<数据可视化>Matplotlib（2D+3D）

佚名 5年前 (2019-04-19) 随笔 1475人围观抢沙发百度已收录

1.Matplotlib介绍(2D)

　　Matplotlib 是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。

　　pylab 是 matplotlib 面向对象绘图库的一个接口。

SRE实战互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。

　　pylab模块里面集成了matplotlib和numpy，也可以导入pylab模块。
　　模块导入：

import numpy as np
import matplotlib.pyplot as plt

　　或者

from pylab import *

1.1 简单的例子

from pylab import *
# 生成一个数组，类似range
a = np.arange(1,9,1)
# 例子1：正弦和余弦函数
# np.pi就是π，x→[-π，π]，步长0.01
x = np.arange(-np.pi,np.pi,0.01)
y = np.sin(x)
y1 = np.cos(x)
plt.plot(x,y)
plt.plot(x,y1)
plt.show()

还有一种X的写法：

# endpoint:True一定包括终点，False不包括终点；x→[-π，π]，生成256个值，包括终点
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)

图形如下

1.2 默认配置的内容

# 导入 matplotlib 的所有内容（nympy 可以用 np 这个名字来使用）
from pylab import *

# 创建一个 8 * 6 点（point）的图，并设置分辨率为 80
figure(figsize=(8,6), dpi=80)

# 创建一个新的 1 * 1 的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）
subplot(1,1,1)

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

# 绘制余弦曲线，使用蓝色的、连续的、宽度为 1 （像素）的线条
plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# 绘制正弦曲线，使用绿色的、连续的、宽度为 1 （像素）的线条
plot(X, S, color="green", linewidth=1.0, linestyle="-")

# 设置横轴的上下限
xlim(-4.0,4.0)

# 设置横轴记号
xticks(np.linspace(-4,4,9,endpoint=True))

# 设置纵轴的上下限
ylim(-1.0,1.0)

# 设置纵轴记号
yticks(np.linspace(-1,1,5,endpoint=True))

# 以分辨率 72 来保存图片
savefig("0001png",dpi=72)

# 在屏幕上显示
show()

图形如下：

1.3 改变线条的颜色、粗细及图形的尺寸

from pylab import *
figure(figsize=(12,6), dpi=80)
x = np.arange(-np.pi,np.pi,0.01)
y = np.sin(x)
y1 = np.cos(x)
plt.plot(x,y,color="blue", linewidth=3.0, linestyle="-")
plt.plot(x,y1,color="red", linewidth=3.0, linestyle="-")
savefig("0001png",dpi=72)
plt.show()

图形为：

1.4 设置图片边界

　　直接设定大小或等比例设定大小

# 设定坐标轴的上下限
xlim(-4.0, 4.0)
ylim(-1.0, 1.0)
# 按照具体的最大最小值设定上下限（这里设定为1.5倍）
xlim(x.min() * 1.5, x.max() * 1.5)
ylim(y.min() * 1.5, y.max() * 1.5)
# 通过差值的倍数去衡量更好
xmin, xmax = x.min(), x.max()
ymin, ymax = y.min(), y.max()

dx = (xmax - xmin) * 0.01
dy = (ymax - ymin) * 0.01

图片为：

1.5 设置记号和对应的标签

# 记号-π，-π/2,0,π/2,π;第二行的标签使用了LaTeX（类似于HTML,长于写公式）
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])

yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])

图像为：

1.6 编写坐标轴

# 获取当前坐标轴对象
ax = gca()
# 一共有上下左右四条边框，设定2个边框为无色none,然后移动另外边框的位置，形成坐标轴
# 设定右边框为无色
ax.spines['right'].set_color('none')
# 设定上边框为无色
ax.spines['top'].set_color('none')
# 将水平坐标的刻度置于底边框（X轴下边）
ax.xaxis.set_ticks_position('bottom')
# 以底边框为X轴，将其置于数据坐标的原点
ax.spines['bottom'].set_position(('data',0))
# 将垂直坐标的刻度置于左边框（Y轴左边）
ax.yaxis.set_ticks_position('left')
# 以左边框为Y轴，将其置于数据坐标的原点
ax.spines['left'].set_position(('data',0))

