python机器学习——Matplotlib

最新推荐文章于 2024-05-13 12:22:26 发布
最新推荐文章于 2024-05-13 12:22:26 发布
阅读量316 收藏 1
点赞数 1
分类专栏： Python 文章标签： matplotlib 图片绘制 图片处理
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/changqi008/article/details/89918615
版权
图片灰度处理
  • 下面代码导入的模块
    import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import matplotlib.pyplot as plt
import matplotlib as mpl
from mpl_toolkits.mplot3d.axes3d import  Axes3D
  • 图片灰度处理的三种方法
    # 图片灰度处理三种方法
im_data = plt.imread('fj.jpg')
print(im_data.shape)
plt.imshow(im_data)
plt.show()
# 方法一 使用最大值法
im_data_1 = im_data.max(axis=2)
print(im_data_1.shape)
plt.imshow(im_data_1)
plt.show()
# 方法二 求平均值
im_data_2 = im_data.mean(axis=-1)
print(im_data_2.shape)
plt.imshow(im_data_2)
plt.show()
# 方法三 加权平均法
# 红绿蓝权重
arr = np.array([0.299,0.587,0.114])
# 矩阵乘法
im_data_3 = np.dot(im_data,arr)
print(im_data_3.shape)
plt.imshow(im_data_3)
plt.show()
绘制图
  • 只含单一曲线图
    nd = np.linspace(0,10,10)
plt.plot(nd,nd**2)
plt.show()
  • 在一个图中绘制多条曲线
    nd = np.arange(0,10,1)
plt.plot(nd,nd*2)
plt.plot(nd,nd/2)
plt.plot(nd,nd**3)
# 也可以将多条曲线放到一个plot中
# plt.plot(nd,nd*2,nd,nd/2,nd,nd**3)
plt.show()
网格线
  • 绘制正弦余弦
    nd = np.arange(-np.pi,np.pi,0.05)
plt.plot(nd,np.sin(nd),nd,np.cos(nd))
# 为图添加网格线
plt.grid(True)
plt.show()
    设置grid参数(参数与plot函数相同),使用plt面向对象的方法,创建多个子图显示不同的网格

    lw代表linewidth,线的粗细
    alpha表示线的明暗程度
    color代表颜色

    #设置图片间隔大小
plt.figure(figsize=(12,9))
# 创建一行  有三列  第一个视图
nd = np.arange(-np.pi,np.pi,0.05)
axes = plt.subplot(1,3,1)
axes.grid(color='red',linestyle='--',linewidth=2)
axes.plot(nd,np.sin(nd))
# 创建一行  有三列  第二个视图
nd2 = np.arange(-20,20,0.05)
axes2 = plt.subplot(1,3,2)
axes2.grid(color='gray',linestyle='-.',linewidth=2)
axes2.plot(nd2,np.cos(nd2))
# 创建一行  有三列  第三个视图
nd3 = np.arange(-10,10,0.05)
axes3 = plt.subplot(1,3,3)
axes3.grid(color='blue',linestyle='--',linewidth=2)
axes3.plot(nd3,np.sin(nd3))
plt.show()
  • 坐标轴界限
    axis方法:如果axis方法没有任何参数,则返回当前坐标轴的上下限axis(xmin =,ymax =)
    nd = np.random.randn(10)
plt.plot(nd)
# 自定义设置xy轴的上下限
plt.axis([-5,15,-5,10])
plt.show()
    xlim方法和ylim方法
    除了plt.axis方法,还可以通过xlim,ylim方法设置坐标范围
    nd = np.arange(0,10,1)
plt.plot(nd)
plt.xlim(-2,12)
plt.ylim(2,10)
plt.show()
  • 坐标轴标签
    xlabel方法和ylabel方法
    nd = np.arange(0,10,1)
nd2 = nd**2+5
plt.plot(nd,nd2)
plt.xlabel("X",size=20)
plt.ylabel("f(x) = nd**2+5",rotation=45)
plt.show()
  • 标题
    title方法
    nd = np.linspace(-np.pi,np.pi,100)
plt.plot(nd,np.sin(nd))
plt.title("f(x) = sin(x)")
plt.show()
图例

