利用python绘制线型图

 更新时间:2022年06月19日 17:18:28   作者:Vergil_Zsh  
这篇文章主要介绍了利用python绘制线型图,文章围绕主题的相关资料展开详细的内容介绍,具有一定的参考价值,感兴趣的下伙伴可以参考一下

Python客栈送红包、纸质书

用法:

1
matplot.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

参数解释:

x,y

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(0.2, 2.0, 0.01)
y1 = np.sin(2*np.pi*x)
y2 = np.sin(4*np.pi*x)
 
plt.figure(1)
plt.subplot(211)
plt.plot(x,y1)
 
plt.subplot(212)
plt.plot(x,y2)
plt.show()

color

Colors的值:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import numpy as np
import matplotlib.pyplot as plt
 
# 需要解释下,下面两行代码是防止出现中文时,会报警告
# 因为我们的title里面写的是中文
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus']=False
x = np.arange(0.2, 2.0, 0.01)
y1 = np.sin(2*np.pi*x)
y2 = np.sin(4*np.pi*x)
 
plt.figure(1)
plt.subplot(211)
plt.title('不添加颜色')
plt.plot(x,y1)
 
plt.subplot(212)
plt.title('添加颜色')
plt.plot(x,y2,color='c')
plt.show()

linstyle

1
2
3
4
5
'b'    # blue markers with default shape
'or'   # red circles
'-g'   # green solid line
'--'   # dashed line with default color
'^k:'  # black triangle_up markers connected by a dotted line
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
import numpy as np
import matplotlib.pyplot as plt
 
plt.figsize=((10,8))
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus']=False
 
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
 
plt.subplot(221)
plt.title('样式: -')
plt.plot(x,y,'-')
 
plt.subplot(222)
plt.title('样式: --')
plt.plot(x,y,'--')
 
plt.subplot(223)
plt.title('样式: -.')
plt.plot(x, y, '-.')
 
plt.subplot(224)
plt.title('样式: :')
plt.plot(x, y, ':')
plt.show()

缩写方式

1
2
3
4
5
6
7
8
import numpy as np
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
plt.subplot()
# 线形状 '-',颜色'g'
plt.plot(x, y, '-g')
plt.show()

marker, markersize

marker在scatter里面我已经有所解释过了,有好多种情况,可以在scatter散点图这里会将颜色和marker连接起来,可以有个很清楚的了解,并且较为清楚,也是缩写

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import matplotlib.pyplot as plt
plt.figsize=((12,6))
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus']=False
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
plt.subplot(131)
plt.title('默认情况')
plt.plot(x, y)
 
plt.subplot(132)
plt.title('红色圆圈')
# marker为o 颜色r
plt.plot(x, y, 'or')
 
plt.subplot(133)
plt.title('正三角黑色')
# marker为^ 颜色k->black
plt.plot(x, y, '^k')
plt.show()

label

标签,这个在所有图形中都可以使用,在这里展示下,包括之前的alpha也是,都所属**kwargs里面,在任何绘图中都可以添加,legend为图例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(-np.pi/2, np.pi/2, 31)
y = np.cos(x)**3
 
# 1) remove points where y > 0.7
x2 = x[y <= 0.7]
y2 = y[y <= 0.7]
 
# 2) mask points where y > 0.7
y3 = np.ma.masked_where(y > 0.7, y)
 
# 3) set to NaN where y > 0.7
y4 = y.copy()
y4[y3 > 0.7] = np.nan
 
plt.plot(x*0.1, y, 'o-', color='lightgrey', label='No mask')
plt.plot(x2*0.4, y2, 'o-', label='Points removed')
plt.plot(x*0.7, y3, 'o-', label='Masked values')
plt.plot(x*1.0, y4, 'o-', label='NaN values')
plt.legend()
plt.show()

下面就是一些案例

一次性绘制三个线条图

1
2
3
4
5
6
import numpy as np
import matplotlib.pyplot as plt
t = np.arange(0., 5., 0.2)
# 红色虚线,蓝色方块,浅蓝六边形
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'cH')
plt.show()

