Matplotlib学习笔记-----Python

最新推荐文章于 2021-09-30 13:09:43 发布
最新推荐文章于 2021-09-30 13:09:43 发布
阅读量239 收藏 1
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/USTCsunyue/article/details/104297246
版权 
# pylab 是 matplotlib 面向对象绘图库的一个接口。它的语法和 Matlab 十分相近。也就是说，它主要的绘图
# 命令和 Matlab 对应的命令有相似的参数。
import numpy as np
from matplotlib import *
from matplotlib.pylab import *
X = np.linspace(-np.pi,np.pi,256,endpoint=True)
C ,S = np.cos(X), np.sin(X)
plot(X,C)
plot(X,S)
show()
# X 是一个 numpy 数组，包含了从到等间隔的256个值。 C 和 S 则分别是这 256 个值对应的余
# 弦和正弦函数值组成的 numpy 数组

在这里插入图片描述

import numpy as np
from matplotlib import *
from matplotlib.pylab import *
figure(figsize=(8,6),dpi=80)
subplot(1,1,1)
# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

plot(X,C,color='blue',linewidth=1.0,linestyle="-")
plot(X,S,color='red',linewidth=1.0,linestyle='-')
# 分别以红色和蓝色绘制正弦和余弦曲线

xlim(-4.0, 4.0)
ylim(-1.0,1.0)
# 设置横轴和纵轴的上下限

xticks(np.linspace(-4,4,9,endpoint=True))
yticks(np.linspace(-1,1,5,endpoint=True))
# 设置横轴和纵轴的记号

savefig("sin&&cos\\exercice_2.png",dpi=72)
# 以分辨率72保存图片

show()
# 在屏幕显示

在这里插入图片描述

# 设置图片边界&&线条加粗&&拉伸图像
import numpy as np
from matplotlib import *
from matplotlib.pylab import *
figure(figsize=(10,6),dpi=80)

subplot(1,1,1)
# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

plot(X,C,color='blue',linewidth=2.5,linestyle="-")
plot(X,S,color='red',linewidth=2.5,linestyle='-')
# 分别以红色和蓝色绘制正弦和余弦曲线

# xlim(-4.0, 4.0)
# ylim(-1.0,1.0)
# 设置横轴和纵轴的上下限
xlim(X.min()*1.1,X.max()*1.1)
ylim(C.min()*1.1,C.max()*1.1)

xticks(np.linspace(-4,4,9,endpoint=True))
yticks(np.linspace(-1,1,5,endpoint=True))
# 设置横轴和纵轴的记号

savefig("sin&&cos\\exercice_3.png",dpi=72)
# 以分辨率72保存图片

show()
# 在屏幕显示

在这里插入图片描述

# 设置记号，函数在±Π和±Π/2处的值有意义
import numpy as np
from matplotlib import *
from matplotlib.pylab import *
figure(figsize=(10,6),dpi=80)

subplot(1,1,1)
# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

plot(X,C,color='blue',linewidth=2.5,linestyle="-")
plot(X,S,color='red',linewidth=2.5,linestyle='-')
# 分别以红色和蓝色绘制正弦和余弦曲线

# xlim(-4.0, 4.0)
# ylim(-1.0,1.0)
# 设置横轴和纵轴的上下限
xlim(X.min()*1.1,X.max()*1.1)
ylim(C.min()*1.1,C.max()*1.1)

# xticks(np.linspace(-4,4,9,endpoint=True))
# yticks(np.linspace(-1,1,5,endpoint=True))
xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$+\pi/2$',r'$+\pi$'])
yticks([-1,0,1],[r'$-1$',r'$0$',r'$1$'])
# 设置横轴和纵轴的记号

savefig("sin&&cos\\exercice_4.png",dpi=72)
# 以分辨率72保存图片

show()
# 在屏幕显示

在这里插入图片描述

# 移动脊柱
import numpy as np
from matplotlib import *
from matplotlib.pylab import *
figure(figsize=(10,6),dpi=80)

subplot(1,1,1)
# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

plot(X,C,color='blue',linewidth=2.5,linestyle="-")
plot(X,S,color='red',linewidth=2.5,linestyle='-')
# 分别以红色和蓝色绘制正弦和余弦曲线

