Python–matplotlib.Pyplot note(仅供参考)
(一)
import matplotlib.pyplot as plt
import numpy as np
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'b*') #x的取值, y的取值, 左边点的颜色
plt.axis([0, 6, 0, 20]) #刻度轴的范围, x:0~6,y:0~20
plt.show()
(二)
import matplotlib.pyplot as plt
import numpy as np
t = np.arange(0., 5., 0.2) #以200毫秒的间隔均匀采样时间
plt.plot(t, t, 'r--', t, t ** 2, 'bs', t, t ** 3, 'g^') #'r--':红色破折号, 'bs':蓝色方形, 'g^':绿色三角
plt.show()
(三)
import matplotlib.pyplot as plt
import numpy as np
# 使用关键字字符串绘图(data 可指定依赖值为:numpy.recarray 或 pandas.DataFrame)
data = {'a': np.arange(50), # 1个参数,表示[0,1,2...,50]
'c': np.random.randint(0, 50, 50), # 表示产生50个随机数[0,50)
'd': np.random.randn(50)} # 返回呈标准正态分布的值(可能正,可能负)
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100
plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()
(四)
import matplotlib.pyplot as plt
import numpy as np
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100] #列表中的三个值
plt.figure(figsize=(9, 3)) #图片尺寸大小
plt.subplot(131) #表示将图形分割成 1 行 3 列的子图网格,并选择当前子图为这个网格中的第一个子图
plt.bar(names, values) #条形图
plt.subplot(132)
plt.scatter(names, values) #散点图
plt.subplot(133)
plt.plot(names, values) #折线图
plt.suptitle('Categorical Plotting') #用于设置图形的总标题,该标题位于所有子图的顶部
plt.show()
(五)
import matplotlib.pyplot as plt
import numpy as np
lines = plt.plot(10, 20, 30, 100) #控制线条属性:线条有许多可以设置的属性:线宽、虚线样式、抗锯齿等;
plt.setp(lines, color='r') #use keyword args
plt.setp(lines, 'color', 'r') # or MATLAB style string value pairs
line, = plt.plot(np.arange(50), np.arange(50) + 10, '-')
plt.show()
(六)
import matplotlib.pyplot as plt
import numpy as np
def f(t):
return np.exp(-t) * np.cos(2 * np.pi * t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.figure()
plt.subplot(211) # 2行1列共俩个子表,中间的2,1,1同211
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k') # 绘制蓝色圆圈(t1,f(t1)),然后用黑色线连接值
plt.subplot(212)
plt.plot(t2, np.cos(2 * np.pi * t2), 'r--')
plt.show()