精华内容
下载资源
问答
  • #matplotlib画图 1、画收敛曲线图 x=range(1,10) #x的取值 y=range(1,10) #y的取值 plt.figure(figsize=(8,4)) #图像大小 plt.plot(x,y,c='b',...#备注:c='b'表示曲线的颜色,linewidth = 1.0表示曲线粗细,mar...

    #matplotlib画图
    1、画收敛曲线图
    x=range(1,10) #x的取值
    y=range(1,10) #y的取值
    plt.figure(figsize=(8,4)) #图像大小
    plt.plot(x,y,c='b',linewidth = 1.0,marker='o',label='LS') #画线
    #备注:c='b'表示曲线的颜色,linewidth = 1.0表示曲线的粗细,marker='o'表示曲线点的形状,label='LS'表示曲线的标签
    ##23种点形状
    ## "."point","pixel"o"circle"v"triangle_down 
    ## "^"triangle_up"<"triangle_left">"triangle_right"1"tri_down
    ## "2"tri_up"3"tri_left"4"tri_right"8"octagon 
    ## "s"square"p"pentagon"*"star"h"hexagon1"H"hexagon2 
    ## "+"plus"x"x"D"diamond"d"thin_diamond
    plt.ylim(1,11) #y的取值范围
    plt.savefig('a.png',dpi=120) #保存成pdf/png格式的文件,分辨率为120
    plt.xlabel('Number of evaluation') #横坐标标签
    plt.ylabel('Q') #纵坐标的标签
    plt.legend() #添加图例
    plt.title('DECD6_for_karate') #图像的标题

    2、画度分布图
    from pylab import*
    mpl.rcParams['font.sans-serif']=['SimHei'] #允许字体为汉字宋体
    mpl.rcParams['axes.unicode_minus']=False
    degree =  [0, 1, 11, 6, 6, 3, 2, 0, 0, 1, 1, 0, 1, 0, 0, 0, 1, 1,0]
    karate_degree = range(len(degree))  生成x轴序列,从1到最大度
    karate_pk = [z / float(sum(degree)) for z in degree] 
    plt.figure(figsize=(10,7),dpi=98)
    plt.xlabel('$Degree(k)$', fontsize=28)
    plt.ylabel('$P(k)$', fontsize=28)
    plt.plot(karate_degree,karate_pk,'bo-',markersize=15,label='Karate')  
    plt.xticks([0,5,10,15,20],rotation=0,fontsize=25)x轴的赋值
    plt.yticks([0,0.2,0.4,0.5],rotation=0,fontsize=25)y轴的赋值
    plt.xlim([0,20])
    plt.ylim([-0.05,0.5])
    plt.xticks(fontsize=25)
    plt.yticks(fontsize=25)
    plt.legend(fontsize=25,numpoints=1,fancybox=True,,prop={'family':'SimHei','size':15},ncol=1)
    plt.savefig('degree distribution.pdf')   
    plt.show()

    3、画直方图
    import matplotlib
    myfont = matplotlib.font_manager.FontProperties(fname=r'C:/Windows/Fonts/MSYH.ttf')
    plt.figure(figsize=(8,6),dpi=98)
    l = range(7)  
    index_ls = ['karate','1','2','3','4']  
    plt.ylabel('Q',fontsize=16) y轴的意义
    plt.xlabel(u'社团划分',fontproperties=myfont,fontsize=22)x轴的意义
    plt.xticks(l,index_ls,rotation=0,fontsize=20)x轴的赋值
    plt.yticks([0.39,0.40,0.41,0.42,0.43],fontsize=14)
    plt.axis([-0.5, 5.5, 0.39,0.44])XY轴的范围图
    plt.bar(left = (0),height = (0.419),color=('k'),label=(('Karate')),width = 0.4,align="center",yerr=0)
    plt.bar(left = (1),height = (0.42),color=('grey'),label=(('community1')),width = 0.4,align="center",yerr=0.0012868733420386665,ecolor='k')
    plt.bar(left = (2),height = (0.44001),color=('grey'),label=(('community2')),width = 0.4,align="center",yerr=0.0081891486510690583,ecolor='k')
    plt.bar(left = (3),height = (0.431268026001),color=('grey'),label=(('community3')),width = 0.4,align="center",yerr=0.0012367779525420085,ecolor='k')
    plt.bar(left = (4),height = (0.4316833992357999),color=('grey'),label=(('community4')),width = 0.4,align="center",yerr=0.0042202576766535698,ecolor='k')
    #left表示每个柱状,height表示每个柱状的高度,color表示颜色,label表示图例中的标签,width表示柱状的宽度,align表示位置,yerr表示误差线,ecolor表示误差线的颜色
    plt.legend(loc='higher left',ncol=1) #图标的位置
    plt.figure(figsize = (15,12)) 
    plt.savefig("Q.pdf")
    plt.show()