图像为：

1.7 添加图例（小标签）

　　仅需要在画图的时候加一个label就行，类似：

plt.plot(x, y, color="blue", linewidth=3.0, linestyle="-",label="sin(x)")
plt.plot(x, y1, color="red", linewidth=3.0, linestyle="-",label="cos(x)")
plt.legend(loc=0)
# 跟上面作用一样
# legend(loc=0)
# legend(loc='upper left')

　　其中loc的值对应图例的位置，对应关系如下表：

图像为：

1.8 坐标轴描述（文字说明）

　　主要是没有用坐标轴的时候使用，作为X轴和Y轴的说明

# import matplotlib as mpl
# 正常显示中文
mpl.rcParams['font.sans-serif']=['SimHei']
# 正常显示负数
mpl.rcParams['axes.unicode_minus']=False
# 添加X轴文字说明
plt.xlabel("abcdefg中文")
# 添加Y轴的文字说明
plt.ylabel("-1234567")

图像为：

1.9 特殊点的标注（注释）

# annotate(注解，标注)，标注的文字，xy指箭头尖端位置[t，np.cos(t)],箭头的位置
# 文字的最左端的坐标（正数图像右边，负数图像左边），文字的位置，文字的大小
# 箭头类型
annotate(r'$\cos(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
         xy=(t, np.cos(t)), xycoords='data',
         xytext=(-90, -50), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
# 同理
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.sin(t)), xycoords='data',
         xytext=(+10, +30), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

xycoords及textcoords的值：

图像为：

1.10 显示坐标轴上被曲线挡住的标签

# 对于X和Y轴的的标签，设置大小为20，设置标签的底色，边框颜色，透明度
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(20)
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.85))

图像为：

　　大小的改变实现了，挡住的标签貌似还是被挡住

1.11 子图的绘制

from pylab import *
# 两个子图的摆放
# (2,1,1) 分别代表：行数，列数，编号
plt.subplot(2, 1, 1)
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'subplot(2,1,1)', ha='center', va='center',
        size=20, alpha=.5)

plt.subplot(2, 1, 2)
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'subplot(2,1,2)', ha='center', va='center',
        size=20, alpha=.5)
# 自动调整子图参数，使之填充整个图像区域。它仅仅检查坐标轴标签、刻度标签以及标题的部分。
plt.tight_layout()
savefig("0002", dpi=72)
plt.show()

图像为：

以此类推：类似子图

另一种类型：

from pylab import *

import matplotlib.gridspec as gridspec

plt.figure(figsize=(18, 4))
# 设置三行三列
G = gridspec.GridSpec(3, 3)
# 第一行
axes_1 = plt.subplot(G[0, :])
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 1', ha='center', va='center', size=24, alpha=.5)
# 第二行第一个
axes_2 = plt.subplot(G[1:, 0])
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 2', ha='center', va='center', size=24, alpha=.5)
# 第二行最后一个
axes_3 = plt.subplot(G[1:, -1])
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 3', ha='center', va='center', size=24, alpha=.5)
# 第二行倒数第二个
axes_4 = plt.subplot(G[1, -2])
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 4', ha='center', va='center', size=24, alpha=.5)
# 最后一行（第三行）倒数第二个
axes_5 = plt.subplot(G[-1, -2])
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 5', ha='center', va='center', size=24, alpha=.5)
# 自动调整
plt.tight_layout()

savefig("0002", dpi=72)
plt.show()

图像为：

大图里面画小图（可以形成折叠效果）

from pylab import *

plt.figure(figsize=(8, 8))
# 最底下，初始位置（相对占比x,y），占据大小
plt.axes([.1, .1, .5, .5])
plt.xticks(())
plt.yticks(())
# 标签位置 内容等
plt.text(.5, .1, 'axes([0.1, 0.1, .5, .5])', ha='center', va='center',
		 size=20, alpha=.5)

