python数学建模之Matplotlib 实现图片绘制
作者:lxw-pro
这篇文章主要介绍了python数学建模之Matplotlib 实现图片绘制,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下
Matplotlib 学习
Matplotlib简介
# Matplotlib简介: ''' 使用 Matplotlib 在 Python 中创建图表【Matplotlib 是用于创建图表的 Python 库】 Matplotlib 是一个非常强大的 Python 画图工具,我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。 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【可创建散点图,折线图,条形图和饼图等】 Matplotlib 可以用来绘制各种静态,动态,交互式的图表。 注:在使用之前需在终端安装Matplotlib 安装命令为:pip install matplotlib Matplotlib应用: Matplotlib 通常与 NumPy 和 SciPy(Scientific Python)一起使用, 这种组合广泛用于替代 MatLab, 是一个强大的科学计算环境,有助于我们通过 Python 学习数据科学或者机器学习 ''' # 查看版本 import matplotlib print(matplotlib.__version__)
Matplotlib 散点图
# Matplotlib 散点图 # 散点图是一种图形或数学图,使用笛卡尔坐标显示一组数据的两个变量的值 # 使用时,我们可以使用 import 导入 pyplot 库,并设置一个别名 plt import matplotlib.pyplot as plt x_hz = [i for i in range(10)] # 时间数据 y_zz = [6, 14, 21, 36, 45, 52, 66, 72, 88, 92] # 价格数据 plt.title('price for 10 years') # 设置图表标题 plt.scatter(x_hz, y_zz, color='blue', marker='x', label='item 1') # scatter()功能绘制散点图 plt.xlabel('year') # 设置x轴标签 plt.ylabel('price') # 设置y轴标签 plt.grid(True) # grid()功能显示网格 plt.legend() # legend()功能在轴上放置图例 plt.show() # 显示图表
运行效果如下:
Matplotlib Pyplot
# Matplotlib Pyplot ''' Pyplot 是 Matplotlib 的子库,提供了和 MATLAB 类似的绘图 API。 Pyplot 是常用的绘图模块,能很方便让用户绘制 2D 图表。 Pyplot 包含一系列绘图函数的相关函数,每个函数会对当前的图像进行一些修改 ''' import matplotlib.pyplot as plt import numpy as np x_d = np.array([0, 8]) y_d = np.array([0, 120]) plt.plot(x_d, y_d) # plot() 函数是绘制二维图形的最基本函数 plt.show()
运行效果如下:
关于plot()
# 关于plot() ''' plot() 用于画图它可以绘制点和线,语法格式如下: # 画单条线 plot([x], y, [fmt], *, data=None, **kwargs) # 画多条线 plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs) 参数说明: x, y:点或线的节点,x 为 x 轴数据,y 为 y 轴数据,数据可以列表或数组。 fmt:可选,定义基本格式(如颜色、标记和线条样式)。 **kwargs:可选,用在二维平面图上,设置指定属性,如标签,线的宽度等。 颜色字符:'b' 蓝色,'m' 洋红色,'g' 绿色,'y' 黄色,'r' 红色,'k' 黑色,'w' 白色,'c' 青绿色,'#008000' RGB 颜色符串。多条曲线不指定颜色时,会自动选择不同颜色。 线型参数:'‐' 实线,'‐‐' 破折线,'‐.' 点划线,':' 虚线。 标记字符:'.' 点标记,',' 像素标记(极小点),'o' 实心圈标记,'v' 倒三角标记,'^' 上三角标记,'>' 右三角标记,'<' 左三角标记...等等 ''' # 可使用 o 参数,表示一个实心圈的标记 import matplotlib.pyplot as plt import numpy as np x_p = np.array([0, 6]) y_p = np.array([3, 9]) plt.plot(x_p, y_p, 'o') plt.show()
运行效果如下:
绘制任意数量的点
# 绘制任意数量的点 import matplotlib.pyplot as plt import numpy as np x_dp = np.array([1, 3, 5, 7, 9]) y_dp = np.array([8, 4, 2, 6, 0]) plt.plot(x_dp, y_dp) plt.show()
运行效果如下:
不指定 x 轴上的点,看看效果
# 不指定 x 轴上的点,看看效果 import matplotlib.pyplot as plt import numpy as np yd = np.array([2, 9]) plt.plot(yd) plt.show()
运行效果如下:
再看看y更多值的效果
# 再看看y更多值的效果 import matplotlib.pyplot as plt import numpy as np yd2 = np.array([2, 9, 1, 8, 3, 8]) plt.plot(yd2) plt.show()
运行效果如下:
绘制正余弦图:
# 绘制正余弦图: import matplotlib.pyplot as plt import numpy as np x = np.arange(0, 4*np.pi, 0.1) y = np.sin(x) z = np.cos(x) plt.plot(x, y, x, z) plt.show()
运行效果如下:
两个数据集
