Matplotlib从兴趣到实践

Java电商支付系统实战(一)- 简介

先看下Matplotlib实现的效果
Matplotlib从兴趣到实践

是不是出现了也想敲一个的心动,那让我们一起来了解Matplotlib吧

Matplotlib安装

1.Windows系统安装Matplotlib
进入到cmd的命令界面,输入以下命令:
python -m pip install -U pip setuptools
python -m pip install matplotlibm

2.Linux系统安装Matplotlib

  • Ubuntu: sudo apt-get install python-matplotlib
  • Redhat: sudo yum install python-matplotlib

Mac OSX 系统安装 Matplotlib
可以使用 pip 命令来安装:sudo python -mpip install matplotlib

图文显示

首先我们需要下载中文包:ShiHei字体包 将下载的字体包放置到项目目录中
Matplotlib从兴趣到实践

import matplotlib
import numpy as np
from matplotlib import pyplot as plt

zhfont1 = matplotlib.font_manager.FontProperties(fname="SimHei.ttf")
x=np.array([1,2,3,4,5,6,7,8])
y = 2 * x + 5
plt.title("我的 - 测试", fontproperties=zhfont1)

fontproperties 设置中文显示,fontsize 设置字体大小
plt.xlabel("x 轴", fontproperties=zhfont1)
plt.ylabel("y 轴", fontproperties=zhfont1)
plt.plot(x, y,"-b")
plt.show()

执行结果:
Matplotlib从兴趣到实践

从执行结果来看不难分析出pil.xlable实现的是定义x轴的默认显示,ylabel定义的是y轴的显示 ,plot(x,y,’-b’)中定义的是x y轴的数据以及显示的颜色和样式信息。
其中具体的样式和颜色信息的设置参数如下

字符 plot函数中字符描述
‘-‘ 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 plot函数中颜色描述
‘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

下面我们可以运用Numpy的相关知识绘制各种图像

我们的目的重点不是编写各种的图像,而是了解绘图的原理,通过学习能够绘制根据自己需要的图像(学习matplotlib前建议要学习Numpy的知识)

绘制正弦波

#计算正弦曲线上点的 x 和 y 坐标
x = np.arange(0,  3  * np.pi,  0.1) 
y = np.sin(x)
plt.title("sine wave form")  
#使用 matplotlib 来绘制点
plt.plot(x, y) 
plt.show()

运行结果:
Matplotlib从兴趣到实践

该代码中 x是一个数组,它是借助numpy.arange()方法实现0-(3*圆周率)的范围内每间隔0.1生成一个点
y = np.sin(x)
表示的是运用正弦函数生成与x轴点一 一对应的y轴的点,最后使用matplotlib的plot方法绘制出来相应的图像。

绘制同一窗口中不同的图像

实现多个图像的绘制就要用的matplotlib的subplot()函数

机器学习-决策树 Decision Tree

#aubplot参数解释 以下创建的是一个高度为2,宽度为1,的第1个图像
plt.subplot(2, 1, 1)
#将第一个图像绘制出来
plt.plot(x,y_sin)
plt.title('Sin')
#aubplot参数解释 以下创建的是一个高度为2,宽度为1,的第2个图像
plt.subplot(2, 1, 2)
#将第二个图像绘制出来
plt.plot(x,y_cos)
plt.title('Cos')
plt.show()

运行结果:
Matplotlib从兴趣到实践

绘制条形图

绘制条形图需要用到matplotlib的bar()函数生成条形图,使用原来与上面的图像绘制一样,不同的是方法产生的效果
可以通过以下代码来进一步加深图像绘制的印象

# 条形图 bar
x = [5,8,10]
y = [12,16,6]
x2 = [6,9,11]
y2 = [6,15,7]
plt.bar(x, y, align='center')
plt.bar(x2, y2, color='y', align='center')
plt.title('条形图', fontproperties=zhfont1)
plt.ylabel('Y 轴', fontproperties=zhfont1)
plt.xlabel('X 轴', fontproperties=zhfont1)
plt.show()

运行结果:
Matplotlib从兴趣到实践

绘制直方图

hist()函数可以将将数据和bin参数作为参数,并且能够转化为直方图

# 直方图 plt()
a = np.array([21,99,1,46,88,77,15,24,11,61,66,67,68,30,41,55,18,31,90,26])
plt.hist(a, color='g', bins=[0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100])
plt.title("histogram")
plt.show()

运行结果:
Matplotlib从兴趣到实践

扩展

关于matplotlib绘图的常用配置说明

# 导入 matplotlib 的所有内容(nympy 可以用 np 这个名字来使用)
from pylab import *

# 创建一个 8 * 6 点(point)的图,并设置分辨率为 80
figure(figsize=(8,6), dpi=80)

# 创建一个新的 1 * 1 的子图,接下来的图样绘制在其中的第 1 块(也是唯一的一块)
subplot(1,1,1)

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

# 绘制余弦曲线,使用蓝色的、连续的、宽度为 1 (像素)的线条
plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# 绘制正弦曲线,使用绿色的、连续的、宽度为 1 (像素)的线条
plot(X, S, color="green", linewidth=1.0, linestyle="-")

# 设置横轴的上下限
xlim(-4.0,4.0)  /plt.xlim(X.min()*1.1, X.max()*1.1)

# 设置横轴记号
xticks(np.linspace(-4,4,9,endpoint=True))

# 设置纵轴的上下限
ylim(-1.0,1.0)

# 设置纵轴记号
yticks(np.linspace(-1,1,5,endpoint=True))

#添加图例 可以指定图例的位置
plt.legend(loc='upper left', frameon=False)

# 以分辨率 72 来保存图片
# savefig("exercice_2.png",dpi=72)

# 在屏幕上显示
show()

下面是一个综合运用的实例

# 绘制正弦波
# 计算正弦曲线上点的 x 和 y 坐标
x = np.linspace(-np.pi, np.pi, 256,endpoint=True)
y = np.sin(x)
C,S = np.cos(x), np.sin(x)
plt.title("sine wave form")
# 使用 matplotlib 来绘制点
plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label="sine")
#以下是对边界的设置
plt.xlim(x.min()*1.1, x.max()*1.1)
#以下是对x轴的记号设置
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
           [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
#以下是对y轴的记号设置
plt.ylim(C.min()*1.1,C.max()*1.1)
plt.yticks([-1, +1],
           [r'$-1$', r'$+1$'])
#以下是对label图例位置进行设置
plt.legend(loc='upper left', frameon=False)
plt.show()

运行结果:
Matplotlib从兴趣到实践

下面一个是使用matplotlib中的pie()函数实现的饼状图的实例:

n = 20
Z = np.random.uniform(0,1,n)
plt.pie(Z) 
plt.show()

运行结果:
Matplotlib从兴趣到实践

也可以用来实现一些3D的图像效果,下面是一个实现的实例:

from pylab import *
from mpl_toolkits.mplot3d import Axes3D

fig = 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)
Z = np.sin(R)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot')
plt.savefig('sample.png', bbox_inches="tight")
show()

运行结果:
Matplotlib从兴趣到实践

是不是

搞定SpringBoot多数据源(3):参数化变更源

© 版权声明
THE END
喜欢就支持一下吧
点赞0 分享