pip3 install matplotlib
安装成功后,我们可以使用下面的引包方式,将其导入:from matplotlib import pyplot as plt
import numpy as np from matplotlib import pyplot as plt x = np.arange(1,11) y = 2 * x + 5 #绘制坐标标题 plt.title("Matplotlib demo") #绘制x、y轴备注 plt.xlabel("x axis") plt.ylabel("y axis") plt.plot(x,y) plt.show()输出结果如下:
图1:Matplotlib绘制线性图
字符 | 描述 |
---|---|
'-' | 实线样式 |
'--' | 短横线样式 |
'-.' | 点划线样式 |
':' | 虚线样式 |
'.' | 点标记 |
',' | 像素标记 |
'o' | 圆标记 |
'v' | 倒三角标记 |
'^' | 正三角标记 |
'<' | 左三角标记 |
'>' | 右三角标记 |
'1' | 下箭头标记 |
'2' | 上箭头标记 |
'3' | 左箭头标记 |
'4' | 右箭头标记 |
's' | 正方形标记 |
'p' | 五边形标记 |
'*' | 星形标记 |
'h' | 六边形标记 1 |
'H' | 六边形标记 2 |
'+' | 加号标记 |
'x' | X 标记 |
'D' | 菱形标记 |
'd' | 窄菱形标记 |
'|' | 竖直线标记 |
'_' | 水平线标记 |
字符 | 颜色 |
---|---|
'b' | 蓝色 |
'g' | 绿色 |
'r' | 红色 |
'c' | 青色 |
'm' | 品红色 |
'y' | 黄色 |
'k' | 黑色 |
'w' | 白色 |
import numpy as np from matplotlib import pyplot as plt x = np.arange(1,11) y = 2 * x + 5 plt.title("Matplotlib demo1") plt.xlabel("x axis") plt.ylabel("y axis") plt.plot(x,y,"ob") plt.show()输出结果如下图:
图2:Matplotlib绘制圆点图
import numpy as np import matplotlib.pyplot as plt # 计算正弦曲线上的x和y坐标 x = np.arange(0, 3 * np.pi, 0.1) y = np.sin(x) plt.title("sine wave image") # 使用matplotlib制图 plt.plot(x, y) plt.show()输出结果:
图3:Matplotlib绘图正弦图
plt.subplot(nrows, ncols, index, **kwargs)
参数说明:该函数使用三个整数描述子图的位置信息,这三个整数是行数、列数和索引值(此处索引值从1开始),子图将分布在设定的索引位置上。从右上角增加到右下角。比如,plt.subplot(2, 3, 5) 表示子图位于 2 行 3 列 中的第 5 个位置上。
图4:subplot画布分割
import numpy as np import matplotlib.pyplot as plt #计算正弦和余弦曲线上的点的 x 和 y 坐标 x = np.arange(0, 3 * np.pi, 0.1) y_sin = np.sin(x) y_cos = np.cos(x) #绘制subplot 网格为2行1列 #激活第一个 subplot plt.subplot(2, 1, 1) #绘制第一个图像 plt.plot(x, y_sin) plt.title('Sine') #将第二个 subplot 激活,并绘制第二个图像 plt.subplot(2, 1, 2) plt.plot(x, y_cos) plt.title('Cosine') #展示图像 plt.show()输出结果如下:
图5:Matplotlib绘制波形图
from matplotlib import pyplot as plt #第一组数据 x1 = [5,8,10] y1 = [12,16,6] #第二组数据 x2 = [6,9,11] y2 = [6,15,7] plt.bar(x1, y1, align = 'center') plt.bar(x2, y2, color = 'g', align = 'center') plt.title('Bar graph') #设置x轴与y轴刻度 plt.ylabel('Y axis') plt.xlabel('X axis') plt.show()输出结果:
图6:Matplotlib绘制柱状图
histogram(array,bins=10,range=None,weights=None,density=False)
示例如下:import numpy as np a = np.arange(8) hist, bin_edges = np.histogram(a, density=True)输出结果如下:
his: [0.17857143 0.17857143 0.17857143 0. 0.17857143 0.17857143 0. 0.17857143 0.17857143 0.17857143] bin_edges [0. 0.7 1.4 2.1 2.8 3.5 4.2 4.9 5.6 6.3 7. ]numpy.histogram() 将输入数组 a 和 bins 作为两个参数,其中 bins 数组的连续元素作为 bin 区间的边界值。示例如下:
import numpy as np a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27]) np.histogram(a,bins = [0,20,40,60,80,100]) hist,bins = np.histogram(a,bins = [0,20,40,60,80,100]) print(hist) print(bins)输出结果如下:
返回hist直方图值: [3 4 5 2 1] 返回bin区间边缘值: [0 20 40 60 80 100]
from matplotlib import pyplot as plt import numpy as np a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27]) plt.hist(a, bins = [0,20,40,60,80,100]) plt.title("histogram") plt.show()输出图像如下所示:
图7:Matplotlib直方图
本文链接:http://task.lmcjl.com/news/13701.html