6.2 折线图及绘制属性

最新推荐文章于 2023-06-13 17:23:45 发布

高通量

最新推荐文章于 2023-06-13 17:23:45 发布

阅读量1.1k

点赞数

本文链接：https://blog.csdn.net/howhigh/article/details/73928610

版权

机器学习专栏收录该内容

57 篇文章 4 订阅

订阅专栏

对6.1节生成的图形进行优化，首先引入数据集，示例代码：

import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)     
C, S = np.cos(X), np.sin(X)

6.2.1 Figure对象

通过pyplot模块中的figure()函数创建一个Figure（图表）对象，figsize参数指定Figure对象的宽度和高度，单位是英寸。此外还可以用dpi参数指定Figure对象的分辨率，即每英寸所表示的像素数，默认值为80，即创建的Figure对象的宽度为8*80=640个像素。示例代码：

plt.figure(figsize=(8, 6), dpi=80)

同一个图表多条数据的绘制，示例代码

6.2.2 plot()函数

创建Figure对象之后，接下来调用plot()在当前的Figure对象中绘图。plot()的前两个参数分别表示X、Y轴数据的对象，本示例使用的是NumPy数组。使用关键字参数可以指定所绘制曲线的各种属性：

label：给曲线指定一个标签，此标签将在图示中显示。
color：指定曲线的颜色，颜色可以用英文单词或以'#'字符开头的6位十六进制数表示，例如'#ff0000'表示红色。或者使用值在0到1范围之内的三个元素的元组来表示，例如(1.0, 0.0, 0.0)页表示红色。
linestyle：指定曲线的形状，参数值可以是'-'表示实线，'--'表示虚线。
linewidth：指定曲线的宽度，可以不是整数，也可以使用缩写形式的参数名lw。

示例代码：

...
plt.plot(X, C, label="cosine", color="#ff0000", linewidth=2.5, linestyle="--")
plt.plot(X, S, label="sine", color="green", linewidth=2.5, linestyle="-")
plt.show()

综合以上代码，其运行结果图6-1所示：

图6-1

此外，也可以通过第三个参数'b--'指定曲线的颜色和线型，它通过一些易记的符号指定曲线的样式。其中'b'表示蓝色(blue)，'--'表示线型为虚线。可以通过plt.plot?命令查看格式化字符串以及各个参数的详细说明。示例代码：

...
plt.plot(X, C, 'b--')
plt.plot(X, S, 'g-')
...

颜色字符缩写及对应颜色如下表所示：

字符	颜色
b	blue 蓝色
g	green 绿色
r	red 红色
c	cyan 青色
m	magenta 品红色
y	yellow 黄色
k	black 黑色
w	white 白色

6.2.3 Axes对象的各个属性

实际上plot()函数是在Axes（子图）对象上绘图，如果当前的Figure对象没有Axes对象，将会为之创建一个几乎充满整个图表的Axes对象，并且使此Axes对象成为当前的Axes对象。可以通过一系列函数设置当前Axes对象的各个属性：

xlabel、ylabel：分别设置X、Y轴的标题文字。
title：设置子图的标题。
xlim、ylim：分别设置X、Y轴的显示范围。
xticks、yticks：分别设置X、轴的显示刻度。
legend：显示图例，即图中表示每条曲线的标签（label）和样式的矩形区域。其中，loc参数可以设置为英文方位单词如upper，middle，lower，left，center，right，或者采用best参数自适应图例位置。

示例代码：

...
plt.xlabel("independent variable")
plt.ylabel("dependent variable")
plt.xlim(-4.0, 4.0)
plt.ylim(-1.0, 1.0)
plt.xticks(np.linspace(-4, 4, 9, endpoint=True))
plt.yticks(np.linspace(-1, 1, 5, endpoint=True))
plt.legend(loc="upper left")
plt.show()

运行结果如图6-2所示：

图6-2

当前图形的边界有点紧凑，我们想要预留一些空间，以便清楚地查看所有数据点。可以利用xlim和ylim的属性进行设置，示例代码：

...
plt.xlim(X.min() * 1.1, X.max() * 1.1)
plt.ylim(C.min() * 1.1, C.max() * 1.1)
...

此外，当前刻度不太理想，因为它们未显示正弦函数和余弦函数有趣的值，我们将更改它们，以便只显示这些值。示例代码：

...
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
plt.yticks([-1, 0, +1])
...

刻度现在被正确放置，但是它们的标签不是很明确。我们可能猜测3.142代表π，它应该更好地使其明确出来。当我们设置刻度值时，我们还可以在第二个参数列表中提供相应的标签。在标签字符串的前后有字符'$'，matplotlib会使用内嵌的LaTeX引擎将其显示为数学公式，允许标签更好地呈现出来。而使用LaTeX语法绘制数学公式会极大地降低图表的描绘速度。示例代码：

...
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$'])
...

6.2.4 轴线的设置

轴线是连接轴刻度线并且标记数据区域边界的线。他们可以被放置在任意位置，直到现在，他们在轴的边界。我们将改变它，因为我们想把它们放置在中间。因为它有四个边界（顶部/底部/左侧/右侧），我们将它们的颜色设置为none来丢弃顶部和右侧边界，我们移动底部和左侧的边界将数据空间坐标变为原点。示例代码：

...
ax = plt.gca() # gca stands for 'get current axis'
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.show()

综合以上参数的示例代码：

import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)     
C, S = np.cos(X), np.sin(X)
plt.figure(figsize=(8, 6), dpi=80)
plt.plot(X, C, label="cosine", color="#ff0000", linewidth=2.5, linestyle="--")
plt.plot(X, S, label="sine", color="green", linewidth=2.5, linestyle="-")
plt.xlim(X.min() * 1.1, X.max() * 1.1)
plt.ylim(C.min() * 1.1, C.max() * 1.1)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],  [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.yticks([-1, 0, +1],  [r'$-1$', r'$0$', r'$+1$'])
ax = plt.gca() 
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.legend(loc="upper left")
plt.show()

运行结果如图3所示：