5-matplotlib画图

最新推荐文章于 2023-07-28 09:47:38 发布

g11023225

最新推荐文章于 2023-07-28 09:47:38 发布

阅读量424

点赞数

分类专栏： python 文章标签： python plt 数据可视化可视化

本文链接：https://blog.csdn.net/g11023225/article/details/105845796

版权

python 专栏收录该内容

24 篇文章 0 订阅

订阅专栏

tags: python,数据分析,matplotlib,pyplot,pandas,numpy,Series,DataFrame

文章目录

一、`Matplotlib`基础知识
二、设置`plot`图片的风格和样式
三、2D图形
四、图形内的文字、注释、箭头
- 4.1. 文字
- 4.2. 注释和设置其中的箭头
五、3D曲面图

一、`Matplotlib`基础知识

1.1. `Matplotlib`基本图表包括的元素

x轴和y轴：水平和垂直的轴线
两轴刻度：刻度标示坐标轴的分隔，包括最小刻度和最大刻度
两轴刻度标签：表示特定坐标轴的值
绘图区域：实际绘图的区域

pandas 绘图，使用方便；matplotlib专门绘图工具，样式更加丰富。

1.2. 只含单一曲线的图

n = np.array(np.random.randint(0,10, size=10))
plt.plot(np.arange(10), n)

plt.plot中，x轴的数据不是必须的，不传x轴数据，会自动使用y轴数据的索引作为x轴数据。
plt.plot只能画线型图，它没有类似pandas中直接传入参数kind值为bar, hist, scatter等以改变图像类型的方法。

1.3. 包含多个曲线的图

1.3.1. 使用多个`plot`函数

n = np.array(np.random.randint(0,10, size=10))
plt.plot(np.arange(10), n)
plt.plot(n,n)

上面的代码中调用了两次plot函数，此时会在一个图中显示两条曲线。

如果在代码中使用了plt.show()函数，则其会使得该代码前面的图像先显示出来，如果后面还有代码要显示图像，则会在另一张图像中显示。

1.3.2. 在一个`plot`函数中传入多对X,Y值

n = np.array(np.random.randint(0,10, size=10))
plt.plot(np.arange(10), n, n, n)

使用这种方法，plot函数中的x和y不能省略，必须成对出现。使用上面的代码，能达到和1.3.1中同样的效果。

1.4. 网格线

在绘制图像的代码plot函数前后，加上代码plt.grid()，则会在所画的图像中显示网格线。
在网格函数中还可以传如以下参数：

lw
ls
alpha
color
axis

1.4.1. `lw`

代表linewidth，即线的粗细，例如lw=3代表线宽为3

1.4.2. `ls`

代表linestyle，即网格线的类型。
可以选择的参数有：'-', '--', '-.', ':'，分别对应的类型为：实线，虚线，点划线，点虚线。

1.4.3. `alpha`

表示线的明暗程度，取值范围0~1。

1.4.4. `color`

代表线颜色，可以使用以下参数

Html十六进制字符串，如color = '#eeefff'
归一化到[0, 1]的RGB元组，如color = (0.3, 0.3, 0.4)
合法的HTML颜色名，如color = 'red'，或者选取下面列表中的数据：

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

1.4.5. `axis`

代表需要显示哪个轴方向的线，可以为：'x'、'y'，如果不写默认为都有。

1.4.6. 代码效果

x = np.linspace(0,2*np.pi,1000)
y = np.sin(x)
plt.plot(x,y)
plt.grid(color = '#0000ff',lw=3,alpha=1,ls=':', axis='x')

在这里插入图片描述

1.5. 创建子图

使用axes = plt.subplot(n1, n2, n3)的方式创建子图，参数n1, n2, n3表示，子图有n1行，n2列，当前操作的是第n3个图（索引值，左上角为1，逐渐增加，一直到右下角）。需要注意的是所有的数字不能超过10 #E91E63。
该函数方法返回值为matplotlib.axes类型，需要画子图时，先获取该返回值，然后对该值使用如之前介绍的plot方法进行画图。

在子图创建代码plt.subplot()中传入title参数时，可以设置各个子图的标题，也可是使用axes的对象方法，如set_title()。

示例代码：

# 注意图片大小是英寸
x = np.linspace(-20,20,1000)
plt.figure(figsize=(3*5,5))
axes1 = plt.subplot(1,3,1)
axes1.plot(x,np.sin(x))
axes1.grid(lw=2)

axes2 = plt.subplot(1,3,2)
axes2.plot(x,np.cos(x))
axes2.grid(c='r',alpha=0.6)

axes3 = plt.subplot(1,3,3)
axes3.plot(x,np.power(x,2))
axes3.grid(ls='--',c='g')

在这里插入图片描述

1.6. 坐标轴界限

1.6.1. `plt.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 = )。
可以使用plt.axis([-1,1, -1,1])的方式进行设置两个轴的上下限，
也可以使用plt.axis(xmin=-1, xmax=3)单独设置某个轴的上下限。

x = np.linspace(-1,1, 100)
y = (1 - x**2) ** 0.5
plt.plot(x, y, x, -y)
# 设置坐标轴界限
plt.axis([-2,1, -1,1])
# 显示当前坐标轴的界限
plt.axis()