# xlim(-4.0, 4.0)
# ylim(-1.0,1.0)
# 设置横轴和纵轴的上下限
xlim(X.min()*1.1,X.max()*1.1)
ylim(C.min()*1.1,C.max()*1.1)

# xticks(np.linspace(-4,4,9,endpoint=True))
# yticks(np.linspace(-1,1,5,endpoint=True))
xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$+\pi/2$',r'$+\pi$'])
yticks([-1,1],[r'$-1$',r'$1$'])
# 设置横轴和纵轴的记号

ax = 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))
# 移动脊柱

savefig("sin&&cos\\exercice_5.png",dpi=72)
# 以分辨率72保存图片

show()
# 在屏幕显示

在这里插入图片描述

# 添加图例
import numpy as np
from matplotlib import *
from matplotlib.pylab import *
figure(figsize=(10,6),dpi=80)

subplot(1,1,1)
# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

# 添加图例
plot(X,C,color='blue',linewidth=2.5,linestyle='-',label="consine")
plot(X,S,color='red',linewidth=2.5,linestyle='-',label="sine")
legend(loc='upper left')

plot(X,C,color='blue',linewidth=2.5,linestyle="-")
plot(X,S,color='red',linewidth=2.5,linestyle='-')
# 分别以红色和蓝色绘制正弦和余弦曲线

# xlim(-4.0, 4.0)
# ylim(-1.0,1.0)
# 设置横轴和纵轴的上下限
xlim(X.min()*1.1,X.max()*1.1)
ylim(C.min()*1.1,C.max()*1.1)

# xticks(np.linspace(-4,4,9,endpoint=True))
# yticks(np.linspace(-1,1,5,endpoint=True))
xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
yticks([-1,1],[r'$-1$',r'$1$'])
# 设置横轴和纵轴的记号

ax = 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))
# 移动脊柱

savefig("sin&&cos\\exercice_6.png",dpi=72)
# 以分辨率72保存图片

show()
# 在屏幕显示

在这里插入图片描述

# 添加一些特殊点做注释
import numpy as np
from matplotlib import *
from matplotlib.pylab import *
figure(figsize=(10,6),dpi=80)

subplot(1,1,1)
# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

# 添加图例
plot(X,C,color='blue',linewidth=2.5,linestyle='-',label="consine")
plot(X,S,color='red',linewidth=2.5,linestyle='-',label="sine")
legend(loc='upper left')

# 添加特殊点
t = 2*np.pi/3
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')
annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',xy=(t, np.sin(t)), xycoords='data',xytext=(+10, +30), textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')
annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',xy=(t, np.cos(t)), xycoords='data',xytext=(-90, -50), textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))


plot(X,C,color='blue',linewidth=2.5,linestyle="-")
plot(X,S,color='red',linewidth=2.5,linestyle='-')
# 分别以红色和蓝色绘制正弦和余弦曲线

# xlim(-4.0, 4.0)
# ylim(-1.0,1.0)
# 设置横轴和纵轴的上下限
xlim(X.min()*1.1,X.max()*1.1)
ylim(C.min()*1.1,C.max()*1.1)

# xticks(np.linspace(-4,4,9,endpoint=True))
# yticks(np.linspace(-1,1,5,endpoint=True))
xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
yticks([-1,1],[r'$-1$',r'$1$'])
# 设置横轴和纵轴的记号

ax = 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))
# 移动脊柱

savefig("sin&&cos\\exercice_7.png",dpi=72)
# 以分辨率72保存图片

show()
# 在屏幕显示

在这里插入图片描述

# 精益求精
import numpy as np
from matplotlib import *
from matplotlib.pylab import *
figure(figsize=(10,6),dpi=80)

subplot(1,1,1)
# 创建一个新的1*1的子图，接下来的图样绘制在其中的第一块
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)


# 添加图例
plot(X,C,color='blue',linewidth=2.5,linestyle='-',label="consine")
plot(X,S,color='red',linewidth=2.5,linestyle='-',label="sine")
legend(loc='upper left')

# 添加特殊点
t = 2*np.pi/3
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')
annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',xy=(t, np.sin(t)), xycoords='data',xytext=(+10, +30), textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')
annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',xy=(t, np.cos(t)), xycoords='data',xytext=(-90, -50), textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))


plot(X,C,color='blue',linewidth=2.5,linestyle="-")
plot(X,S,color='red',linewidth=2.5,linestyle='-')
# 分别以红色和蓝色绘制正弦和余弦曲线

