xy=(0,0),xytext=(0.2,0.2),arrowprops=dict(facecolor='blue', shrink=0.05)) 

    [matplotlib绘图,图标注释(2) 

    皮皮blog

    绘制圆形Circle和椭圆Ellipse

    1. 调用包函数

    ###################################
    #   coding=utf-8
    #   !/usr/bin/env python
    #   __author__ = 'pipi'
    #   ctime 2014.10.11
    #   绘制椭圆和圆形
    ###################################
    from matplotlib.patches import Ellipse, Circle
    import matplotlib.pyplot as plt
    
    fig = plt.figure()
    ax = fig.add_subplot(111)
    
    ell1 = Ellipse(xy = (0.0, 0.0), width = 4, height = 8, angle = 30.0, facecolor= 'yellow', alpha=0.3)
    cir1 = Circle(xy = (0.0, 0.0), radius=2, alpha=0.5)
    ax.add_patch(ell1)
    ax.add_patch(cir1)
    
    x, y = 0, 0
    ax.plot(x, y, 'ro')
    
    plt.axis('scaled')
    # ax.set_xlim(-4, 4)
    # ax.set_ylim(-4, 4)
    plt.axis('equal')   #changes limits of x or y axis so that equal increments of x and y have the same length
    
    plt.show()
    

    参见Matplotlib.pdf Release 1.3.1文档

    p187

    18.7 Ellipses (see arc)

    p631class matplotlib.patches.Ellipse(xy, width, height, angle=0.0, **kwargs)Bases: matplotlib.patches.PatchA scale-free ellipse.xy center of ellipsewidth total length (diameter) of horizontal axisheight total length (diameter) of vertical axisangle rotation in degrees (anti-clockwise)p626class matplotlib.patches.Circle(xy, radius=5, **kwargs)

    或者参见Matplotlib.pdf Release 1.3.1文档contour绘制圆

    #coding=utf-8
    import numpy as np
    import matplotlib.pyplot as plt
    
    x = y = np.arange(-4, 4, 0.1)
    x, y = np.meshgrid(x,y)
    plt.contour(x, y, x**2 + y**2, [9])     #x**2 + y**2 = 9 的圆形
    
    plt.axis('scaled')
    plt.show()

    p478
    Axes3D.contour(X, Y, Z, *args, **kwargs)
    Create a 3D contour plot.
    Argument Description
    X, Y, Data values as numpy.arrays
    Z
    extend3d
    stride
    zdir
    offset
    Whether to extend contour in 3D (default: False)
    Stride (step size) for extending contour
    The direction to use: x, y or z (default)
    If specified plot a projection of the contour lines on this position in plane normal to zdir
    The positional and other

    p1025

    matplotlib.pyplot.axis(*v, **kwargs)
    Convenience method to get or set axis properties.

    或者参见demo【pylab_examples example code: ellipse_demo.py

    2. 直接绘制

    #coding=utf-8
    '''
    Created on Jul 14, 2014
    @author: pipi
    '''
    from math import pi
    from numpy import cos, sin
    from matplotlib import pyplot as plt
    
    if __name__ == '__main__':    
        '''plot data margin'''
        angles_circle = [i*pi/180 for i in range(0,360)]                 #i先转换成double
        #angles_circle = [i/np.pi for i in np.arange(0,360)]             # <=> 
        # angles_circle = [i/180*pi for i in np.arange(0,360)]    X
        x = cos(angles_circle)
        y = sin(angles_circle)
        plt.plot(x, y, 'r')
        
        plt.axis('equal')
        plt.axis('scaled')
        plt.show()

    [Python 如何绘制椭圆? - 知乎]

    绘制不同x区间的log(x)的幂次近似

    import matplotlib.pyplot as plt
    import numpy as np
    min_ = 0.04
    max_ = 0.06
    power_list = [-0.33, -0.335, -0.34]
    beishu = -1.1

