matlibplot绘制各种图形

2019 年 10 月 5 日
筆記

matlibplot绘制各种图形

0.导语1.预备知识1.1 np.arange()1.2 numpy.random.uniform()1.3 zip()2.bar绘制3.散点图4.3D图5.参考文章6.作者的话

0.导语

上次出了一篇matlibplot基础篇，本篇来主要学习matlibplot的各种图绘制！下面一起来嗨吧！！！

1.预备知识

1.1 np.arange()

np.arange()返回的是numpy.ndarray() 三个参数(first,last,step) last必须提供,默认first从0开始,step为1, 生成的ndarray(),只包含first,不包含last

np.arange(3.0)  Out[6]: array([0., 1., 2.])  np.arange(1,3.0,.5)  Out[7]: array([1. , 1.5, 2. , 2.5])

1.2 numpy.random.uniform()

函数原型：numpy.random.uniform(low,high,size) 功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high. 参数介绍: low: 采样下界，float类型，默认值为0； high: 采样上界，float类型，默认值为1； size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出mnk个样本，缺省时输出1个值。返回值：ndarray类型，其形状和参数size中描述一致。这里顺便说下ndarray类型，表示一个N维数组对象，其有一个shape（表维度大小）和dtype（说明数组数据类型的对象），使用zeros和ones函数可以创建数据全0或全1的数组，原型： numpy.ones(shape,dtype=None,order='C'), 其中，shape表数组形状（m*n）,dtype表类型,order表是以C还是fortran形式存放数据。

1.3 zip()

zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。 zip([iterable, …]) iterabl — 一个或多个迭代器; 返回值返回元组列表.

>>>a = [1,2,3]  >>> b = [4,5,6]  >>> c = [4,5,6,7,8]  >>> zipped = zip(a,b)     # 打包为元组的列表  [(1, 4), (2, 5), (3, 6)]  >>> zip(a,c)              # 元素个数与最短的列表一致  [(1, 4), (2, 5), (3, 6)]  >>> zip(*zipped)          # 与 zip 相反，可理解为解压，返回二维矩阵式  [(1, 2, 3), (4, 5, 6)]

2.bar绘制

实现

import matplotlib.pyplot as plt  import numpy as np    # 生成n个柱状图  n = 12    X = np.arange(n) # [0,12)范围步长为1的array  '''  print(X)  print(X/float(n))  print(1-X/float(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)    plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')  plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')  for x,y in zip(X,Y1):      # ha: horizontal alignment      # va: vertical alignment      plt.text(x, y, '%.2f' % y, ha='center', va='bottom')    for x,y in zip(X,Y2):      # ha: horizontal alignment      # va: vertical alignment      plt.text(x, -y, '%.2f' % y, ha='center', va='top')    plt.xlim(-1,n)  plt.xticks(())  plt.ylim(-1.25, 1.25)  plt.yticks(())  plt.show()

输出

3.散点图

实现

import matplotlib.pyplot as plt  import numpy as np    n=1024  X=np.random.normal(0,1,n)  Y=np.random.normal(0,1,n)  T=np.arctan2(Y,X) # for color value  plt.scatter(X,Y,s=75,c=T,alpha=0.5)  plt.xlim(-1.5,1.5)  plt.ylim(-1.5,1.5)  plt.xticks(()) # 隐藏x轴内容  plt.yticks(()) # 隐藏y轴内容  plt.show()

输出

4.3D图

实现

import numpy as np  import matplotlib.pyplot as plt  from mpl_toolkits.mplot3d import Axes3D  fig=plt.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)  # height value  Z=np.sin(R)  # rstride行跨，cstride列跨  ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))  # 投影 offset表示把图形压缩到xoy面，z=-2的位置，zdir换成x,y类似  ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')  ax.set_zlim(-2,2)  plt.show()

输出

5.参考文章

https://morvanzhou.github.io/tutorials/data-manipulation/plt/2-1-basic-usage/

6.作者的话

以上学习了matlibplot相关图的绘制，希望各位能够有所收获！