  • legend方法
    两种传参方法:

    • 在plot函数中增加label参数
    • 在legend方法中传入字符串列表
    nd = np.arange(0,10,1)
plt.plot(nd,nd,nd,nd*2,nd,nd/2)
# 参数传递需要加中括号
# loc = (0.5,1) 相对值,相对图片的宽高,一个图片的宽度单位
plt.legend(['normal','fast','slow'],loc=0)
plt.show()

    nd = np.arange(0,10,1)
plt.plot(nd,nd,label='normal')
# 如果不想label参数再图例中进行显示,则将参数设为'_xxx'
plt.plot(nd,nd*2,label='_fast')
plt.plot(nd,nd/2,label='slow')
plt.legend()
plt.show()

  • loc参数

    字符串数值字符串数值
    best0center left6
    upper right1center right7
    upper left2lower center8
    lower left3upper center9
    lower right4center10
    right5

  • ncol参数
    ncol控制图例中有几列

    nd = np.arange(0,10,1)
plt.plot(nd,nd,nd,nd*2,nd,nd/2)
# loc = (0.5,1) 相对值,相对图片的宽高,一个图片的宽度单位
plt.legend(['normal','fast','slow'],loc=(0.5,1),ncol=2)
plt.show()

  • linestyle,color,marker 修改线条样式

    nd = np.random.randn(100)
nd2 = np.random.randn(100)
nd3 = np.random.randn(100)
plt.plot(nd.cumsum(),color='red',linestyle='--',marker='o')
plt.plot(nd2.cumsum(),color='yellow',linestyle='-.',marker='>')
plt.plot(nd3.cumsum(),color='blue',linestyle=':',marker='*')
plt.legend(['X','Y','Z'])
plt.show()
保存图片

figure.savefig的选项

  • filename:含有文件路径的字符串或者python的文件型对象,图像格式由文件扩展名推断得出,例如,pdf推断出PDF,png推断出PNG(“png”,“pdf”,“svg”,…)
  • dpi:图像分辨率(每英寸点数),默认为100
  • facecolor:图像的背景色,默认为"w"(白色)
    nd = np.random.randn(100)
nd2 = np.random.randn(100)
nd3 = np.random.randn(100)
plt.plot(nd.cumsum(),color='red',linestyle='--',marker='o')
plt.plot(nd2.cumsum(),color='yellow',linestyle='-.',marker='>')
plt.plot(nd3.cumsum(),color='blue',linestyle=':',marker='*')
plt.legend(['X','Y','Z'])
plt.savefig(fname='pic.jpg',dpi=500,facecolor='w')
plt.show()
设置plot的风格和样式(三种设置方式)
  • 方式一:向方法中传入关键字参数

plot语句中支持除X,Y以外的参数,以字符串形式存在,来控制颜色,线型,点型等要素,语法形式为:plt.plot(X,Y,‘format’,…)

  • 点和线的样式
    颜色:参数color或者c

  • 颜色值的方式
    别名:color = ‘r’
    合法的HTML颜色名:color=‘red’

    颜色别名HTML颜色名颜色别名HTML颜色名
    蓝色bblue绿色ggreen
    红色rred黄色yyellow
    青色ccyan黑色bblack
    洋红色mmagenta白色wwrite

  • jpg,png的区别
    格式不同,导致存储数据的时候
    png:归一化的红绿蓝数据
    jpg:0-255

  • HTML 十六进制字符串
    color=“ffffff”

  • 归一化到(0,1]的RGB元组
    color = (0.3,0.4,0.5)

  • 透明度
    alpha参数

    nd = np.arange(0,10,0.1)
plt.plot(nd,np.sin(nd),'r',alpha=0.5)
plt.show()

  • 背景色
    设置背景色,通过plt.subplot()方法传入facecolor参数,来设置坐标轴的背景色

    nd = np.arange(0,10,0.1)
axes = plt.subplot(facecolor='green')
axes.plot(nd,np.sin(nd),'r')
plt.show()

