精华内容
下载资源
问答
  • 简单圆import numpy as npimport matplotlib.pyplot as pltplt.figure()ax = plt.subplot()# 在0到2pi之间,均匀产生100点的数组x = np.linspace(0, np.pi * 2, 100)# 半径为1,圆心为0,0r = 1ax.plot(r * np.cos(x)...

    简单圆

    import numpy as np

    import matplotlib.pyplot as plt

    plt.figure()

    ax = plt.subplot()

    # 在0到2pi之间,均匀产生100点的数组

    x = np.linspace(0, np.pi * 2, 100)

    # 半径为1,圆心为0,0

    r = 1

    ax.plot(r * np.cos(x), r * np.sin(x))

    plt.show()

    51ee49e9b3cd29bd4f5b50121c9f6049.png

    参数方程式

    半径为1

    圆心1,0

    a44d139ddf594b7c392e47b3a95ee788.png

    import numpy as np

    import matplotlib.pyplot as plt

    plt.figure()

    ax = plt.subplot()

    x = np.linspace(0, np.pi, 100) # 在0到2pi之间,均匀产生100点的数组

    # r不是半径

    r = 2

    ax.plot(r * np.cos(x) * np.cos(x), r * np.cos(x) * np.sin(x))

    plt.show()

    90ee5762bdc1b23b124607a186836cd5.png

    三维绘图

    绘制向量函数r(t)=(sint,cost,t)的图,即向量r的坐标x,y,z都是t的函数,分别是x(t)=sint, y(t)=cost, z(t)=t。可将函数视为“大黄蜂”的飞行曲线,即t时刻,它在空间中的位置是(x,y,z),以及它的导数(飞行速度)x’(t)=cost, y’(t)=-sint,z=1,即r’(t)=(cost,-sint,1)

    螺旋线

    import numpy as np

    import matplotlib.pyplot as plt

    # 必须引入这个模块

    from mpl_toolkits.mplot3d import Axes3D

    fig = plt.figure()

    # 指定三维空间做图

    ax = fig.add_subplot(1, 1, 1, projection='3d')

    # 在0到4之间,均匀产生200点的数组

    t = np.linspace(0, 4, 200)

    # 角度

    theta = t * 2 * np.pi

    z = t

    x = np.sin(theta)

    y = np.cos(theta)

    ax.plot(x, y, z, label='r(t)')

    z = 1

    x = np.cos(theta)

    y = -np.sin(theta)

    ax.plot(x, y, z, label='r\'(t)')

    ax.legend()

    plt.show()

    f38bb8f0f03923784699a1be7d846f47.png

    绘制三维曲面

    z = x^2 +y^2

    from matplotlib import pyplot as plt

    import numpy as np

    from mpl_toolkits.mplot3d import Axes3D

    fig = plt.figure()

    ax = Axes3D(fig)

    X = np.arange(-2, 2, 0.1)

    Y = np.arange(-2, 2, 0.1)

    X, Y = np.meshgrid(X, Y)

    Z = X ** 2 + Y ** 2

    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')

    plt.show()

    9fa32bce7d639e54e909d5a8b85c99e8.png

    展开全文
  • **今天辅佐表弟,看到高中数学课本上的函数图像倍感亲切,于是用python编码画了一些函数图像。 幂函数图像 ** 代码如下: import matplotlib.pyplot as plt import numpy as np import mpl_toolkits.axisartist as ...

    **今天辅佐表弟,看到高中数学课本上的函数图像倍感亲切,于是用python编码画了一些函数图像。

    幂函数图像

    **
    幂函数图像
    代码如下:

    import matplotlib.pyplot as plt
    import numpy as np
    import mpl_toolkits.axisartist as axisartist
    
    figure1=plt.figure("01幂函数",figsize=(8,8))
    #使用axisartist.Subplot方法创建一个绘图区对象ax
    ax = axisartist.Subplot(figure1, 111)
    #将绘图区对象添加到画布中
    figure1.add_axes(ax)
    #通过set_visible方法设置绘图区所有坐标轴隐藏
    ax.axis[:].set_visible(False)
    #ax.new_floating_axis代表添加新的坐标轴
    ax.axis["x"] = ax.new_floating_axis(0,0)
    #给x坐标轴加上箭头
    ax.axis["x"].set_axisline_style("->", size = 1.0)
    #添加y坐标轴,且加上箭头
    ax.axis["y"] = ax.new_floating_axis(1,0)
    ax.axis["y"].set_axisline_style("->", size = 1.0)
    #设置x、y轴上刻度显示方向
    ax.axis["x"].set_axis_direction("bottom")
    ax.axis["y"].set_axis_direction("right")
    #生成x坐标
    x=np.linspace(-10,10,num=100)
    x2=np.linspace(0,10,num=50)
    y1=x
    y2=x2**0.5
    y3=x**3
    y4=x**2
    y5=x**(-1)
    #y轴取值范围进行限制
    plt.ylim(-10,10)
    plt.plot(x,y1,"b")
    plt.plot(x2,y2,"g")
    plt.plot(x,y3,"r")
    plt.plot(x,y4,"m")
    plt.plot(x,y5)
    plt.show()
    