    4、画盒图(这里在一个图中画4个盒图)
    fig=plt.figure(figsize=(12,8)) #图像大小
    ax1=fig.add_subplot(2, 2, 1)左右布局
    ax2=fig.add_subplot(2, 2, 2)
    ax3=fig.add_subplot(2, 2, 3)上下布局
    ax4=fig.add_subplot(2, 2, 4)
    plt.sca(ax1)     
    labels=['A','B','C','D']
    plt.boxplot(data1,labels=labels)
    plt.xlabel('(a)',fontsize=14)
    #plt.xticks([0.395,0.4000,0.405,0.410,0.415,0.420,0.425],fontsize=12) 不设置坐标范围即根据默认范围进行布局
    #plt.yticks([0.395,0.4000,0.405,0.410,0.415,0.420,0.425])
    plt.ylabel('Statistic value of modularity(Q)')
    plt.xlabel('(a)')

    plt.sca(ax2)     
    labels=['A','B','C','D']
    plt.boxplot(data2,labels=labels)
    plt.xlabel('(b)',fontsize=14)
    #plt.xticks([0.395,0.4000,0.405,0.410,0.415,0.420,0.425],fontsize=12) 不设置坐标范围即根据默认范围进行布局
    #plt.yticks([0.395,0.4000,0.405,0.410,0.415,0.420,0.425])
    plt.ylabel('Statistic value of modularity(Q)')
    plt.xlabel('(b)')

    plt.sca(ax3)     
    labels=['A','B','C','D']
    plt.boxplot(data3,labels=labels)
    plt.xlabel('(c)',fontsize=14)
    #plt.xticks([0.395,0.4000,0.405,0.410,0.415,0.420,0.425],fontsize=12) 不设置坐标范围即根据默认范围进行布局
    #plt.yticks([0.395,0.4000,0.405,0.410,0.415,0.420,0.425])
    plt.ylabel('Statistic value of modularity(Q)')
    plt.xlabel('(c)')

    plt.sca(ax4)     
    labels=['A','B','C','D']
    plt.boxplot(data4,labels=labels)
    plt.xlabel('(d)',fontsize=14)
    #plt.xticks([0.395,0.4000,0.405,0.410,0.415,0.420,0.425],fontsize=12) 不设置坐标范围即根据默认范围进行布局
    #plt.yticks([0.395,0.4000,0.405,0.410,0.415,0.420,0.425])
    plt.ylabel('Statistic value of modularity(Q)')
    plt.xlabel('(d)')
    plt.savefig('networks-4.pdf')
    plt.show()

    5、画热力图
    import seaborn as sns
    data={'functions1':list1,'functions2':list2,'statics':list7_GN7}
    frame=DataFrame(data,columns=['functions1','functions2','statics'])
    frame = frame.pivot("functions1", "functions2", "statics")
    ax = sns.heatmap(frame,vmin=0, vmax=1,cmap="YlGnBu")

    展开全文
  • matplotlib-seaborn-曲线

    2019-10-19 15:59:22
    曲线图, tsplot 或者 lineplot tsplot, 横轴数据:time 纵轴数据:all_acc 统计函数:默认的是均值 estimator=np.mean;中位数:estimator=np.median 使用估计量进行聚合时,定义要绘制的置信区间的大小。为“sd”...

    曲线图, tsplot 或者 lineplot

    tsplot,
    横轴数据:time
    纵轴数据:all_acc
    统计函数:默认的是均值  estimator=np.mean;中位数:estimator=np.median
    使用估计量进行聚合时,定义要绘制的置信区间的大小。为“sd”时,专指绘制数据的标准偏差
    color:线条颜色
    linewidth:线条粗细

    legend 参数:
    loc: set legend position
    labelspacing: 多个 legend space
    ncol:定义 legend 列数
    frameon: legend 是否有加边框
    title: legend 标题
    fontsize: legend 字体大小
    handlelength:legend 整体大小
     

    # 设置 figure 中字体属性类型,(自己电脑字体路径。设置中文字体必须设置这一项)
    font = FontProperties(fname=r"C:\\WINDOWS\\Fonts\\msyhbd.ttf", size=9)
    # 设置 figure 背景色
    # sn.set_style('darkgrid')
    sn.set_style('whitegrid')

