Python矩阵作图库matplotlib的初级使用

matplotlib背景介绍：
第三方库matplotlib（没有的话，可在终端输入"pip install matplotlib"进行安装）是一款高质量的2D作图库，可被广泛地应用于支持Python的环境中。并且，如果在某些情境下需要绘制一些基础的3D图，这个时候可以结合标准库mpl_toolkits.mplot3d来使用。出于Python语言的便携性，从而为我们提供了一套轻量级的作图方案。
由于网络上的资料大多不太符合官方推荐的作图方式，且很多内容并没有一个清晰的逻辑。笔者此处重新整理几个简单的示例，仅供参考！

简单作图示例：

 1 import numpy
 2 import matplotlib.pyplot as plt
 3 
 4 x = numpy.linspace(0, 2, 100)
 5 
 6 plt.figure(figsize=(8, 4))
 7 
 8 plt.plot(x, x, label='linear')
 9 plt.plot(x, x**2, label='quadratic')
10 plt.plot(x, x**3, label='cubic')
11 
12 # 设置展示区间
13 plt.xlim(-1, 3)
14 plt.ylim(-1, 10)
15 
16 # 设置展示信息
17 plt.xlabel('$x$')
18 plt.ylabel('$y$')
19 plt.title('simple_plot')
20 plt.legend(loc='best')
21 
22 # 保存图片
23 plt.savefig(fname='test_plot.png', dpi=500)
24 
25 # 展示图片
26 plt.show()
27 # 关闭图片
28 plt.close()

View Code

1 import numpy 2 import matplotlib.pyplot as plt 3 4 # 明确三层作图对象: figure, axes, axis 5 # 整个图片对象, 图片内的子图对象, 子图内的轴对象 6 7 x = numpy.linspace(0, 2, 100) 8 y = 1 + numpy.sin(2 * numpy.pi * x) 9 10 # 创建图片对象 11 fig = plt.figure(figsize=(8, 4)) 12 fig.suptitle('figure_title') 13 14 # 创建子图对象 15 axes = plt.subplot() 16 axes.plot(x, y, label='$sin(x)$') 17 axes.set(xlim=(-1, 3), ylim=(-1, 10), xlabel='$x$', ylabel='$y$', title='axes_title') 18 axes.grid() 19 axes.legend() 20 21 # fig.tight_layout() 22 fig.savefig('test_plot.png', dpi=500) 23 24 plt.show() 25 plt.close()

1 import numpy 2 import matplotlib.pyplot as plt 3 4 # 创建图片对象 5 fig = plt.figure(figsize=(8, 4)) 6 7 # 创建子图对象 8 ax1 = plt.subplot(2, 2, 1) 9 ax2 = plt.subplot(2, 2, 2) 10 ax3 = plt.subplot(2, 1, 2) 11 12 # 散点图 13 ax1.scatter(numpy.random.uniform(1, 11, 100), numpy.random.random(100), color='r', marker='.', label='scatter_label') 14 ax1.set(xlabel='$x$', ylabel='$y$', title='scatter_title') 15 ax1.legend() 16 17 # 盒型图 18 ax2.boxplot([numpy.arange(10), numpy.arange(10)]) 19 ax2.set_xticklabels(['the first', 'the second'], rotation=10) # 重置坐标轴刻度并旋转 20 ax2.set(ylabel='$y$', title='boxplot_title') 21 22 # 条形图 23 ax3.bar(numpy.arange(1, 21), numpy.random.random(20), width=0.5, color='g', label='bar_label') 24 ax3.set(xlabel='$x$', ylabel='$y$', title='bar_title') 25 ax3.legend() 26 27 fig.tight_layout() 28 fig.savefig('test_plot.png', dpi=500) 29 30 plt.show() 31 plt.close()

1 import numpy 2 import matplotlib.pyplot as plt 3 from matplotlib import cm 4 from matplotlib.ticker import LinearLocator, FormatStrFormatter 5 from mpl_toolkits.mplot3d import Axes3D # 该模块并未直接使用, 但必须导入, 否则无法识别下面的projection='3d' 6 7 8 # 子图1的数据 - 一条曲线 9 theta = numpy.linspace(-4*numpy.pi, 4*numpy.pi, 500) 10 z1 = numpy.linspace(-2, 2, 500) 11 r = z1**2 + 1 12 x1 = r * numpy.sin(theta) 13 y1 = r * numpy.cos(theta) 14 15 # 子图2的数据 - 一个曲面 16 x2 = numpy.linspace(-5, 5, 100) 17 y2 = numpy.linspace(-5, 5, 100) 18 x2, y2 = numpy.meshgrid(x2, y2) # 生成网格 19 length = numpy.sqrt(x2**2 + y2**2) 20 z2 = numpy.sin(length) 21 22 # 创建图片对象 23 fig = plt.figure(figsize=(8, 4)) 24 25 # 创建子图对象 26 ax1 = plt.subplot(1, 2, 1, projection='3d') # projection='3d'标记该子图为3D子图 27 ax2 = plt.subplot(1, 2, 2, projection='3d') 28 29 ax1.plot(x1, y1, z1, linewidth=1, label='3d curve') 30 ax1.set(xlim=(-5, 5), ylim=(-5, 5), zlim=(-5, 5),xlabel='$x$', ylabel='$y$', zlabel='$z$', title='curve_title') 31 ax1.legend() 32 33 surf = ax2.plot_surface(x2, y2, z2, cmap=cm.coolwarm, antialiased=False) 34 ax2.set(zlim=(-1.01, 1.01), xlabel='$x$', ylabel='$y$', zlabel='$z$', title='surface_title') 35 # 设置子图内的轴对象 36 ax2.zaxis.set_major_locator(LinearLocator(10)) # z轴上的总刻度数 37 ax2.zaxis.set_major_formatter(FormatStrFormatter('%.02f')) # z轴上刻度的格式 38 39 fig.colorbar(surf, shrink=0.5, aspect=10) # 展示颜色棒 40 41 fig.tight_layout() 42 fig.savefig('test_plot.png', dpi=500) 43 44 plt.show() 45 plt.close()

Python矩阵作图库matplotlib的初级使用

相关推荐