    

    指数函数图像

    指数函数图像
    代码如下:

    import matplotlib.pyplot as plt
    import numpy as np
    import mpl_toolkits.axisartist as axisartist
    
    figure1=plt.figure("02指数函数",figsize=(8,8))
    #使用axisartist.Subplot方法创建一个绘图区对象ax
    ax = axisartist.Subplot(figure1, 111)
    #将绘图区对象添加到画布中
    figure1.add_axes(ax)
    #通过set_visible方法设置绘图区所有坐标轴隐藏
    ax.axis[:].set_visible(False)
    #ax.new_floating_axis代表添加新的坐标轴
    ax.axis["x"] = ax.new_floating_axis(0,0)
    #给x坐标轴加上箭头
    ax.axis["x"].set_axisline_style("->", size = 1.0)
    #添加y坐标轴,且加上箭头
    ax.axis["y"] = ax.new_floating_axis(1,0)
    ax.axis["y"].set_axisline_style("->", size = 1.0)
    #设置x、y轴上刻度显示方向
    ax.axis["x"].set_axis_direction("bottom")
    ax.axis["y"].set_axis_direction("right")
    
    x=np.linspace(-5,5,num=100)
    y1=x**0
    y=2**x
    y2=np.exp(x)
    y3=0.5**x
    y4=1.0/np.exp(x)
    plt.ylim(-5,10)
    plt.plot(x,y1,"k")
    plt.plot(x,y,"b",label="y=2**x")
    plt.plot(x,y2,"r",label="y=e**x")
    plt.plot(x,y3,"g",label="y=0.5**x")
    plt.plot(x,y4,"m",label="y=1/e**x")
    plt.legend()
    plt.show()
    
    

    对数函数图像对数函数图像

    import matplotlib.pyplot as plt
    import numpy as np
    import mpl_toolkits.axisartist as axisartist
    
    figure1=plt.figure("03对数函数",figsize=(8,8))
    #使用axisartist.Subplot方法创建一个绘图区对象ax
    ax = axisartist.Subplot(figure1, 111)
    #将绘图区对象添加到画布中
    figure1.add_axes(ax)
    #通过set_visible方法设置绘图区所有坐标轴隐藏
    ax.axis[:].set_visible(False)
    #ax.new_floating_axis代表添加新的坐标轴
    ax.axis["x"] = ax.new_floating_axis(0,0)
    #给x坐标轴加上箭头
    ax.axis["x"].set_axisline_style("->", size = 1.0)
    #添加y坐标轴,且加上箭头
    ax.axis["y"] = ax.new_floating_axis(1,0)
    ax.axis["y"].set_axisline_style("->", size = 1.0)
    #设置x、y轴上刻度显示方向
    ax.axis["x"].set_axis_direction("bottom")
    ax.axis["y"].set_axis_direction("right")
    
    x=np.linspace(0,5,num=100)
    
    y=np.log(x)
    y3=-np.log(x)
    y1=np.log(x)/np.log(2)
    y2=np.log(x)/np.log(3)
    y12=np.log(x)/np.log(0.5)
    y22=np.log(x)/np.log(1.0/3)
    
    plt.plot(x,y,"b",label="y=lnx")
    plt.plot(x,y3,"g",label="y-1=lnx")
    plt.plot(x,y1,"r",label="y=log2x")
    plt.plot(x,y12,"m",label="y-1=log2x")
    plt.plot(x,y2,label="y=log3x")
    plt.plot(x,y22,label="y-1=log3x")
    plt.legend()
    plt.show()
    
    

    希望对你有所帮助,谢谢!!!