# 倒数第二
plt.axes([.2, .2, .5, .5])
plt.xticks(())
plt.yticks(())
plt.text(.5, .1, 'axes([0.2, 0.2, .5, .5])', ha='center', va='center',
		 size=20, alpha=.5)
# 最上面
plt.axes([.3, .3, .5, .5])
plt.xticks(())
plt.yticks(())
plt.text(.5, .1, 'axes([0.3, 0.3, .5, .5])', ha='center', va='center',
		 size=16, alpha=.5)

plt.tight_layout()

savefig("0002", dpi=72)
plt.show()

图像为：

1.12 各种类型的2D图

普通图

from pylab import *

n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.sin(2*X)

plot (X, Y+1, color='blue', alpha=1.00)
plot (X, Y-1, color='blue', alpha=1.00)

savefig("0003", dpi=72)
plt.show()

图像为：

散点图

from pylab import *

n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)

scatter(X,Y)

savefig("0003", dpi=72)
plt.show()

图像为：

条形图

from pylab import *

n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)

bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x,y in zip(X,Y1):
    text(x+0.05, y+0.05, '%.2f' % y, ha='center', va= 'bottom')

ylim(-1.25,+1.25)

savefig("0003", dpi=72)
plt.show()

图像为：

等高线图

from pylab import *


def f(x, y): return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)


n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y)

contourf(X, Y, f(X, Y), 8, alpha=.75, cmap='jet')
C = contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)

savefig("0003", dpi=72)
plt.show()

图像为：

灰度图

from pylab import *


def f(x, y): return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)


n = 10
x = np.linspace(-3, 3, 4 * n)
y = np.linspace(-3, 3, 3 * n)
X, Y = np.meshgrid(x, y)

imshow(f(X, Y))
savefig("0003", dpi=72)
plt.show()

图像为：

饼状图

from pylab import *

n = 20
Z = np.random.uniform(0,1,n)
pie(Z)
savefig("0003", dpi=72)
plt.show()

图像为：

量场图

from pylab import *

n = 8
X,Y = np.mgrid[0:n,0:n]
quiver(X,Y)
savefig("0003", dpi=72)
plt.show()

图像为：　

2.Matplotlib介绍(3D)

3D图

from pylab import *
from mpl_toolkits.mplot3d import Axes3D

fig = figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

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

savefig("0003", dpi=72)
plt.show()

图像为：

2.1 3D图例子

普通图3D系列

from pylab import *
from mpl_toolkits.mplot3d import Axes3D

# 绘制三维图形
fig = plt.figure()
ax = fig.gca(projection="3d")

# 生成测试数据
theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-4, 4, 100) * 0.3
r = z**4 +1
x = r*np.sin(theta)
y = r*np.cos(theta)

# 绘制三维曲线，标签
ax.plot(x,y,z,'rv-',label="参数曲线")

# 可以设置字体，字号，显示图例
mpl.rcParams['legend.fontsize'] = 10
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False
ax.legend()
savefig("0003", dpi=72)
plt.show()

图像为：

三维曲面

from pylab import *
from mpl_toolkits.mplot3d import Axes3D
import mpl_toolkits.mplot3d
# 生成测试数据
x,y = np.mgrid[-2:2:20j,-2:2:20j]
z = 50 * np.sin(x+y*2)

# 创建三维图像
ax = plt.subplot(111,projection='3d')
# 绘制三维曲面
ax.plot_surface(
	x,y,z,
	rstride=3,cstride=2,
	cmap=plt.cm.coolwarm,
)
# 设置坐标轴标签
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
# 设置图形标题
ax.set_title("三维曲面",fontproperties='simhei',fontsize=24)
plt.show()