在这里插入图片描述

1.6.2. `plt.axis('xxx')`方法

直接指定图像的显示风格，上面的'xxx'可以为：'tight'、'off'、'equal'、'scaled'
具体显示效果见下：

plt.figure(figsize=(3*6,2*5))
x = np.linspace(-1,1, 100)
y = (1 - x**2) ** 0.5
# 默认是tight, 紧凑的分割
axes1 = plt.subplot(2,3,1)
axes1.plot(x, y, x, -y)

axes2 = plt.subplot(2,3,2)
axes2.plot(x, y, x, -y)
# 取消坐标轴
axes2.axis('off')

axes3 = plt.subplot(2,3,3)
axes3.plot(x, y, x, -y)
axes3.axis('equal')

axes4 = plt.subplot(2,3,4)
axes4.plot(x, y, x, -y)
axes4.axis('scaled')

axes5 = plt.subplot(2,3,5)
axes5.plot(x, y, x, -y)
axes5.axis('scaled')
axes5.axis('off')

在这里插入图片描述

1.6.3. `.xlim()`方法和`.ylim()`方法

x = np.linspace(-1,1, 100)
y = (1 - x**2) ** 0.5
plt.plot(x, y, x, -y)
plt.xlim(xmin=-2, xmax=2)
plt.ylim(-2,2)

在这里插入图片描述

1.7. 坐标轴标签

.xlabel()方法和.ylabel()方法

x = np.linspace(-1,1, 100)
y = (1 - x**2) ** 0.5
plt.plot(x, y, x, -y)
plt.axis('equal')
# 设置x轴、y轴的标签
plt.xlabel('X', fontdict=dict(fontsize=20))
plt.ylabel('y=(1-x^2)^0.5', rotation=0, position=(0,1))

在这里插入图片描述

方法中第一个参数为标签，后面可以传入fontdict来设置字体大小。另外可以设置旋转角度rotation，以及位置参数position。
其中如果设置标签的位置时，其中的参数为相对位置，坐标轴的原点为0，终点为1，如果设置x轴的位置，则位置参数中的第二个数字不起作用，同样设置y轴时，第一个标签不起作用。
另外如果要显示中文，需要在代码开始处，加上下面的代码：

plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.sans-serif'] = ['SimHei']

1.8. 图像标题

x = np.linspace(-1,1,100)
y = (1-x**2)**0.5
plt.plot(x,y,x,-y)
plt.axis('equal')
plt.title('circle',fontdict=dict(fontsize=20,color='g'),position=(1,1))

在这里插入图片描述

1.9. 图例

1.9.1. 不对图例的位置风格等参数进行修改

在画多个系列的曲线图到一张图像上时，可以生成图例，来区分不同的系列。
可以给图例中的每个系列起名，即在使用plt.plot()代码时，传入参数label值，则该系列的图例名称即为label对应的字符串值。（注意图例的名称不能以下划线开头。）
给定值之后，需要最后调用plt.legend()函数来显示出图例。
示例代码如下：

# 推荐写法
x = np.linspace(0,10,  10)
# 图例名称不要以下划线开头
plt.plot(x, 0.5 * x, label='slow')
plt.plot(x, x, label='normal')
plt.plot(x,  2*  x, label='fast')
# 自动的寻找一个 最好的位置best()来放置图裂
plt.legend()

图例显示

1.9.2. 修改图例的参数

对于上面的代码，如果在plt.legend()中不传入任何参数，则系统会选择最佳的位置来展示图例，并且自动选择图例中系列名称的堆叠方式。

可以在函数plt.legend()中传入参数loc来指定图例的位置。loc的值为元组，使用相对位置，同样原点处为(0,0)，右下角为(1,0)，左上为(0,1)，右上为(1,1)，中心为(0.5,0.5)。同样图例可以放在图像外面，比如放在图像上面，即loc=(0,1.04)。

另外，可以修改图例中系列的堆叠方式，比如上面图片中的1列，可以修改为2列或者3列，操作为在函数plt.legend()中传入参数ncol，比如ncol=3为显示为3列。

x = np.linspace(0,10,  10)
plt.plot(x, 0.5 * x, label='slow')
plt.plot(x, x, label='normal')
plt.plot(x,  2 * x, label='fast')
plt.legend(loc=(0,1.03), ncol=3, borderaxespad=0, mode='expand')

在这里插入图片描述

1.10. 保存图片

figure.savefig(filename,[dpi=],[facecolor=])的选项

filename
含有文件路径的字符串或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”、“ps”、“eps”……）
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）

figure = plt.figure()
x = np.linspace(0,10,  10)
plt.plot(x, 0.5 * x, label='slow')
plt.plot(x, x, label='normal')
plt.plot(x,  2 * x, label='fast')
plt.legend(loc=(0,1.03), ncol=3, borderaxespad=0, mode='expand')
figure.savefig('./legend.jpg',dpi=500,facecolor='g')

执行上面的代码之后，就会把1.9.2中的图片保存在代码运行的目录下，并且dpi为500，并且背景为绿色。

二、设置`plot`图片的风格和样式

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', ...)