    # min_ = 0.043
    # max_ = 0.073
    # power_list = [-0.35, -0.36, -0.37]
    # beishu = -1.02

    # min_ = 1200
    # max_ = 4200
    # power_list = [0.12, 0.13, 0.14]
    # beishu = 2.8

    slice_num = (max_ - min_) / 10000
    x = np.arange(min_, max_, slice_num)
    y = np.log(x)
    y_list = [np.power(x, i) * beishu for i in power_list]

    for yi, power_i in zip(y_list, power_list):
        min_max_ratia = np.round(np.power(max_, power_i) / np.power(min_, power_i), 3)
        plt.plot(x, yi, label='pow_' + str(power_i) + '_' + str(min_max_ratia))

    min_max_ratia = np.round((np.log(max_) / np.log(min_)), 3)
    plt.plot(x, y, label='log' + '_' + str(min_max_ratia))

    plt.legend()
    plt.show()

     from:matplotlib绘图实例:pyplot、pylab模块及作图参数_皮皮blog-CSDN博客_matplotlib案例

    ref:matplotlib Plotting commands summary*

    matplotlib下载及API手册地址

    Screenshots:example figures

    Gallery:Click on any image to see full size image and source code

    用Python做科学计算-基础篇——matplotlib-绘制精美的图表

    Matplotlib 教程

    matplotlib绘图手册  /subplot

    matplotlib画等高线的问题

    matplotlib - 2D and 3D plotting in Python

    matplotlib绘图库入门
    绘制精美的图表
    使用 python Matplotlib 库绘图
    barChart:http://www.cnblogs.com/qianlifeng/archive/2012/02/13/2350086.html
    matplotlib--python绘制图表 | PIL--python图像处理
    魔法(Magic)命令%magic -%matplotlibinline

    Gnuplot的介绍

    IBM:基于 Python Matplotlib 模块的高质量图形输出(2005年的文章有点旧)

    matplotlib技巧集(绘制不连续函数的不连续点;参数曲线上绘制方向箭头;修改缺省刻度数目;Y轴不同区间使用不同颜色填充的曲线区域。)

    Python:使用matp绘制不连续函数的不连续点;参数曲线上绘制方向箭头;修改缺省刻度数目;Y轴不同区间使用不同颜色填充的曲线区域。lotlib绘制图表

    matplotlib图表中图例大小及字体相关问题

    展开全文
  • pyplot-源码

    2021-03-16 10:05:41
    pyplot
  • matplotlib.pyplot.plot()参数详解

    万次阅读 多人点赞 2018-04-03 12:17:43
    在交互环境中查看帮助文档...import matplotlib.pyplot as plt help(plt.plot) 以下是对帮助文档重要部分的翻译: plot函数的一般的调用形式: #单条线: plot([x], y, [fmt], data=None, **kwargs) #多条线一...

    https://matplotlib.org/api/pyplot_summary.html

    在交互环境中查看帮助文档:

    import matplotlib.pyplot as plt
    help(plt.plot)

    以下是对帮助文档重要部分的翻译:

    plot函数的一般的调用形式:

    #单条线:
    plot([x], y, [fmt], data=None, **kwargs)
    #多条线一起画
    plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

    可选参数[fmt] 是一个字符串来定义图的基本属性如:颜色(color),点型(marker),线型(linestyle)

    具体形式  fmt = '[color][marker][line]'

    fmt接收的是每个属性的单个字母缩写,例如

    plot(x, y, 'bo-')  # 蓝色圆点实线

    若属性用的是全名则不能用*fmt*参数来组合赋值,应该用关键字参数对单个属性赋值如:

    plot(x,y2,color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)

    plot(x,y3,color='#900302',marker='+',linestyle='-')

    常见的颜色参数:**Colors**

     

    也可以对关键字参数color赋十六进制的RGB字符串如 color='#900302'

        =============    ===============================
        character        color
        =============    ===============================
        ``'b'``          blue 蓝
        ``'g'``          green 绿
        ``'r'``          red 红
        ``'c'``          cyan 蓝绿
        ``'m'``          magenta 洋红
        ``'y'``          yellow 黄
        ``'k'``          black 黑
        ``'w'``          white 白
        =============    ===============================
     点型参数**Markers**,如:marker='+' 这个只有简写,英文描述不被识别
    =============    ===============================
        character        description
        =============    ===============================
        ``'.'``          point marker
        ``','``          pixel marker
        ``'o'``          circle marker
        ``'v'``          triangle_down marker
        ``'^'``          triangle_up marker
        ``'<'``          triangle_left marker
        ``'>'``          triangle_right marker
        ``'1'``          tri_down marker
        ``'2'``          tri_up marker
        ``'3'``          tri_left marker
        ``'4'``          tri_right marker
        ``'s'``          square marker
        ``'p'``          pentagon marker
        ``'*'``          star marker
        ``'h'``          hexagon1 marker
        ``'H'``          hexagon2 marker
        ``'+'``          plus marker
        ``'x'``          x marker
        ``'D'``          diamond marker
        ``'d'``          thin_diamond marker
        ``'|'``          vline marker
        ``'_'``          hline marker
        =============    ===============================