  • 线型
    参数linestyle或者ls

    线条风格描述线条风格描述
    ‘-’实线‘.’虚线
    ‘–’破折线‘steps’阶梯线
    ‘-.’点划线‘None’/’,’什么都不画

  • 线宽
    linewidth或者lw参数

    nd = np.arange(0,10,0.1)
plt.plot(nd,np.sin(nd),ls='steps',lw=2)
plt.show()

  • 不同宽度的破折线
    dashes参数:设置破折号序列各段的宽度

    nd = np.arange(0,10,0.1)
# dashes = [] 参数线段长度,间隔,线段的长度
plt.plot(nd,np.sin(nd),ls='-.',dashes=[2,5,5,2,15,6])
plt.show()

  • 点型
    marker参数

    标记描述标记描述
    ‘1’一脚朝下的三脚架‘3’一脚朝左的三脚架
    ‘2’一脚朝上的三脚架‘4’一脚朝右的三脚架
    ‘s’正方形‘p’五边形
    ‘h’六边形1‘H’六边形2
    ‘8’八边形‘.’点
    ‘x’X‘*’星号
    ‘+’加号‘,’像素
    ‘o’圈圈‘D’菱形
    ‘d’小菱形‘None’什么都没有
    ‘_’水平线“/”水平线
    ‘v’一脚朝下的三角形‘<’一脚朝左的三角形
    ‘^’一脚朝上的三角形‘>’一脚朝右的三角形
    nd = np.arange(0,10,0.1)
plt.plot(nd,np.sin(nd),'r',ls='--',marker='3',markersize=10)
plt.show()

  • 多参数连用
    颜色,点型,线型

    nd = np.arange(0,10,0.1)
plt.plot(nd,np.sin(nd),'r--o')
plt.show()

  • 更多点和线的设置

    参数描述参数描述
    color或者c线的颜色linestyle或者ls线型
    linewidth或者lw线宽marker点型
    markeredgecolor点边沿的颜色markeredgewidth点边缘的宽度
    markerfacecolor点内部的颜色markersize点的大小
    nd = np.arange(0,10,1)
plt.plot(nd,'r--',marker='o',markersize=10,markeredgecolor='green',markeredgewidth=5,markerfacecolor='purple')
plt.show()

  • 多个曲线同一设置
    属性名声明
    plt.plot(x1,y1,x2,y2,fmt,…)

    nd = np.arange(0,10,1)
# 如果设置属性的时候,不声明属性名称,那么这个属性就会给距离最近的曲线设置属性
plt.plot(nd,nd*2,nd,np.sin(nd)*5,ls ='--',lw=3,c='r')
plt.show()

  • 多个曲线不同设置
    多个都进行设置时,无需声明属性 plt.plot(x1,y1,fmt1,x2,y2,fmt2,…)

    nd = np.arange(0,10,1)
plt.plot(nd,nd*2,'r--<',nd,np.sin(nd)*5,'g-.>')
plt.show()

  • 方式二 :对实例使用一序列的set方法

    nd = np.arange(0,10,0.1)
line, = plt.plot(nd,np.sin(nd))
line2, = plt.plot(nd,np.cos(nd))
line3, = plt.plot(nd,nd*2)
line.set_color('r')
line2.set_color('y')
line3.set_color('g')
line.set_linestyle('--')
line2.set_linestyle('-.')
line3.set_linestyle('steps')
plt.show()

  • 方式三:使用setp()方法

    nd = np.arange(0,10,0.1)
line, = plt.plot(nd,np.sin(nd))
plt.setp(line,linestyle='--')
plt.show()

  • X,Y轴坐标刻度

    nd = np.random.randn(100)
plt.plot(nd.cumsum())
plt.xticks(np.linspace(0,100,5),list('ABCDE'),rotation=60)
plt.yticks(np.linspace(-10,20,3),['min',0,'max'],fontsize=20)
plt.show()
2D图形绘制

  • 直方图

    nd = np.random.randint(0,10,10)
plt.hist(nd)
plt.show()

  • 条形图

    ndx = np.linspace(0,5,5)
ndy = np.random.randint(0,20,size=5)
plt.bar(ndx,ndy)
# plt.barh(ndx,ndy)
plt.show()