    展开全文
  • 使用matplotlib绘制隐函数图像 方案一:使用matplotlib.pyplot.contour()函数 例如,要绘制以下四个圆: x2+y2=0.5x2+y2=1.0x2+y2=1.2x2+y2=1.5\begin{aligned} x^2+y^2&=0.5\\x^2+y^2&=1.0\\x^2+y^2&=...

    使用matplotlib绘制隐函数图像

    方案一:使用matplotlib.pyplot.contour()函数

    例如,要绘制以下四个圆:

    x 2 + y 2 = 0.5 x 2 + y 2 = 1.0 x 2 + y 2 = 1.2 x 2 + y 2 = 1.5 \begin{aligned} x^2+y^2&=0.5\\x^2+y^2&=1.0\\x^2+y^2&=1.2\\x^2+y^2&=1.5\\ \end{aligned} x2+y2x2+y2x2+y2x2+y2=0.5=1.0=1.2=1.5

    代码如下:

    xlist = np.linspace(-2.0, 1.0, 100) # Create 1-D arrays for x,y dimensions
    ylist = np.linspace(-1.0, 2.0, 100)
    X,Y = np.meshgrid(xlist, ylist) # 计算圆所在区域的网格
    Z = np.sqrt(X**2 + Y**2) # 计算结果
    plt.contour(X, Y, Z, [0.5, 1.0, 1.2, 1.5], colors = ’k’, linestyles = ’solid’)# [0.5, 1.0, 1.2, 1.5] 指明方程右面的值
    plt.axes().set_aspect(’equal’) # 使x,y轴的单位长度一致
    plt.axis([-1.0, 1.0, -0.5, 0.5]) # 坐标轴显示范围
    plt.show()
    

    从代码可以清晰地看到,这个方法的缺点在于,需要事先知道函数的定义域才能生成二维网格。
    所以在难以知道定义域的情况下,推荐使用方案二。

    方案二:使用sympy库

    参考官方网站
    仍然是绘制上面公式表达的四个圆。Eq(arg1,arg2)函数中,arg1是不带引号的方程左边表达式,arg2是方程右侧表达式。调用plot_implicit函数绘图:

    from sympy import plot_implicit, Eq, symbols
    x, y = symbols('x y')
    plot_implicit(Eq(x**2 + y**2, 0.5), adaptive=False, points=400)
    plot_implicit(Eq(x**2 + y**2, 1.0), adaptive=False, points=400)
    plot_implicit(Eq(x**2       , 1.2 - y**2), adaptive=False, points=400)#Eq(x**2, 1.2-y**2)等价于Eq(x**2+y**2, 1.2)
    plot_implicit(Eq(x**2 + y**2, 1.5), adaptive=False, points=400)
    
    展开全文
  • Python3 matplotlib+numpy画函数图像 matplotlib和numpy是python强大的第三方库之二。numpy内置了很多数学函数,而matplotlib则可以用于绘制图像,常用于大数据可视化。 先安装必需的库: pip install matplotlib ...

    Python3 matplotlib+numpy画函数图像

    matplotlib和numpy是python强大的第三方库之二。numpy内置了很多数学函数,而matplotlib则可以用于绘制图像,常用于大数据可视化。
    先安装必需的库:

    pip install matplotlib
    pip install numpy
    

    安装成功后,我们用matplotlib+numpy画一个正弦函数图像

    import numpy as np
    import matplotlib.pyplot as plt
    

    由于懒(划掉),人们经常把numpy缩写成np,把matplotlib.pyplot 这个绘图库缩写成plt
    然后我们要创建x坐标列表

    import numpy as np
    import matplotlib.pyplot as plt
    #np.arange,约等于range函数
    x=np.arange(0,2*np.pi,0.1)#np.pi=3.141592653589793
    

    我们用np.arange创建了x坐标列表,它的值是从0开始到2*np.pi,步长为0.1。我们可以直接对x轴进行加减乘除的操作
    numpy库也提供了sin函数,我们可以直接通过sin函数创建y坐标列表

    import numpy as np
    import matplotlib.pyplot as plt
    #np.arange,约等于range函数
    x=np.arange(0,2*np.pi,0.1)#np.pi=3.141592653589793
    y=np.sin(x)
    

    最后我们要让matplotlib将xy坐标显示在它自带的界面上

    import numpy as np
    import matplotlib.pyplot as plt
    #np.arange,约等于range函数
    x=np.arange(0,2*np.pi,0.1)#np.pi=3.141592653589793
    y=np.sin(x)
    plt.plot(x,y)#接收xy
    plt.show()#显示函数图像
    

