python绘图总结

合集 - Python(12)

1.Python中矩阵运算（基于numpy包）2023-03-192.python中矩阵切片维数微秒变化2023-03-193.python中矩阵合并、拼接、组合2023-03-194.np.newaxis的用法2023-03-195.numpy数组初始化方法总结2023-03-196.python中两个不同shape的数组间运算规则2023-03-197.tensorflow中高维数组乘法运算2023-03-198.tensorflow中交叉熵损失函数详解2023-03-199.Python中文件读写操作2023-03-1910.Python三次样条插值与MATLAB三次样条插值简单案例2023-03-1911.三阶数字华容道最优解2023-03-19

12.python绘图总结2023-03-19

收起

1 二维图像

1.1 二维曲线

plot(x, y, ls="-", lw=1.5, label=None)

• x, y：横坐标和纵坐标
• ls：颜色、点标记、线型列表，如 ls='r-' 表示红色实线、形点，ls='g.' 表示绿色散点
• lw：线宽度
• label：线标签

plot(x, y, color, marker, linestyle)

• x, y：横坐标和纵坐标
• color：颜色，取值：b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)
• marker：标记形状，取值：. , o v ^ < > 1 2 3 4 s p * h H + x D d | _
• linestyle：线型，取值：- -- -. :

import numpy as np
import matplotlib.pyplot as plt

x=np.arange(0,12,0.3)
y1=np.sin(x)
y2=np.cos(x)

plt.figure()  #新建一个图像窗口
plt.rcParams['font.sans-serif']=['SimHei']  #正常显示标题中中文
plt.rcParams['axes.unicode_minus'] = False  #正常显示坐标轴中中文

plt.subplot(1,2,1)  #使用第1个窗格
plt.plot(x,y1,'r*-') #绘图
#plt.plot(x,y1,color='r',marker='*',linestyle='-') #和上面等价
plt.title("正弦曲线")  #标题
plt.xlabel('x轴')  #x轴命名
plt.ylabel('y轴')  #y轴命名
plt.grid()  #添加网格
plt.legend(['sinx'])  #显示图例

plt.subplot(1,2,2)  #使用第2个窗格
plt.plot(x,y1,'r*-',label='sinx')  #绘制正弦图像
plt.plot(x,y2,'g.--',label='cosx')  #绘制余弦图像
plt.title('正弦曲线、余弦曲线')  #标题
plt.legend()  #显示图例

1.2 二维散点图

scatter(x, y, s=20, c='b', marker='o', cmap, alpha)

• x, y：横坐标和纵坐标
• s：点大小
• c：点颜色，取值：b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)
• marker：点标记，取值：. , o v ^ < > 1 2 3 4 s p * h H + x D d | _
• cmap：颜色图谱
• alpha：透明度，取值：0~1，超过1时当1算，低于1时当0算
• linewidths：边框宽度

import numpy as np
import matplotlib.pyplot as plt

size=100 
x=np.random.uniform(size=size)
y=np.random.uniform(size=size)
s=np.random.uniform(5,400,size=size)  #点大小
c=np.random.uniform(size=size)  #点颜色
lw=np.random.uniform(1,4,size=size)  #边框宽度
 
plt.figure()  #新建一个图像窗口

plt.subplot(1,2,1)  #使用第1个窗格
plt.scatter(x,y,s=s,c=c,alpha=0.5,linewidths=lw,edgecolors='m')  #绘制散点图

plt.subplot(1,2,2)  #使用第2个窗格
plt.scatter(x,y,s=s,c=c,cmap='rainbow',alpha=0.5)  #绘制散点图

cmap 为颜色图谱，取值如下： （见cmap设置颜色的参数）

1.3 图像修饰

• figure( num, figsize, dpi )：新建一个空白图像窗口，num为窗口名字，figsize为窗口尺寸，dpi为分辨率
• title( )：标题
• xlabel( )：x轴标签
• ylabel( )：y轴标签
• xlim( xmin, xmax )：x轴图像显示范围
• ylim( ymin, ymax )：y轴图像显示范围
• axis( xmin, xmax, ymin, ymax )：设置x轴和y轴显示范围
• xticks( ticks, labels )：x轴刻度标记，ticks为需要标记的坐标，labels为对应ticks的标签
• yticks( )：y轴刻度标记，ticks为需要标记的坐标，labels为对应ticks的标签
• vlines( x, ymin, ymax, colors='k', linestyles='solid', label='' )：绘制垂直分割线
• hlines( y, xmin, xmax, colors='k', linestyles='solid', label='' )：绘制水平分割线
• text( x, y, s )：说明文字，(x,y)为文字显示位置，s为文字内容
• subplot( rows, cols, num )：多窗格绘图，rows表示行数，cols表示列数，num表示窗格序号
• legend( labels )：显示图例，labels为各曲线的图例标签列表，若在plot()中已给标签，这里可以省略参数
• grid()：显示网格
• show( )：显示图像
• savefig( name, dpi )：保存图片，默认以png格式保存，dpi为分辨率
• gca( )：获取坐标轴(axis)对象