  • 饼图
    pie()饼图适合展示各部分占总体的比例,条形图适合比较各部分的大小

    参数说明参数说明
    labels设置每一块的标签labeldistance设置标签距离圆心的距离
    autopct设置比例值的显示格式(%1.1f%%)pctdistance设置比例值文字距离圆心的距离
    explode设置每一块顶点距圆形的长度colors设置每一块的颜色
    shadow为布尔值startangle旋转角度

    普通占满饼图

    nd = np.array([0.7,0.1,0.2])
# plt.figure(figsize=(4,4))
plt.pie(nd,labels=['dog','cat','dark'],autopct='%1.2f%%',labeldistance=0.8,pctdistance=0.5,explode=(0,0.2,0),colors=('purple','green','blue'),shadow=True,startangle=60)
plt.axis("equal")
plt.show()

  • 散点图
    散点图需要两个参数x,y,但此时x不是表示x轴的刻度,而是每个点的横坐标

    x = np.random.randn(1000)
y = np.random.randn(1000)
r_color = np.random.random(3000).reshape(1000,3)
r_size = np.random.randint(0,20,1000)
plt.scatter(x,y,color=r_color,s = r_size,marker='d')
plt.show()

  • 图形内的文字,注释,箭头
    控制文字属性的方法

    python函数API方法描述
    text()mpl.axes.Axes.text()在axes对象的任意位置添加文字
    xlabel()mpl.axes.Axes.set_xlabel()为x轴添加标签
    ylabel()mpl.axes.Axes.set_ylabel()为y轴添加标签
    title()mpl.axes.Axes.set_title()为axes对象添加标题
    legend()mpl.axes.Axes.legend()为axes对象添加图例
    figtext()mpl.figure.Figure.figtext()在figure对象的任意位置添加文字
    suptitle()mpl.figure.Figure.suptitle()在figure对象的任意位置添加标题
    annotate()mpl.axes.Axes.annotate()为axes对象添加注释(箭头可选)

    所有的方法会返回一个matplotlib.text.Text对象

  • 图形内的文字

    x = np.arange(0,2*np.pi,0.01)
plt.plot(np.sin(x))
# x轴坐标,y轴坐标,文字
plt.text(0,0,'sin(0) = 0')
# 使用figtext的时候,x,y代表相对值,图片的宽高
# plt.figtext(1,200,'sin(0) = 0')
plt.show()

