python数学建模之Matplotlib|python数学建模之Matplotlib 实现图片绘制 python数学建模之Matplotlib实现图

Matplotlib 学习

Matplotlib简介
Matplotlib 散点图
Matplotlib Pyplot
关于plot()
绘制任意数量的点
不指定 x 轴上的点,看看效果
再看看y更多值的效果
两个数据集
Matplotlib 绘图标记
用 * 标记
用下箭头标记

Matplotlib 折线图

fmt 参数

标记大小与颜色

Matplotlib 条形图

总结

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 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 pltimport 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：

python数学建模之Matplotlib|python数学建模之Matplotlib 实现图片绘制

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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 pltimport 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 npimport 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 pltimport 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 pltimport 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：

文章图片

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！
【python数学建模之Matplotlib|python数学建模之Matplotlib 实现图片绘制】上一章链接：python数学建模(SciPy+ Numpy+Pandas)