    线型参数**Line Styles**,linestyle='-'

        =============    ===============================
        character        description
        =============    ===============================
        ``'-'``          solid line style 实线
        ``'--'``         dashed line style 虚线
        ``'-.'``         dash-dot line style 点画线
        ``':'``          dotted line style 点线
        =============    ===============================

    样例1

    函数原型:matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
    >>> plot('xlabel', 'ylabel', data=obj)
    解释:All indexable objects are supported. This could e.g. be a dict, a pandas.DataFame or a structured numpy array.
    data 参数接受一个对象数据类型,所有可被索引的对象都支持,如 dict 等
    import matplotlib.pyplot as plt  
    import numpy as np
    '''read file 
    fin=open("para.txt")
    a=[]
    for i in fin:
      a.append(float(i.strip()))
    a=np.array(a)
    a=a.reshape(9,3)
    '''
    a=np.random.random((9,3))*2 #随机生成y
     
    y1=a[0:,0]
    y2=a[0:,1]
    y3=a[0:,2]
     
    x=np.arange(1,10)
     
    ax = plt.subplot(111)
    width=10
    hight=3
    ax.arrow(0,0,0,hight,width=0.01,head_width=0.1, head_length=0.3,length_includes_head=True,fc='k',ec='k')
    ax.arrow(0,0,width,0,width=0.01,head_width=0.1, head_length=0.3,length_includes_head=True,fc='k',ec='k')
     
    ax.axes.set_xlim(-0.5,width+0.2)
    ax.axes.set_ylim(-0.5,hight+0.2)
    
    plotdict = { 'dx': x, 'dy': y1 }
    ax.plot('dx','dy','bD-',data=plotdict)
    
    ax.plot(x,y2,'r^-')
    ax.plot(x,y3,color='#900302',marker='*',linestyle='-')
    
    plt.show()

    样例2,

    import matplotlib.pyplot as plt  
    import numpy as np  
      
    x = np.arange(0, 2*np.pi, 0.02)  
    y = np.sin(x)  
    y1 = np.sin(2*x)  
    y2 = np.sin(3*x)  
    ym1 = np.ma.masked_where(y1 > 0.5, y1)  
    ym2 = np.ma.masked_where(y2 < -0.5, y2)  
      
    lines = plt.plot(x, y, x, ym1, x, ym2, 'o')  
    #设置线的属性
    plt.setp(lines[0], linewidth=1)  
    plt.setp(lines[1], linewidth=2)  
    plt.setp(lines[2], linestyle='-',marker='^',markersize=4)  
    #线的标签
    plt.legend(('No mask', 'Masked if > 0.5', 'Masked if < -0.5'), loc='upper right')  
    plt.title('Masked line demo')  
    plt.show()  

    例3 :圆

    import numpy as np
    import matplotlib.pyplot as plt
    
    theta = np.arange(0, 2*np.pi, 0.01)
    xx = [1,2,3,10,15,8]
    yy = [1,-1,0,0,7,0]
    rr = [7,7,3,6,9,9]
    
    fig = plt.figure()
    axes = flg.add_subplot(111)
    
    i = 0
    while i < len(xx):
        x = xx[i] + rr[i] *np.cos(theta)
        x = xx[i] + rr[i] *np.cos(theta)
        axes.plot(x,y)
        axes.plot(xx[i], yy[i], color='#900302', marker='*')
         i = i+1
    width = 20
    hight = 20
    axes.arrow(0,0,0,hight,width=0.01,head_width=0.1,head_length=0.3,fc='k',ec='k')
    axes.arrow(0,0,width,0,width=0.01,head_width=0.1,head_length=0.3,fc='k',ec='k')
    plt.show()

     

     

    展开全文
  • pyplot_template:pyplot脚本
  • The PyPlot module for Julia This module provides a Julia interface to the Matplotlib plotting library from Python, and specifically to the matplotlib.pyplot module. PyPlot uses the Julia PyCall ...
  • pyplot直方图

    2021-01-20 03:29:33
    pyplot种提供hist()函数绘制直方图。 plt.hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype=‘bar’, align=‘mid’, orientation=‘vertica
  • Pyplot tutorial

    2018-11-19 14:44:00
    https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html#matplotlib.pyplot.scatter 文章重点介绍pyplot的使用方法  
  • PyPlot.jl:基于matplotlib.pyplot为Julia进行绘图
  • PyPlot-开源

    2021-07-18 17:45:41
    Microfi PyPlot 是一个易于使用的函数绘图仪。 它是完全开源的,因此您可以根据需要对其进行编辑。 该项目的主要目标是为想要学习数学的学校教师和学生提供一个干净的界面。
  • Pyplot 画图