  • 注释

    参数说明
    annotate()xy参数设置箭头指示的位置,xytext参数设置注释文字的位置
    arrowprops参数以字典的形式设置箭头的样式
    width参数设置箭头长方形部分的宽度,headlength擦书设置箭头端的长度
    headwidth参数设置箭头尖端底部的宽度,shrink参数设置箭头顶点,尾部与指示点,注释文字的距离
    x = np.random.randint(0,10,size=10)
x[5] = 30
plt.plot(x)
plt.ylim([-2,35])
plt.annotate('the text of zhe annotation',xy=(5,30),xytext=(7,31),arrowprops={'width':10,'headwidth':20,'headlength':10,'shrink':0.1})
#plt.annotate('the text of zhe annotation',xy=(5,30),xytext=(7,31),arrowprops={'arrowstyle':'->'})
plt.show()
3D图形绘制
  • 曲面图
    x = np.arange(0,8,0.1)
y = np.arange(0,8,0.1)
# 生成网格点
X,Y = np.meshgrid(x,y)
def mk_Z(X,Y):
    return 3+0.5*np.sin(X)*np.cos(Y)-np.cos(2-X)
Z = mk_Z(X,Y)
axes = plt.subplot(121,projection='3d')
axes.plot_surface(X,Y,Z,rstride=10,cstride=10)
axes2 = plt.subplot(122,projection='3d')
s_axes = axes2.plot_surface(X,Y,Z,rstride=10,cstride=10,cmap='rainbow')
plt.colorbar(s_axes,shrink=0.5)
axes2.set_xlabel('X')
axes2.set_ylabel('Y')
axes2.set_zlabel('Z')
plt.show()
  • 玫瑰图/极坐标图
    def show_rose(values,title):
    # 玫瑰图的花瓣个数8,45度
    n = 8
    angle = np.arange(0,np.pi*2,2*np.pi/n)
    # 绘制的数据values
    radius = np.array(values)
    # axis 轴(x,y)
    # axes 整个画面
    # polar 为true时为玫瑰图,为false时为条形图
    plt.axes([0,0,1,1],polar= True)
    color = np.random.random(size=24).reshape((8,3))
    plt.bar(values,radius,color=color)
    plt.title(title)
    plt.show()
v = [1,2,3,4,5,6,7,8]
show_rose(v,'test')
python学习笔记——matplotlib模块
supermeJAC的博客
05-23 613
matplotlib数据可视化 无论是大数据、还是小数据、也不管通过统计还是挖掘或机器学习，人们最终想看到的数据，越直观越好，所以这个就涉及到一个数据的可视化问题，而python或pandas的数据可视化功能很强大，可画的种类多，也非常便捷，这是一般数据库软件和开发工具目前所欠缺的。以下我们通过两个实例来说明利用python的matplotlib或pandas实现数据的可视化。 ...
Python机器学习——决策树
calisenanming的博客
10-18 1206
当样本不均衡是，通过字典模式传入真实的样本标签比例，如{‘标签值1：权重1’，‘标签值2：权重2’}，手动调整倾斜。基于特征空间划分的类的条件概率模型由很多，训练模型既要对训练数据由很好的拟合，也要对未知数据有很好的预测。属性是在模型训练之后能够调用查看的模型的各种性质，对决策树来书，最重要的是feature_importances_,能够查看各个特征对模型的重要性。feature_name = ['酒精','苹果酸','灰','灰的碱性','镁','总酚','类黄酮','非黄烷类分类','花青素',
numpy，matplotlib（请仔细看下描述）机器学习必备工具1
06-07
运行环境Windows下python3.3，这里边少一个scipy-0.15.1-win32-superpack-python3.3.exe因为放一块传不上来，因此放在机器学习必备工具2里
Python教程：进击机器学习（四）--Matplotlib
q583501947的博客
08-04 1766
介绍 pyplot 简单的绘图 其他绘图展示介绍Matplotlib是Python库中最经常用来绘制图的，它可以快速的可视化你的数据，并且导出不同的格式。用Matplotlib绘制的图可以达到出版书籍和论文的质量要求。我们开始探索在处理一些常见的数据时应用Matplotlib。pyplotMatplotlib绘制图主要要用到它的pyplot模块，pyplot的用法和参数都很像Matlab，所以用过M
机器学习：matplotlib包
乐观的摸摸头的博客
07-24 209
 1.  在python的matplotlib库中分别可用bar、barh、plot函数来构建它们，再使用xticks与yticks（设置坐标轴刻度）、xlabel与ylabel（设置坐标轴标签）、title（标题）、legend（图例）、xlim与ylim（设置坐标轴数据范围）、grid（设置网格线）等命令来装饰图形 作者：博观厚积 链接：https://www.jianshu.com/p/5a...
【机器学习】matplotlib入门
happy2403的博客
04-23 1786