     

    # 设置 ylabel 内容,字体,fontproperties=font
    ax1.set_ylabel('The balanced accuracy (%)', fontproperties=font)

     

    # 定义 yticks 特殊坐标号
    yticks_position = ['85', '90', '95', '100']
    plt.yticks([0.85,0.90, 0.95, 1.0], yticks_position)

     

    # 添加 legend ,呈现为希腊字符
    legend_char = ["$\delta$", "$\\theta$", "$\\alpha$", "$\\beta$"]

     

    展开全文
  • python matplotlib 画图

    2017-08-03 17:41:00
    import numpy as np import matplotlib.pyplot as plt from pylab import * ...可以通过配置 plot 函数参数调整曲线的样式、粗细、颜色、标记等: 曲线图:matplotlib.pyplot.plot(data) 灰度图:matplotlib...

    import numpy as np

    import matplotlib.pyplot as plt

    from pylab import *

     

    numpy 常用来组织源数据: 使用 plot 函数直接绘制上述函数曲线,

    可以通过配置 plot 函数参数调整曲线的样式、粗细、颜色、标记等:

    曲线图:matplotlib.pyplot.plot(data)

    灰度图:matplotlib.pyplot.hist(data)

    散点图:matplotlib.pyplot.scatter(data)

    箱式图:matplotlib.pyplot.boxplot(data)

     

    # 定义数据部分 x = np.arange(0., 10, 0.2) y1 = np.cos(x) y2 = np.sin(x) y3 = np.sqrt(x)

    # 绘制 3 条函数曲线

    plt.plot(x, y1, color='blue', linewidth=1.5, linestyle='-', marker='.', label=r'$y = cos{x}$')

    plt.plot(x, y2, color='green', linewidth=1.5, linestyle='-', marker='*', label=r'$y = sin{x}$')

    plt.plot(x, y3, color='m', linewidth=1.5, linestyle='-', marker='x', label=r'$y = \sqrt{x}$')

    # 坐标轴上移

    ax = plt.subplot(111) ax.spines['right'].set_color('none')    

    # 去掉右边的边框线 ax.spines['top'].set_color('none')       # 去掉上边的边框线

    # 移动下边边框线,相当于移动 X 轴

    #ax.xaxis.set_ticks_position('bottom')   

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

    # 移动左边边框线,相当于移动 y 轴

    #ax.yaxis.set_ticks_position('left')

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

    # 设置 x, y 轴的取值范围 #plt.ylim(-1.5, 4.0)

    # 设置 x, y 轴的刻度值

    plt.xticks([2, 4, 6, 8, 10], [r'2', r'4', r'6', r'8', r'10']) plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0],     [r'-1.0', r'0.0', r'1.0', r'2.0', r'3.0', r'4.0'])

    # 添加文字

    plt.text(8, 2, r'$x \in [0.0, \ 10.0]$', color='k', fontsize=15) plt.text(8, 1, r'$y \in [-1.0, \ 4.0]$', color='k', fontsize=15)

     

    # 特殊点添加注解

    plt.scatter([8,8],[2,2.8], 300, color ='m')  # 使用散点图放大当前点

    #plt.annotate(r'$2\sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909'))

    # 设置标题、x轴、y轴

    plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19)

    plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8)

    plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5)

    # 设置图例及位置 plt.legend(loc='up right')   

    # plt.legend(['cos(x)', 'sin(x)', 'sqrt(x)'], loc='up right')

    # 显示网格线 plt.grid(True)   

    # 显示绘图 plt.show()

    转载于:https://www.cnblogs.com/csj007523/p/7280984.html

    展开全文
  • 作图存在汉字无法显示 在作图代码前添加如下代码 plt.rcParams['font.sans-serif...plt.plot()中有一个参数 ‘linewidth’,修改参数可以改变曲线粗细程度 一个坐标系中存在多个曲线,给曲线命名 plt.plot()中有一个...