# xlim(-4.0, 4.0)
# ylim(-1.0,1.0)
# 设置横轴和纵轴的上下限
xlim(X.min()*1.1,X.max()*1.1)
ylim(C.min()*1.1,C.max()*1.1)

# xticks(np.linspace(-4,4,9,endpoint=True))
# yticks(np.linspace(-1,1,5,endpoint=True))
xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
yticks([-1,1],[r'$-1$',r'$1$'])
# 设置横轴和纵轴的记号

ax = 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))
# 移动脊柱

# 记号标记不被曲线挡住
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(16)
    label.set_bbox(dict(facecolor='white', edgecolor='black', alpha=0.65 ))

savefig("sin&&cos\\exercice_8.png",dpi=72)
# 以分辨率72保存图片

show()
# 在屏幕显示

在这里插入图片描述
学习的原文章见此链接

USTC暖暖
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
numpy.linspace使用详解
You_are_my_dream的博客
12-06 23万+
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 在指定的间隔内返回均匀间隔的数字。 返回num均匀分布的样本，在[start, stop]。 这个区间的端点可以任意的被排除在外。 Parameters(参数): start : scalar(标量)
Matplotlib学习笔记（一）
quency的博客
07-16 316
这里写目录标题导入matplotlib库figure（图像）图像构成生成窗口代码相关设置axis坐标轴子图axes、axis（轴）两种绘图风格面向对象风格pyplot风格绘制常见图形普通画图plot散点图scatter直方图bar形状常见线属性设置线属性的方法点类型 导入matplotlib库 import matplotlib.pyplot as plt import numpy as np #一般与numpy库配合使用 figure（图像） 图像构成 生成窗口代码 fig = plt.figure(
莫烦-matplotlib学习笔记（四）
11-19 727
参考莫烦教学视频https://morvanzhou.github.io/tutorials/data-manipulation/plt/2-5-lagend/import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y1 = 2*x + 1 y2 = x**2 plt.figure() # se
matplotlib绘图实例：pyplot、pylab模块及作图参数
皮皮blog
10-12 10万+
http://blog.csdn.net/pipisorry/article/details/40005163 Matplotlib.pyplot绘图实例 {使用pyplot模块} matplotlib绘制直线、条形/矩形区域 import numpy as np import matplotlib.pyplot as plt t = np.arange(-1, 2, .01) s = ...
Matlab中linspace函数用法
jk_101的博客
09-30 10万+
linspace函数的作用是生成线性间距向量。
Python-个人的Python学习笔记
08-10
首先，从标题“Python-个人的Python学习笔记”我们可以推断，这是一份个人在学习Python过程中的记录，可能包括了学习心得、代码示例、项目实践等内容。这样的笔记往往更加注重实践和理解，而不是理论的枯燥讲解，...
Python-百日机器学习编程计划
08-11
"Python-百日机器学习编程计划"是一个针对初学者到进阶者的系统性学习路径，旨在通过100天的持续实践，帮助学习者掌握Python编程基础以及机器学习的核心概念和算法。在这个计划中，你将逐步深入到数据预处理、模型...
Python-深度学习教程的笔记和代码
08-11
在本资源"Python-深度学习教程的笔记和代码"中，你将找到一系列关于Python深度学习的实践指导和源码。深度学习是机器学习的一个分支，它模仿人脑的工作原理来构建模型，处理复杂的模式识别任务，如图像分类、语音...
Python-PracticalAI实际编码掌握机器学习PyTorchColabOOML
08-11
在本资源"Python-PracticalAI实际编码掌握机器学习PyTorchColabOOML"中，我们主要关注的是使用Python编程语言以及相关的工具和库来实操机器学习项目。PyTorch是一个流行的深度学习框架，它提供了强大的灵活性和速度...
Python-为深度学习Python一书的Jupyter笔记本代码示例
08-11
标题中的"Python-为深度学习Python一书的Jupyter笔记本代码示例"表明这是一个与Python编程语言相关的资源，特别是用于深度学习的。Jupyter笔记本是数据科学家和机器学习工程师常用的工具，它允许用户在一个交互式的...
python中arange()和linspace()区别
suibianshen2012的专栏
11-30 5万+
arange()类似于内置函数range()，通过指定开始值、终值和步长创建表示等差数列的一维数组，注意得到的结果数组不包含终值。 linspace()通过指定开始值、终值和元素个数创建表示等差数列的一维数组，可以通过endpoint参数指定是否包含终值，默认值为True，即包含终值。
python数据分析之（7）简单绘图pylab
满城风絮
01-20 6956