Matplotlib是一个数据挖掘的辅助工具，可以实现数据可视化，但与大数据数据可视化有区别。（数据可视化的框架：echarts、superset和kibannan等等。）
机器学习基本库之Matplotlib
qq_60632452的博客
07-23 530
机器学习基本库之Matplotlib
Python机器学习——数据分析与评分卡建模 课件
07-01
Python机器学习领域中，数据分析与评分卡建模是至关重要的技术环节，它们在金融、风控、市场营销等多个行业中广泛应用。评分卡是一种将复杂模型结果转化为直观分数的工具，便于业务人员理解和应用。本课件旨在深入...
PYTHON机器学习——KNN（k近邻算法）
12-22
PYTHON机器学习——KNN（k近邻算法） 代码实现 首先，导入需要用到的包 import numpy as np import matplotlib.pyplot as plt 初始化模拟数据集和对应的分类 data_x=[[1.15,2.34], [1.55,2.47], [3.78,4.98], ...
python机器学习教程-从零开始掌握Python机器学习：十四步教程.pdf
06-12
【Python机器学习基础】 Python作为机器学习的首选语言，因其简洁的语法和强大的库支持而备受推崇。在开始机器学习之旅之前，首先需要掌握Python的基础编程技能。这包括理解变量、数据类型、控制结构（如if-else，...
MatplotLib
08-02
人工智能python工具包,提供数学计算和数据处理的工具。
机器学习[4]-Matplotlib的学习
arris1992的博客
02-29 185
Matplotlib是一个绘图工具库，具有不亚于Matlab的作图能力。 常用的有折线图、饼状图、散点图和柱状图，如下： # -*- coding: utf-8 -* import matplotlib.pyplot as plt import numpy as np # 折线图 def plot_test(): x = np.arange(-np.pi, np.pi, 0.1)...
Matplotlib基础操作（机器学习入门）
zjjaibc的博客
07-07 2806
Matplotlib基础操作（机器学习入门）
机器学习系列三：Matplotlib
qq_36086861的博客
01-01 450
  Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型地2D图表和一些基本的3D图表。因为在函数的设计上参考了MATLAB，所以叫做Matplotlib。  一.matplotlib API入门 matplotlib的通常引入约定：  import matplotlib.pyplot as plt 1.Figure matplotlib的图像都位于...
机器学习 -- matplotlib（一）matplotlib的介绍
Leo的博客
10-28 315
一. Matplotlib是python的绘图库 Matplotlib是目前使用最广泛的python 2D绘图库，它能让使用者很轻松地将数据图形化，可以生成多样化输出格式的高质量图形。 pyplot是一些命令行风格函数的集合，使matplotlib以类似于MATLAB的方式工作。 二. 参考地址 （1）官网：https://matplotlib.org ...
机器学习（matplotlib库）详解
weixin_41643663的博客
08-16 971
注：在jupyter中进行展示（每一段代码对应一个标签） import matplotlib.pyplot as plt import numpy as np %matplotlib inline#如果图形没有出现，加上这一行 x = np.linspace(-10,10)#通过在-10 - 10间随机的创建数据 x,x.shape (array([-10. , -9.5918...
利用matplotlib和KNeighborsClassifier进行机器学习和预测数据
最新发布
sankang2022的博客
05-13 261
【代码】利用matplotlib和KNeighborsClassifier进行机器学习和预测数据。
机器学习入门 03 —— Matplotlib使用(折线图、散点图、柱状图、直方图、饼图、堆叠柱状图等)
zcy的博客
07-27 3881
文章目录系列文章3.1 Matplotlib之Hello World1 Matplotlib介绍2 Matplotlib画图流程3.2 基础绘图功能（以折线图为例）1 坐标刻度、标签、网格、图像保存2 在一个坐标系里绘制多个图3 在一个图里绘制多个坐标系3.3 常见图形绘制1 折线图2 散点图3 柱状图4 直方图5 饼图6 特殊柱状图两条柱状图水平柱状图堆叠柱状图 系列文章 机器学习入门 01 —— 机器学习概述 机器学习入门 02 —— 环境搭建（Jupyter Notebook 及扩展库的安装与使用）
机器学习之数据可视化 Matplotlib基本用法
Skylar_tramp的博客
03-22 830
文章目录前言一、使用matplotlib.pyplot进行数据可视化的准备1.引入库2.数据准备二、关于matplotlib的所有操作1.最基本的绘图2.打印多个图像3.改变图像属性4.设置图像所属区间5.添加标题及图例6.散点图的绘制6.1通过scatter函数绘制散点图6.2散点图属性的设置总结 前言 机器学习中数据的可视化是我们必不可少的工具，今天我们来学习matplotlib的基本画图操作。 一、使用matplotlib.pyplot进行数据可视化的准备 1.引入库 matplotlib中我们只
Python机器学习-OpenCV窗口操作及功能简介
Python机器学习-原理算法及案例实战微课视频版课件第章Python常用机器学习库其他库.pptx介绍了Python机器学习中常用的库，其中包括OpenCV。OpenCV是一个用于解决计算机视觉问题的Python库，它支持多种与计算机视觉和...
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
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