1
2
3
4
5
6
7
8
9
10
11
import numpy as np
import matplotlib.pyplot as plt
x1 = np.linspace(0.0, 5.0)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
x2 = np.linspace(0.0, 2.0)
y2 = np.cos(2 * np.pi * x2)
plt.subplot(211)
plt.plot(x1, y1, 'o-')
plt.subplot(212)
plt.plot(x1, y1, '.-')
plt.show()

到此这篇关于利用python绘制线型图的文章就介绍到这了,更多相关python线型图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

蓄力AI

微信公众号搜索 “ 脚本之家 ” ,选择关注

程序猿的那些事、送书等活动等着你

原文链接:https://blog.csdn.net/KIKI_ZSH/article/details/123269634

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若内容造成侵权/违法违规/事实不符,请将相关资料发送至 reterry123@163.com 进行投诉反馈,一经查实,立即处理!

相关文章

  • Python Grid使用和布局详解

    Python Grid使用和布局详解

    这篇文章主要为大家详细介绍了Python Grid使用和布局,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-06-06
  • python的metaclass使用小结

    python的metaclass使用小结

    python中的metaclass可谓熟悉而又陌生,自己开发时很少用,阅读源码时却经常遇到,那么到底什么是metaclass呢?何时使用metaclass呢?这篇文章主要介绍了python的metaclass,需要的朋友可以参考下
    2024-01-01
  • python数据可视化matplotlib绘制折线图示例

    python数据可视化matplotlib绘制折线图示例

    这篇文章主要为大家介绍了python数据可视化matplotlib绘制折线图的示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-06-06
  • Python PyWebIO实现网页版数据查询器

    Python PyWebIO实现网页版数据查询器

    PyWebIO提供了一系列命令式的交互函数来在浏览器上获取用户输入和进行输出,将浏览器变成了一个“富文本终端”,可以用于构建简单的Web应用或基于浏览器的GUI应用。本文将利用PyWebIO制作一个网页版的数据查询器,感兴趣的可以学习一下
    2021-12-12
  • 使用 OpenCV 开发虚拟键盘的方法

    使用 OpenCV 开发虚拟键盘的方法

    OpenCV是一个强大的图像处理工具,用于机器学习、图像处理等的跨平台开源库,用于开发实时计算机视觉应用程序,本文重点给大家介绍使用 OpenCV 开发虚拟键盘的方法,感兴趣的朋友一起看看吧
    2021-11-11
  • 在Pycharm中将pyinstaller加入External Tools的方法

    在Pycharm中将pyinstaller加入External Tools的方法

    今天小编就为大家分享一篇在Pycharm中将pyinstaller加入External Tools的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-01-01
  • 使用Python Cupy模块加速大规模数值计算实例深究

    使用Python Cupy模块加速大规模数值计算实例深究

    Cupy是一个基于NumPy的库,专门设计用于在GPU上进行高性能计算,它提供了与NumPy相似的API,因此用户可以很容易地将现有的NumPy代码迁移到Cupy上,从而充分利用GPU的并行计算能力
    2023-12-12
  • Python实现单项链表的最全教程

    Python实现单项链表的最全教程

    单向链表也叫单链表,是链表中最简单的一种形式,它的每个节点包含两个域,一个信息域(元素域)和一个链接域,这个链接指向链表中的下一个节点,而最后一个节点的链接域则指向一个空值,这篇文章主要介绍了Python实现单项链表,需要的朋友可以参考下
    2023-01-01
  • python字符串常用方法

    python字符串常用方法

    这篇文章主要介绍了python字符串常用方法,find、count、replace、split、startswith、endswith等多种方法,需要的朋友可以参考一下文章得具体内容,希望对你有所帮助
    2021-10-10
  • Pytest自动化测试的具体使用

    Pytest自动化测试的具体使用

    Pytest是一个Python的自动化测试框架,它可用于编写单元测试、功能测试、集成测试和端到端测试,本文就来介绍一下Pytest自动化测试的具体使用,感兴趣的可以了解一下
    2024-01-01

最新评论