    运行效果图
    在这里插入图片描述
    假设现在有一小明同学觉得matplotlib内置的颜色不太好看,可以自己指定颜色

    import numpy as np
    import matplotlib.pyplot as plt
    #np.arange,约等于range函数
    x=np.arange(0,2*np.pi,0.1)#np.pi=3.141592653589793
    y=np.sin(x)
    plt.plot(x,y,'red')#接收xy,设置函数图像颜色为红色
    plt.show()#显示函数图像
    

    在这里插入图片描述
    这样就得到了一条红色的正弦函数图像
    matplotlib可以在同一个界面里绘画不同的曲线,接下来我们在现在的这个界面再画一条余弦函数曲线

    import numpy as np
    import matplotlib.pyplot as plt
    #np.arange,约等于range函数
    x=np.arange(0,2*np.pi,0.1)#np.pi=3.141592653589793
    y=np.sin(x)
    y_1=np.cos(x)
    plt.plot(x,y)
    plt.plot(x,y_1)
    #理论上来说让matplotlib显示几万条都没问题
    plt.show()#显示函数图像
    

    在这里插入图片描述
    现在小明同学觉得图片的尺寸太大,想让我们将图缩小一些,大小为300*300
    代码如下:

    import numpy as np
    import matplotlib.pyplot as plt
    #设置图片大小为300*300,但是在此函数里长宽都要/100!!!
    plt.figure(figsize=(3,3))
    #np.arange,约等于range函数
    x=np.arange(0,2*np.pi,0.1)#np.pi=3.141592653589793
    y=np.sin(x)
    y_1=np.cos(x)
    plt.plot(x,y)
    plt.plot(x,y_1)
    #理论上来说让matplotlib显示几万条都没问题
    plt.show()#显示函数图像
    

    在这里插入图片描述
    现在我们可以将函数图像保存到./function.jpg,代码:

    import numpy as np
    import matplotlib.pyplot as plt
    #设置图片大小为300*300,但是在此函数里长宽都要/100!!!
    plt.figure(figsize=(3,3))
    #np.arange,约等于range函数
    x=np.arange(0,2*np.pi,0.1)#np.pi=3.141592653589793
    y=np.sin(x)
    y_1=np.cos(x)
    plt.plot(x,y)
    plt.plot(x,y_1)
    #理论上来说让matplotlib显示几万条都没问题
    #保存
    plt.savefig('./function.jpg')
    plt.show()#显示函数图像
    

    运行完代码之后我们会发现多出来一个function.jpg文件
    在这里插入图片描述
    人生苦短,我用Python

    展开全文
  • from fractions import ...import matplotlib.pyplot as plt from matplotlib import dates as mdates from matplotlib.font_manager import FontProperties import mpl_toolkits.axisartist as axisartist # fontdi.
  • In a good pythonic style, matplotlib is an object oriented plotting library that can generate a variety of visualisations: From simple plots, histograms, bar charts, scatterplots and more with a few ...
  • 安装的是anaconda, 其中包含了numpy, scipy, matplotlib 等科学计算包在终端打开anaconda中的python/home/qi/anaconda/bin/python>>>frommatplotlibimportpyplotaspl>>>importnumpyasnp>>&...
  • 使用matplotlib画对数函数图像
  • 通过绘制几个常见的激活函数图像,简单介绍pyplt绘制子图的方法,包括子图绘制,间距调整,子图和主图标题设置,子图坐标轴标签设置,子图坐标范围调整等。 下面是代码示例和绘图结果示例 # 该代码用于绘制常见激活...
  • 基础依赖导入及设置import matplotlib.pyplot as pltimport numpy as npplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#2.基本图像的绘制X=np.linspace(-np.pi,np....
  • from matplotlib import pyplot as plt import numpy as np w = np.linspace(-1.15,1.15,10000) Loss = (w**1 - 1)**2 plt.plot(w, Loss, label = "2 layers NN") plt.xlabel("w") plt.ylabel("Loss") plt.legend...
  • 今天发现sympy依赖的库mpmath里也有很多数学函数,其中也有在复平面绘制二维图的函数cplot,具体例子如下from mpmath import *def f1(z):return zdef f2(z):return z**3def f3(z):return (z**4-1)**(1/4)def f4(z):...
  • Matplotlib:sin函数图像