　　图像为：

三维柱状图

from pylab import *
from mpl_toolkits.mplot3d import Axes3D
import mpl_toolkits.mplot3d
# 生成测试数据
x = np.random.randint(0,40,10)
y = np.random.randint(0,40,10)
z = 80*abs(np.sin(x+y))
# 创建三维图像
ax = plt.subplot(111,projection='3d')
# 绘制三维曲面
ax.bar3d(
	x,y,
	np.zeros_like(z), #设置z的起始坐标为0
	dx =1,
	dy =1,
	dz =1, # x,y,z方向的宽度，厚度，高度
	color = 'red',
)
# 设置坐标轴标签
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
# 设置图形标题
ax.set_title("三维柱形图",fontproperties='simhei',fontsize=24)
plt.show()

　　图像:

三维散点图

from pylab import *
from mpl_toolkits.mplot3d import Axes3D
import mpl_toolkits.mplot3d
# 生成测试数据
x = np.random.randint(0,40,100)
y = np.random.randint(0,40,100)
z = np.random.randint(0,40,100)

# 创建三维图像
ax = plt.subplot(projection='3d')
# 绘制三维散点
for xx,yy,zz in zip(x,y,z):
	color = 'r'
	if 10<zz<20:
		color='b'
	elif zz>=20:
		color='g'
	ax.scatter(xx,yy,zz,c=color,marker='*',
			   s=160,linewidths=1,edgecolor='b')
# 设置坐标轴标签
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
# 设置图形标题
ax.set_title("三维散点图",fontproperties='simhei',fontsize=24)
plt.show()

图像为

扫码关注我们

微信号：SRE实战

拒绝背锅运筹帷幄

赞 0 赏分享

转载请注明 : 文章转载自小翔博客 <数据可视化>Matplotlib（2D+3D）

本文标题：<数据可视化>Matplotlib（2D+3D）

本文链接：https://www.liuyixiang.com/post/54203.html

上一篇 : Linux 操作系统基础

下一篇 : Python创建微信机器人

评论列表暂无评论

发表评论

<数据可视化>Matplotlib（2D+3D）

1.Matplotlib介绍(2D)

1.1 简单的例子

1.2 默认配置的内容

1.3 改变线条的颜色、粗细及图形的尺寸

1.4 设置图片边界

1.5 设置记号和对应的标签

1.6 编写坐标轴

1.7 添加图例（小标签）

1.8 坐标轴描述（文字说明）

1.9 特殊点的标注（注释）

1.10 显示坐标轴上被曲线挡住的标签

1.11 子图的绘制

1.12 各种类型的2D图

普通图

散点图

条形图

等高线图

灰度图

饼状图

量场图

2.Matplotlib介绍(3D)

3D图

2.1 3D图例子

普通图3D系列

三维曲面

三维柱状图

三维散点图

选择打赏方式：

选择分享方式：

Petter

101481

12

121484300

« 2024年2月 »
一	二	三	四	五	六	日
			1	2	3	4
5	6	7	8	9	10	11
12	13	14	15	16	17	18
19	20	21	22	23	24	25
26	27	28	29

<数据可视化>Matplotlib（2D+3D）

1.Matplotlib介绍(2D)

1.1 简单的例子

1.2 默认配置的内容

1.3 改变线条的颜色、粗细及图形的尺寸

1.4 设置图片边界

1.5 设置记号和对应的标签

1.6 编写坐标轴

1.7 添加图例（小标签）

1.8 坐标轴描述（文字说明）

1.9 特殊点的标注（注释）

1.10 显示坐标轴上被曲线挡住的标签

1.11 子图的绘制

1.12 各种类型的2D图

普通图

散点图

条形图

等高线图

灰度图

饼状图

量场图

2.Matplotlib介绍(3D)

3D图

2.1 3D图例子

普通图3D系列

三维曲面

三维柱状图

三维散点图

选择打赏方式：

选择分享方式：

Petter

101481

12

121484300

User Login

帐号或密码错误,请重试.