python绘图

   

目录

   

 常用的 pyplot 函数：

一、案例1

 二、案例2

三、案例3

四、案例4

五、案例5

六、案例6

七、案例7

 八、案例8（线性回归）

---

 常用的 pyplot 函数：

• plot()：用于绘制线图和散点图
• scatter()：用于绘制散点图
• bar()：用于绘制垂直条形图和水平条形图
• hist()：用于绘制直方图
• pie()：用于绘制饼图
• imshow()：用于绘制图像
• subplots()：用于创建子

一、案例1

import matplotlib.pyplot as plt #给 matplotlib.pyplot起别名plt
import numpy as np              #给numpy起别名np
x=np.linspace(-5,5,500)
y=np.tan(x)                     #tan(x)是库函数，必须加np
plt.plot(x,y,color="red",linewidth=3,marker="^",markersize=5)#plot函数设置图片的属性
plt.show()

运行结果

 相关函数：

     plot() 用于画图它可以绘制点和线，语法格式如下：

# 画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
# 画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

参数说明：

• x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。
• fmt：可选，定义基本格式（如颜色、标记和线条样式）。
• **kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。

>>> plot(x, y)        # 创建 y 中数据与 x 中对应值的二维线图，使用默认样式
>>> plot(x, y, 'bo')  # 创建 y 中数据与 x 中对应值的二维线图，使用蓝色实心圈绘制
>>> plot(y)           # x 的值为 0..N-1
>>> plot(y, 'r+')     # 使用红色 + 号

颜色字符：'b' 蓝色，'m' 洋红色，'g' 绿色，'y' 黄色，'r' 红色，'k' 黑色，'w' 白色，'c' 青绿色，'#008000' RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。

线型参数：'‐' 实线，'‐‐' 破折线，'‐.' 点划线，':' 虚线。

标记字符：'.' 点标记，',' 像素标记(极小点)，'o' 实心圈标记，'v' 倒三角标记，'^' 上三角标记，'>' 右三角标记，'<' 左三角标记...等等。

如果我们要绘制坐标 (1, 3) 到 (8, 10) 的线，我们就需要传递两个数组 [1, 8] 和 [3, 10] 给 plot 函数：

数说明：plot相关函Matplotlib Pyplot | 菜鸟教程 (runoob.com) 

 二、案例2

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-10,10,100)
y=np.cos(x)*np.tan(x)*x**2
# 通过rc参数修改字体为黑体，就可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 通过rc参数修改字符显示，就可以正常显示负号
plt.rcParams['axes.unicode_minus'] = False

plt.figure()  #第一个函数图像
plt.plot(x,y)
plt.xlim(xmin=-50)
plt.ylim(ymax=50)
plt.xlabel("横坐标")#给横坐标添加标签
plt.ylabel("纵坐标")#给纵坐标添加标签
plt.xticks()
plt.yticks(ticks=[-50,-40,-30,-20,-10,0],labels=['a','b','c','d','e','f'])

plt.figure()    #第二个函数图像
plt.plot(x,y)
plt.xlim((-2,4))
plt.ylim(ymin=-0.5,ymax=2)
plt.xlabel("横坐标")
plt.ylabel("纵坐标")
plt.show()

添加中文标签不显示的情况下，输入：

# 通过rc参数修改字体为黑体，就可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 通过rc参数修改字符显示，就可以正常显示负号
plt.rcParams['axes.unicode_minus'] = False

运行结果

三、案例3

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-10,10,100)
y=np.cos(x)*np.tan(x)*x**2
# 通过rc参数修改字体为黑体，就可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 通过rc参数修改字符显示，就可以正常显示负号
plt.rcParams['axes.unicode_minus'] = False

plt.figure()
plt.plot(x,y)
plt.text(x=-2.5,y=10,s="sinx",size=50,color="red")#添加文本
plt.show()

运行结果

相关函数 ：

1、plt.text()作用：画图时给图中的点 加标签

plt.text(x, y, s, fontsize, verticalalignment,horizontalalignment,rotation , kwargs)

其中
（1）x,y：标签添加的位置，注释文本内容所在位置的横/纵坐标，默认是根据坐标轴的数据来度量的，是绝对值，也就是说图中点所在位置的对应的值，特别的，如果你要变换坐标系的话，要用到transform=ax.transAxes参数。
（2）s：标签的符号，字符串格式，比如你想加个“我爱python”，更多的是你标注跟数据有关的主体。
（3）fontsize：加标签字体大小，取整数。
（4）verticalalignment：垂直对齐方式 ，可选 ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等
（5）horizontalalignment：水平对齐方式 ，可以填 ‘center’ ， ‘right’ ，‘left’ 等
（6）rotation：标签的旋转角度，以逆时针计算，取整
（7）family ：设置字体
（8）style： 设置字体的风格
（9）weight：设置字体的粗细
（10） bbox：给字体添加框， 如 bbox=dict(facecolor=‘red’, alpha=0.5) 等。
（11）string：注释文本内容
（12）color：注释文本内容的字体颜色