    2021-08-22 12:30:35
    Pyplot 画图 import numpy as np import matplotlib.pyplot as plt x = np.linspace(1, 10, 1000) y = x+3 plt.plot(x,y,color=‘blue’,linewidth=1.0,linestyle=’-’)#画第一个函数,设置颜色,线宽,实线 plt....
  • Pyplot-Fortran 一个简单的模块,可使用Python的matplotlib.pyplot从Fortran生成图。 概述 当前,该模块可用于从Fortran生成简单图。 最终,它可能会被扩展以提供其他功能和其他类型的绘图。 它的工作方式只是使用...
  • pyplot概述

    2019-12-17 15:43:30
    matplotlib.pyplot 是命令行风格的函数集,让matplotlib看起来像MATLAB.Each一样工作。pyplot函数能够对画布(figure)进行一些改变,例如:创建一个画布(figure), 在画布中创建一个绘图区域,在绘图区域中画图,使用...
  • matplotlib.pyplot笔记

    2021-01-20 02:57:16
    matplotlib.pyplot Notebook 由于使用emacs-org进行编辑,为方便暂且使用英文 Table of Contents basic point basic elements line graph axis: line markers method 1 method 2 method 3 legend, label and title ...
  • Py之matplotlib.pyplot:matplotlib.pyplot的plt.legend函数的简介、使用方法之详细攻略 目录 matplotlib.pyplot的plt.legend函数的简介 1、参数解释 2、源代码 matplotlib.pyplot的plt.legend函数的...
  • pyplot显示二叉树

    2018-12-08 19:37:32
    利用pyplot将二叉树打印出来便于直观观察 详情看 https://blog.csdn.net/Steven_L1994/article/details/84897961
  • Pyplot 常见绘图方法

    2020-12-21 14:55:53
    前言:Pyplot 是python中matplotlib一个强大的绘图工具,它是其内部一个简单的面向函数式的API,应付平时工作当中简单的绘图工作,其实也不能说其绘制的图比较简单,它也能应付很多复杂的图表,当然没有其另一个面向对象的...
  • pyplot的文本显示方法

    2020-12-22 14:59:42
    本文的主要内容是基于中国大学mooc(慕课)中的“Python数据分析与可视化”课程进行整理和...import matplotlib.pyplot as plt import numpy as np a = np.arange(0.,5.,0.02) plt.plot(a,np.cos(2*np.pi*a),'r-.') plt
  • pyplot 画图

    千次阅读 2018-04-13 10:52:53
    使用 plt.plot() 画 折线图import matplotlib.pyplot as plt import pandas as pdx = [1, 3, 7, 8, 12, 14, 17, 25, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40] y = [3, 5, 6, 10, 13, 23, 24, 27, 30, 28,...
  • matplotlib.pyplot

    2020-03-12 09:14:40
    1.matplotlib.pyplot.figure(num,…) 给窗口命名 2.matplotlib.pyplot.plot(x,y,colorpointline,…) 画直线:(x,y)坐标 图像颜色 图像中点和线的样式 3.matplotlib.pyplot.xlabel() matplotlib.pyplot.ylabel() 分别...
  • 本文主要介绍如何通过pyplot来绘制函数图。主要绘制函数如下: – 一元一次函数 – 一元二次函数 – 指数函数 – 自然对数函数 – 正弦函数 一元一次函数 代码 import matplotlib.pyplot as plt import numpy as ...
  • matlab设置画布大小代码pyplot教程 代码示例了解用于绘制图形的matplotlib.pyplot接口。 术语 使用指南中的这张图描述了matplotlib图中的所有主要元素: matplotlib 面向对象的Python库进行绘图 图和轴是主要对象 图...
  • 在使用Python库时,常常会用到matplotlib.pyplot绘图,本文介绍在PyCharm及Jupyter Notebook页面中控制绘图显示与否的小技巧。 在PyCharm中显示绘图 在绘图代码最后加上“plt.show()”语句。 import numpy as np ...
  • Pyplot基础教程

    千次阅读 2018-10-25 15:21:28
    Pyplot基础教程 matplotlib的pyplot子库提供了和matlab类似的绘图API 绘图基础 定义图像窗口 plt.figure() # 定义一个图像窗口 plt.show() # 显示图像 figure窗口 plt.figure(num=3, figsize=(8,5)) # 图像窗口,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 221,601
精华内容 88,640
关键字:

pyplot