    作图存在汉字无法显示

    在作图代码前添加如下代码

    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    

    作图的曲线粗细调整

    plt.plot()中有一个参数 ‘linewidth’,修改参数可以改变曲线粗细程度

    一个坐标系中存在多个曲线,给曲线命名

    plt.plot()中有一个参数 ‘label’,对应该函数画出的曲线

    使用plt.plot()设定了label后并未画出

    在后面添加如下代码

    plt.legend()
    

    坐标轴label

    font = {'family': 'Times New Roman', 'weight': 'normal', 'size': 23}
    plt.xlabel('x position', font)
    plt.ylabel('y position', font)
    

    给定坐标系长度

    将坐标系固定为横坐标0 ~ 100,纵坐标0 ~ 350

    plt.axis([0, 100, 0, 350])
    

    坐标系名字

    font = {'family': 'Times New Roman', 'weight': 'normal', 'size': 23}
    plt.title('name', font)
    

    坐标系标度字体大小

    plt.xticks(fontsize=20)
    plt.yticks(fontsize=20)
    
    展开全文
  • 2.2、hold属性hold属性默认为True,允许在一幅图中绘制多个曲线;将hold属性修改为False,每一个plot都会覆盖前面的plot。但是目前不推荐去动hold这个属性,这种做法(会有警告)。因此使用默认设置即可。2.3、网格线...
  • 绘制基本曲线使用plot函数绘制函数曲线,可以调整plot函数参数配置曲线样式、粗细、颜色、标记等设置坐标轴(1.)spines移动坐标轴(2.)xlim方法设置坐标轴刻度取值范围(3.)xticks,yticks方法设置x,y轴的刻度标签值(4.)...
  • Python可视化库matplotlib

    2019-04-09 09:28:09
    使用plot函数绘制函数曲线,可以调整plot函数参数,配置曲线样式、粗细、颜色、标记等。 设置坐标轴: (1)spines方法移动坐标轴 (2)xlim方法设置坐标轴刻度取值范围 (3)xticks,yticks方法设置x,y轴的刻度标签值 (4)...
  • Matplotlib绘制基础头部引包直线折线设置标签文字和线条粗细解决标签、标题中的中文问题一元二次方程的曲线y=x^2正弦、余弦函数散点图柱状图np.random.randint(low, high=None, size=None, dtype='l')np.arange()...
  • Python可视化库matplotlib(基础整理)

    万次阅读 多人点赞 2017-10-25 17:50:08
    绘制基本曲线使用plot函数绘制函数曲线,可以调整plot函数参数配置曲线样式、粗细、颜色、标记等设置坐标轴(1.)spines移动坐标轴(2.)xlim方法设置坐标轴刻度取值范围(3.)xticks,yticks方法设置x,y轴的刻度标签值(4.)...
  • 主要内容提要:绘制基本曲线使用plot函数绘制函数曲线,可以调整plot函数参数配置曲线样式、粗细、颜色、标记等设置坐标轴(1.)spines移动坐标轴(2.)xlim方法设置坐标轴刻度取值范围(3.)xticks,yticks方法设置x,y轴的...
  • 2.2、hold属性hold属性默认为True,允许在一幅图中绘制多个曲线;将hold属性修改为False,每一个plot都会覆盖前面的plot。但是目前不推荐去动hold这个属性,这种做法(会有警告)。因此使用默认设置即可。2.3、网格线...
  • from scipy.signal import savgol_filter ...import matplotlib.pyplot as plt cc = savgol_filter(c, 99, 1) plt.plot(c)plt.plot(cc)plt.show() from matplotlib.collections import LineCollection im...
  • 使用plot函数绘制函数曲线,可以调整plot函数参数配置曲线样式、粗细、颜色、标记等 设置坐标轴 (1.)spines移动坐标轴 (2.)xlim方法设置坐标轴刻度取值范围 (3.)xticks,yticks方法设置x,y轴的刻度标签值 (4.)...
  • from matplotlib.collections importLineCollectionimportnumpy as npimportmathimportmatplotlib.pyplot as pltpi= 3.1415x= np.linspace(0, 4*pi, 100)y= [math.cos(xx) for xx inx]lwidths=abs(x)color=[]for i i...
  • 本节你将学到绘制折线图绘制散点图调整曲线的颜色、粗细调整图标标签绘制简单折线图折线图的绘制,需要用到matplotlib.pyplot库,利用其中的plot()方法实现折线图的绘制。import matplotlib.pyplot as pltinput_...
  • 调整曲线的颜色、粗细 调整图标标签 绘制简单折线图 折线图的绘制,需要用到matplotlib.pyplot库,利用其中的plot()方法实现折线图的绘制。 import matplotlib.pyplot as plt input_values=[1,2,3,4,5] squares = ...

空空如也

空空如也

1 2
收藏数 23
精华内容 9
热门标签
关键字:

matplotlib曲线粗细