数模学习|【数学建模学习笔记【集训十天】之第六天】 python数据处理|程序人生6|matp

数模学习目录

Matplotlib 学习
- Matplotlib简介
- Matplotlib 散点图
- - 运行效果如下：
  - Matplotlib Pyplot
  - - 运行效果如下：
  - 关于plot()
  - - 运行效果如下：
  - 绘制任意数量的点
  - - 运行效果如下：
  - 不指定 x 轴上的点,看看效果
  - - 运行效果如下：
  - 再看看y更多值的效果
  - - 运行效果如下：
- 绘制正余弦图：
- - 运行效果如下：
- 两个数据集
- - 运行效果如下：
- Matplotlib 绘图标记
- - 实心圆标记：
  - - 运行效果如下:
  - 用 * 标记
  - - 运行效果如下：
  - 用下箭头标记
  - - 运行效果如下：
- Matplotlib 折线图
- - 运行效果如下：
- fmt 参数
- - 运行效果如下：
- 标记大小与颜色
- - 设置标记大小:
  - - 运行效果如下：
  - 设置标记外边框颜色：
  - - 运行效果如下：
  - 设置标记内部颜色：
  - - 运行效果如下：
- Matplotlib 条形图
- - 运行效果如下：
  - 总结
- 上一章链接：[【数学建模学习笔记【集训十天】之第五天】](https://blog.csdn.net/m0_66318554/article/details/125556546)
- - 每日一言：
  - - 持续更新中

Matplotlib 学习 Matplotlib简介

# -*- coding = utf-8 -*- # @Time : 2022/7/2 10:42 # @Author : lxw_pro # @File : Matplotlib 学习.py # @Software : PyCharm# 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 matplotlibMatplotlib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 matplotlibprint(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 pltx_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：

文章图片

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 npx_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：

文章图片

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=https://www.it610.com/article/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 npx_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：

文章图片

绘制任意数量的点

# 绘制任意数量的点 import matplotlib.pyplot as plt import numpy as npx_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：

文章图片

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 npyd = np.array([2, 9])plt.plot(yd) plt.show()

运行效果如下：

文章图片

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 npyd2 = np.array([2, 9, 1, 8, 3, 8])plt.plot(yd2) plt.show()

运行效果如下：

文章图片

绘制正余弦图：

# 绘制正余弦图： import matplotlib.pyplot as plt import numpy as npx = 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：

文章图片

两个数据集

# 两个数据集 import matplotlib.pyplot as pltx_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：

文章图片

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 npyp = 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:

文章图片

用 * 标记

# 用 * 标记 import matplotlib.pyplot as plt import numpy as npyp2 = 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：

文章图片

用下箭头标记

# 用下箭头标记 import matplotlib.pyplot as plt import matplotlib.markersplt.plot([1, 3, 5], marker=matplotlib.markers.CARETUPBASE) plt.show()

运行效果如下：

文章图片

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 npt = 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：

文章图片

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 npft = np.array([3, 9, 2, 6]) plt.plot(ft, 'o:r')plt.show()

运行效果如下：

文章图片

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 npdx = np.array([2, 32, 1, 43, 12, 12, 3]) plt.plot(dx, marker='o', ms=20)plt.show()

运行效果如下：

文章图片

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 pltyys = 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：

文章图片

设置标记内部颜色：

# 设置标记内部颜色： import matplotlib.pyplot as plt import numpy as npnys = 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：

文章图片

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 stysty.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：