之前学习了matplotlib.pyplot函数的使用方法，今天研究一下新工具pylab： pylab 是 matplotlib 面向对象绘图库的一个接口，它的语法和 Matlab 十分相近，主要的绘图命令和 Matlab 对应的命令有相似的参数。简单的实例： from pylab import * X = np.linspace(-np.pi, np.pi, 256,endpoint=Tru
【Python】np.linspace用法介绍
热门推荐
Asher117的博客
02-21 20万+
np.linspace参数： numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0) Return evenly spaced numbers over a specified interval. (在start和stop之间返回均匀间隔的数据) Returns num evenly...
python中linspace的用法_linspace的用法
weixin_42367221的博客
12-24 1514
《MATLAB神经网络超级学习手册》——2.4 M文件本节书摘来自异步社区《MATLAB神经网络超级学习手册》一书中的第2章，第2.4节，作者：MATLAB技术联盟 , 刘冰 , 郭海霞著，更多章节内容可以访问云栖社区“异步社区”公众号查看2.4 M文件MATLAB神经网络超级学习手册M文件有两种形式：脚本文件(Script File)和函数文件...文章异步社区2017-05-022948浏览量...
Numpy matplotlib
九久的博客
05-28 413
文章目录NumPy Matplotlib图形中文显示绘制正弦波subplot()bar()numpy.histogram()plt() NumPy Matplotlib Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。 1、Windows 系统安装 Matplotlib 进入到 cmd 窗口下，执行以下命令： python -m pip install -U p
python数据分析之Mathplotlib
weixin_51194902的博客
03-02 1473
什么是Matplotlib？ Matplotlib 是一个 Python 的 2D绘图库，通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。 接下来，给几个绘图很常用很重要的函数，接着我们再来做实例 1. 绘制线形图 1.1.简单的线形图 import numpy as np from matplotlib import pyplot as plt # 生成[0, 2π]之间的等间距的100个点 x = np.linspace(0,2 *
Python之Pandas库常用函数大全（含注释）
weixin_33950035的博客
05-21 7592
前言：本博文摘抄自中国慕课大学上的课程《Python数据分析与展示》，推荐刚入门的同学去学习，这是非常好的入门视频。 继续一个新的库，Pandas库。Pandas库围绕Series类型和DataFrame类型这两种数据结构，提供了一种高效便捷的数据处理方式。 - Series 类型创建 Series类型是一组数据及与之相关的数据索引组成 自动索引： a = pd.Ser...
import numpy as np 的基本用法
麦地与诗人
07-05 12万+
Numpy提供了两种基本的对象： ndarray(N-dimensional array object)，存储单一数据类型的多维数组； ufunc(universal function object)，能够对数组进行处理的函数； 数组： 数组是一组相同类型变量的集合。在内存中存放在地址连续的存储单元中。 数组中的每一个成员称为“数组元素”。每一个数组元素都有相同的名称，但用不同的下表来区分...
Matplotlib学习笔记
欢迎来到小丁的技术空间
06-12 708
文章目录1、引入包2、基本用法3、Figure4、修改图片的横纵坐标值5、修改坐标轴的位置6、显示图例7、添加注解8、调整刻度背景9、画散点图10、画柱状图11、绘制等高线12、打印图像13、3D数据图14、多个图15、图中图16、参考链接 1、引入包 import numpy as np import matplotlib.pyplot as plt import matplotlib.gridspec as gridspec 2、基本用法 def show1(): """ 基本用法
python学习笔记--皮大庆
最新发布
08-14
《Python学习笔记》是由皮大庆编写的一本关于Python语言学习的教材。在这本书中，作者详细介绍了Python语言的基础知识、语法规则以及常用的编程技巧。 首先，作者简要介绍了Python语言的特点和优势。他提到，Python是一种易于学习和使用的编程语言，受到了广大程序员的喜爱。Python具有简洁、清晰的语法结构，使得代码可读性极高，同时也提供了丰富的库和模块，能够快速实现各种功能。 接着，作者详细讲解了Python的基本语法。他从变量、数据类型、运算符等基础知识开始，逐步介绍了条件语句、循环控制、函数、模块等高级概念。同时，作者通过大量的示例代码和实践案例，帮助读者加深对Python编程的理解和应用。 在书中，作者还特别强调了编写规范和良好的编程习惯。他从命名规范、注释风格、代码缩进等方面指导读者如何写出清晰、可读性强的Python代码。作者认为，良好的编程习惯对于提高代码质量和提高工作效率非常重要。 此外，作者还介绍了Python的常用库和模块。他提到了一些常用的库，如Numpy、Pandas、Matplotlib等。这些库在数据处理、科学计算、可视化等领域有广泛的应用，帮助读者更好地解决实际问题。 总的来说，《Python学习笔记》是一本非常实用和全面的Python学习教材。通过学习这本书，读者可以系统地学习和掌握Python编程的基础知识和高级应用技巧，为以后的编程学习和工作打下坚实的基础。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

USTC暖暖

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值