这里仅介绍 xticks() 的用法：

import numpy as np
import matplotlib.pyplot as plt

x=np.arange(0,15.7,0.1)
y=np.sin(x)

plt.figure()  #新建一个图像窗口
plt.plot(x,y,'r.')  #绘图

ticks=np.arange(0,6)*np.pi
labels=['0π','1π','2π','3π','4π','5π']
plt.xticks(ticks,labels)  #x轴示数标记
plt.grid()  #显示网格

1.4 坐标轴控制

1.4.1 坐标轴刻度间隔

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

x=np.arange(0,15.7,0.1)
y=np.sin(x)

plt.figure()  #新建一个图像窗口
plt.plot(x,y,'r.')  #绘图

ax=plt.gca()  #获取坐标轴(axis)对象
ax.xaxis.set_major_locator(MultipleLocator(3.14))  #设置x轴示数间隔
plt.grid()  #显示网格

可以看到，x 轴刻度为 3.14

1.4.2 坐标轴刻度格式

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FormatStrFormatter

x=np.arange(0,15.7,0.1)
y=np.sin(x)

plt.figure()  #新建一个图像窗口
plt.plot(x,y,'r.')  #绘图

ax=plt.gca()  #获取坐标轴(axis)对象
ax.yaxis.set_major_formatter(FormatStrFormatter('%.1f'))  #设置y轴示数格式
plt.grid()

可以看到，y 轴刻度只显示1位小数。此方法也可以避免坐标轴示数有时候自动变成+e**的情况发生。

2 三维图像

2.1 三维坐标轴对象（Axes3D）

在绘制三维图像时，需要先创建三维坐标轴对象 Axes3D ，创建方法主要有以下2种：

方法一：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D  #虽然没有明确调用 Axes3D，也不能省略，否则会报错

fig=plt.figure()  #创建一个图像窗口
ax=plt.axes(projection='3d')  #创建三维坐标轴对象

方法二：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig=plt.figure()  #创建一个图像窗口
ax=Axes3D(fig)  #创建三维坐标轴对象

运行代码，可以看到创建了一个空的三维图像窗口，如下：

多窗格绘图：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D  #虽然没有明确调用 Axes3D，也不能省略，否则会报错

fig=plt.figure()  #创建一个图像窗口
ax=fig.add_subplot(rows,cols,num,projection='3d')  #添加一个三维子图

2.2 三维曲线

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

t=np.linspace(0,20,70)  #参数，生成[0,20]之间70个点
x=np.sin(t)
y=np.cos(t)
z=2*t

fig=plt.figure()  #创建一个图像窗口
ax=Axes3D(fig)  #创建三维坐标轴对象

ax.plot(x,y,z,'r*-')  #绘制3维曲线

2.3 三维散点图

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

size=150  #点个数
x=np.random.randint(0,30,size)
y=np.random.randint(0,30,size)
z=np.random.randint(0,30,size)

fig=plt.figure()  #创建一个图像窗口
ax=Axes3D(fig)  #创建三维坐标轴对象

s=np.random.randint(0,200,size)  #点大小
c=np.random.randint(0,256,size)  #点颜色
ax.scatter(x,y,z,s=s,c=c,alpha=0.8)  #绘制3维散点图

2.4 三维曲面

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
 
x=np.linspace(0,10,50)
y=np.linspace(0,9,45)
X,Y=np.meshgrid(x,y)  #生成格点，并将所有格点的x轴值和y轴值分别保存到 X 和 Y 中，X 和 Y 的维度：(45,50)
Z=np.sin(X)+np.cos(Y)  #每个格点对应的函数值，维度：(45,50)
 
fig=plt.figure()  #创建一个图像窗口
 
ax=fig.add_subplot(1,2,1,projection='3d')  #添加一个三维子图
ax.plot_surface(X,Y,Z,cmap='hot')  #绘制三维曲面，cmap为颜色图谱
 
ax=fig.add_subplot(1,2,2,projection='3d')  #添加一个三维子图
ax.plot_surface(X,Y,Z,cmap='rainbow')  #绘制三维曲面，cmap为颜色图谱

X,Y=np.meshgrid(x,y) 函数的作用是生成格点，并将所有格点的x轴值和y轴值分别保存到 X 和 Y 中，X 和 Y 的维度：(45,50) ，变量空间如下：

​ 声明：本文转自python绘图总结