# 两个数据集 import matplotlib.pyplot as plt x_d1 = [i for i in range(1, 11)] y_d1 = [2, 32, 41, 6, 15, 34, 34, 23, 12, 9] x_d2 = [i for i in range(1, 11)] y_d2 = [4, 12, 43, 21, 52, 32, 12, 43, 8, 20] plt.title('Prices for 10 years') plt.scatter(x_d1, y_d1, color='darkblue', marker='x', label='item 1') plt.scatter(x_d2, y_d2, color='darkred', marker='x', label='item 2') plt.xlabel('Year') plt.ylabel('Price') plt.grid(True) plt.legend() plt.show()
运行效果如下:
Matplotlib 绘图标记
实心圆标记:
# Matplotlib 绘图标记 # 绘图过程可使用 plot() 方法的 marker 参数来定义标记 # 实心圆标记: import matplotlib.pyplot as plt import numpy as np yp = np.array([1, 3, 1, 4, 1, 5, 9, 5, 2, 1]) plt.plot(yp, marker='o') plt.show()
运行效果如下:
用 * 标记
# 用 * 标记 import matplotlib.pyplot as plt import numpy as np yp2 = np.array([2, 3, 2, 43, 23, 12, 3, 4, 12, 43, 12]) plt.plot(yp, marker='*') plt.show()
运行效果如下:
用下箭头标记
# 用下箭头标记 import matplotlib.pyplot as plt import matplotlib.markers plt.plot([1, 3, 5], marker=matplotlib.markers.CARETUPBASE) plt.show()
运行效果如下:
Matplotlib 折线图
# Matplotlib 折线图 # 折线图是一种显示图表的图表,该信息显示为一系列数据点,这些数据点通过直线段相连,称为标记 # 正弦波折线图: import matplotlib.pyplot as plt import numpy as np t = np.arange(0.0, 4.0, 0.01) # arange()函数返回给定间隔内的均匀间隔的值列表 s = np.sin(2.5*np.pi*t) # plot()功能绘制折线图 plt.plot(t, s) plt.title('Wave') plt.xlabel('Time') plt.ylabel('Vol') plt.grid(True) plt.show()
运行效果如下:
fmt 参数
# fmt参数 ''' fmt 参数 fmt 参数定义了基本格式,如标记、线条样式和颜色。 fmt = '[marker][line][color]' 如 o:r【o 表示实心圆标记,: 表示虚线,r 表示颜色为红色】 : 代表虚线 - 代表实线 -- 代表破折线 -. 代表点划线 除了黑色是用k表示,其他颜色均用各自英文首字母表示 ''' import matplotlib.pyplot as plt import numpy as np ft = np.array([3, 9, 2, 6]) plt.plot(ft, 'o:r') plt.show()
运行效果如下:
标记大小与颜色
设置标记大小:
# 标记大小与颜色 ''' 标记大小与颜色 我们可以自定义标记的大小与颜色,使用的参数分别是: markersize,简写为 ms:定义标记的大小。 markerfacecolor,简写为 mfc:定义标记内部的颜色。 markeredgecolor,简写为 mec:定义标记边框的颜色。 ''' # 设置标记大小: import matplotlib.pyplot as plt import numpy as np dx = np.array([2, 32, 1, 43, 12, 12, 3]) plt.plot(dx, marker='o', ms=20) plt.show()
运行效果如下:
设置标记外边框颜色:
# 设置标记外边框颜色: import numpy as np import matplotlib.pyplot as plt yys = np.array([2, 1, 43, 1, 2, 12, 1]) plt.plot(yys, marker='*', ms=20, mec='g') plt.show()
运行效果如下:
设置标记内部颜色:
# 设置标记内部颜色: import matplotlib.pyplot as plt import numpy as np nys = np.array([2,3, 32, 12, 43, 12, 9]) plt.plot(nys, marker='o', ms=20, mfc='r') plt.show()
运行效果如下:
Matplotlib 条形图
# Matplotlib 条形图 # 条形图显示带有矩形条的分组数据,其长度与它们代表的值成比例【条形图可以垂直或水平绘制】 import matplotlib.pyplot as plt import matplotlib.style as sty sty.use('ggplot') x = [i for i in range(1, 4)] y = [12, 8, 4] fuck, ax = plt.subplots() # subplots()函数返回图形和轴对象 ax.bar(x, y, align='center') # bar()功能生成条形图 ax.set_title('Olympic Gold for London') ax.set_ylabel('Gold medals') ax.set_xlabel('Countries') ax.set_xticks(x) ax.set_xticklabels(('China', 'UK', 'USA')) plt.show()
运行效果如下:
总结
到此这篇关于python数学建模之Matplotlib 实现图片绘制的文章就介绍到这了,更多相关python Matplotlib 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!
上一章链接:python数学建模(SciPy+ Numpy+Pandas)