    2021-05-27 11:29:54
    import numpy as np import matplotlib.pyplot as plt # 0.准备数据 ...绘制函数图像 plt.plot(x, y) # 2.1 添加网格显示 plt.grid() # 2.2 保存图像 plt.savefig("./data/sin.png") # 3.显示图像 p
  • import matplotlib import matplot import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.family'] = ['sans-serif'] plt.rcParams['font.sans-serif'] = ['SimHei'] # 为了显示中文 def HH(m,n...
  • 说明:本教程为《数字图像处理Python OpenCV实战》的配套代码相关内容。 免费视频教程为0-6章(标题号≤6),可在此处点击观看。 所有课件及源代码可在此处下载: 链接:...
  • python绘制一个简单的函数图像(B站视频) 实现的思想 其实就是我们先把点给设置好,然后就可以描点连线了 就是使用的matplotlib这个包下面的pylib这个模块下面的 plot()和scantter()方法来实现的 这两个包的...
  • 画出两个函数y1 = x1,y2 = x2 ** 0.5在范围{ (x1,y1) | 1 <= x <= 2, x1 ** 0.5 <= y <= x1 }, { (x2,y2) | 2 <= x <= 4,2 <= y <= x1 ** 0.5 } 内的图像,代码如下: import ...
  • from matplotlib import pyplot as plt import numpy as np w = np.linspace(-1.15,1.15,10000) Loss = (w**8-1)**2 plt.plot(w,Loss,label='9 layers NN') plt.xlabel('w') plt.ylabel('Loss') plt.legend(loc='...
  • 1.matplotlib的内容组织在画布上(及绘图区),图形的Axes实例包含了matolotlib的所有组成元素,如坐标轴,刻度,标签,线和标记等,这些元素通过调用matplotlib.pyplot模块中相应的函数,进行不同元素的属性定制 ...
  • 提示:以下matplotlib.pyplot中的函数来自官方库,下面翻译和示例仅供参考。 文章目录关于matplotlib的pyplot包的函数集 一、pyplot函数集1、pyplot---创建图形、设定绘图区域、颜色系 1)创建 2)画图区域 3) ...
  • 在Python中用matplotlib函数绘制股票趋势图。
  • 1. 绘制函数图像1.1 导入库为避免中文显示出错,需导入matplotlib.pylab库import numpy as npimport matplotlib.pyplot as plt# 确保显示不出现乱码from matplotlib.pylab import mplmpl.rcParams['font.sans-serif'...
  • import numpy as np ...import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D a = 0.01 x = np.array([[2104,3], [1600,3], [2400,3], [1416,2], [3000,4]]) t = np.array([[400],
  • Matplotlib作图函数

    2021-06-07 17:14:37
    通过统计作图函数绘制 的图表可以直观的反映出数据及统计量的性质及其内在规律 作图函数名 作图函数功能 所属工具箱 plot() 绘制线性二维图,折线图 Matplotlib/Pandas pie() 绘制饼状图 Matplotlib/...
  • 1、bar() —— 绘制柱状图plt.bar(x,y,align="center",color="b",tick_label=["a","b","c","d","e"],alpha=0.6)参数说明:x:表示x轴上数据的类别y:...刻度标签值alpha:柱体透明度代码实例:import matplotlib.pyp...
  • import matplotlib.pyplot as plt x = np.arange(0, 10, 0.2) y = np.sin(x) plt.rcParams['font.sans-serif'] = 'SimHei' # 设置字体为SimHei plt.rcParams['axes.unicode_minus'] = False # 解决负号“-”显示异常...
  • 我有两个情节,我想在一个数字上展示。...以下是我目前最小的工作示例:import numpy as npimport matplotlib.pyplot as pltxdata = np.array([1,2,3,4,5])# Data Set 1ydata1 = np.array([0.5e-11, 0.6e-11, 4.e-11...
  • 1、plt.rcParamsplt(matplotlib.pyplot)使用rc配置文件来自定义图形的各种默认属性,称之为“rc配置”或“rc参数”。通过rc参数可以修改默认的属性,包括窗体大小、每英寸的点数、线条宽度、颜色、样式、坐标轴、...
  • Matplotlib库imshow函数

    千次阅读 2021-01-12 04:04:00
    Matplotlib是Python最著名的2D绘图库,该库仿造Matlab提供了一整套相似的绘图函数,用于绘图和绘表,强大的数据可视化工具和做图库,适合交互式绘图,图形美观。imshow:热图(heatmap)是数据分析的常用方法,通过...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 51,800
精华内容 20,720
关键字:

matplotlib函数图像