2、 np.linspace

通过定义均匀间隔创建数值序列。其实，需要指定间隔起始点、终止端，以及指定分隔值总数（包括起始点和终止点）；最终函数返回间隔类均匀分布的数值序列。请看示例：

np.linspace(start = 0, stop = 100, num = 5) #x轴起点是0，终点是100，间隔是5

 理解如下：

四、案例4

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-10,10,100)
y=np.cos(x)*np.tan(x)*x**2

n=100
x1=np.random.rand(n)
y1=np.random.rand(n)
plt.scatter(x1,y1,s=100,c='r',marker='^',alpha=1)

x2=np.random.rand(n)
y2=np.random.rand(n)
plt.scatter(x2,y2,s=100,c='y',marker='D',alpha=1)
plt.show()

运行结果：

 相关函数：

1、scatter() 方法语法格式如下：Matplotlib 散点图 | 菜鸟教程 (runoob.com)

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

参数说明：

x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。

s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。

c：点的颜色，默认蓝色 'b'，也可以是个 RGB 或 RGBA 二维行数组。

marker：点的样式，默认小圆圈 'o'。

cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。

norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。

vmin，vmax：：亮度设置，在 norm 参数存在时会忽略。

alpha：：透明度设置，0-1 之间，默认 None，即不透明。

linewidths：：标记点的长度。

edgecolors：：颜色或颜色序列，默认为 'face'，可选值有 'face', 'none', None。

plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

**kwargs：：其他参数。

五、案例5

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-10,10,100)
y=np.cos(x)

x0=np.arange(12)
h1=np.random.uniform(1.0,5.0,12)
plt.bar(x0,h1,width=1,bottom=1.5,color='yellow',edgecolor='red')

h2=np.random.uniform(-5.0,-1,12)
plt.bar(x0,h2,width=1,bottom=-1.5,color='red',edgecolor='yellow')
plt.show()

运行结果：

相关函数：

1、 np.range()

函数语法

range(start, stop[, step])

参数说明：

• start: 计数从 start 开始。默认是从 0 开始。例如range（5）等价于range（0， 5）;
• stop: 计数到 stop 结束，但不包括 stop。例如：range（0， 5） 是[0, 1, 2, 3, 4]没有5
• step：步长，默认为1。例如：range（0， 5） 等价于 range(0, 5, 1)

2、 plt.bar()

bar()的基础参数如下：

• x：柱子在x轴上的坐标。浮点数或类数组结构。注意x可以为字符串数组！
• height：柱子的高度，即y轴上的坐标。浮点数或类数组结构。
• width：柱子的宽度。浮点数或类数组结构。默认值为0.8。
• bottom：柱子的基准高度。浮点数或类数组结构。默认值为0。
• align：柱子在x轴上的对齐方式。字符串，取值范围为{'center', 'edge'}，默认为'center'。
  • 'center'：x位于柱子的中心位置。
  • 'edge'：x位于柱子的左侧。如果想让x位于柱子右侧，需要同时设置负width 以及align='edge'。

 参考链接：Matplotlib Pyplot | 菜鸟教程 (runoob.com)

六、案例6

import matplotlib.pyplot as plt
import numpy as np
plt.figure()
data=np.array([[124,1,32],[150,222,100],[55,255,180]])#RGB颜色
plt.imshow(data)
plt.show()

运行结果

七、案例7

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-3,3,50)
y1=np.sin(x)
y2=np.tanh(x)
y3=2*x+2
y4=x**2
plt.figure("tutu",(15,14),300)

plt.rcParams.update({'font.size': 8})#修改全局字体大小

plt.subplot(2,3,4)#纵的分成2份，横的分成3份，第4个图像
plt.plot(x,y3)

plt.subplot(2,3,5)
plt.plot(x,y4)
#
plt.subplot(2,1,1)
plt.plot(x,y2)
#
plt.subplot(2,3,6)
plt.plot(x,y1)
plt.savefig(r"C:\Users\15535\Desktop\12.jpg")

plt.show()

运行结果

 八、案例8（线性回归）

import matplotlib.pyplot as plt
import numpy as np
# 通过rc参数修改字体为黑体，就可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 通过rc参数修改字符显示，就可以正常显示负号
plt.rcParams.update({'font.size': 15})#修改全局字体大小
plt.rcParams['axes.unicode_minus'] = False
from sklearn import datasets,linear_model
from sklearn.model_selection import train_test_split
##第一步 下载数据
datas,targets=datasets.make_regression(100,n_features=1,
                                       n_targets=1,
                                       noise=15,
                                       random_state=0)
print(len(datas))
#第二步 切割数据集
train_data,test_data,train_level,test_label=train_test_split(datas,targets,test_size=0.3,train_size=0.7)
print(len(train_data))
print(len(train_level))
print(len(test_data))
print(len(test_label))

#第三步 特征工程---（标准化，二值化，正则化）
#第四步 模型选择（自己定义一个模型）
model=linear_model.LinearRegression()
#第五步 训练
model.fit(train_data,train_level)
#设置一个点进行线性拟合
_x=np.array([-2.5,2.5])
_y=model.coef_ * _x+model.intercept_
print(_x)
print(_y)
plt.scatter(train_data,train_level)
plt.plot(_x,_y,linewidth=2,color='red')
plt.title("线性回归")
plt.show()

运行结果