2.1. 点和线的样式

2.1.1. 颜色

使用别名
- color='r'

下表为颜色别名对应的颜色名称

颜色	别名	`HTML`颜色名	颜色	别名	`HTML`颜色名
蓝色	`b`	`blue`	绿色	`g`	`green`
红色	`r`	`red`	黄色	`y`	`yellow`
青色	`c`	`cyan`	黑色	`k`	`black`
洋红色	`m`	`magenta`	白色	`w`	`white`

合法的HTML颜色名
- color = 'red'
HTML十六进制字符串
- color = '#eeefff'
归一化到[0, 1]的RGB元组
- color = (0.3, 0.3, 0.4)

2.1.2. 透明度

修改画图参数中的alpha参数，范围为[0,1]。

x = np.linspace(-1, 1, 100)
y = (1 - x **2) **0.5
# 透明度是从0到1之间
plt.plot(x, y, x, -y, c='r', alpha=0.5)
plt.axis('equal')

2.1.3. 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。
而在plt.figure()方法传入facecolor参数，来设置图片的背景色。

figure = plt.figure(facecolor='g')
x = np.linspace(-1, 1, 100)
y = (1 - x **2) **0.5
plt.subplot(facecolor='r')
plt.plot(x, y, x, -y, c='k', alpha=0.5)
plt.axis('equal')

背景色

2.1.4. 设置线型

使用参数linestyle或ls，具体取值见下：

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

2.1.4. 设置线宽

使用linewidth或lw参数，

x = np.linspace(-1, 1, 100)
y = (1 - x **2) **0.5
plt.plot(x, y, x, -y, c='k',lw=4.9)
plt.axis('equal')

2.1.5. 设置点参数

使用marker参数进行控制点的类型，具体取值见下：

标记	描述	标记	描述
`'1'`	一角朝下的三脚架	`'3'`	一角朝左的三脚架
`'2'`	一角朝上的三脚架	`'4'`	一角朝右的三脚架
`'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'`	圆圈	`'D'`	菱形
`'d'`	小菱形	`''`,`'None'`,`' '`,`None`	无
`'_'`	水平线	`'\|'`	垂直线
`'v'`	一角朝下的三角形	`'<'`	一角朝左的三角形
`'^'`	一角朝上的三角形	`'>'`	一角朝右的三角形

点的一些其他颜色的设置

参数	描述	参数	描述
`markeredgecolor`	点边缘的颜色	`markeredgewidth`	点边缘的宽度
`markerfacecolor`	点内部的颜色	`markersize`	点的大小

2.1.6. 多参数连用

在plt.plot()函数中，可以将颜色、点型、线型使用字符串的方式一起传入进来，三者的顺序可以变化。

x = np.linspace(0, 10, 10)
plt.plot(x, '--ro', lw=2, markersize=18, markeredgecolor='g', markeredgewidth=6, markerfacecolor='c')

显示效果
多个曲线不同设置：

# 为对个曲线设置不同的属性,使用位置参数
x = np.linspace(0, 2*np.pi ,10)
y = np.sin(x)
plt.plot(x,y, 'r--d',
         x, x, 'g-o')

在这里插入图片描述

2.2. X、Y轴坐标刻度

使用plt.xticks()和plt.yticks()方法，向其中传入列表参数，列表中每个字符串就是要显示在对应轴上的结果。同样也可以设置标度的大小，使用fontsize参数。
示例如下：

x = np.linspace(0, 2*np.pi ,100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x,y1,'r--',x,y2,'g:',lw=3)
# 传刻度和刻度的标签
plt.xticks([0, np.pi/2, np.pi, 3*np.pi/2, 2*np.pi], ['0',  '$\pi/2$', '$\\theta$', '$3\pi/2$', '2$\pi$'], fontsize=20)
plt.yticks(fontsize=20)

在这里插入图片描述

在标度字符中，可以传入希腊字母的单词，用 $\$ 包裹，则可以显示对应的字母，如果有的字母对应的单词第一个字母和\连用为特殊显示，则需要再使用一个\将其转义，如'$\\beta$'。

三、2D图形

3.1. 直方图

使用代码plt.hist()画直方图。使用方法和pandas中的直方图类似。

直方图的参数只有一个x！！！不像条形图需要传入x,y。

plt.hist()的参数：

bins
可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
density
如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False
color
指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
orientation
通过设置orientation为horizontal创建水平直方图。默认值为vertical

n = np.random.randint(0, 10,size=10)
# 直方图颜色不能 简写
_ = plt.hist(n, bins=50, density=True, color='r', orientation='horizontal')

在这里插入图片描述

3.2. 条形图

条形图必须传入x值和y值。
条形图有两种，一种是垂直条形图，使用plt.bar()创建；另一种是水平条形图，使用plt.barh()创建。
示例代码：

n = np.random.randint(0, 10,size=10)

plt.figure(figsize=(2*8,5))
axes1 = plt.subplot(121,title='plt.bar()')
# 必须传x,y,不能 省
axes1.bar(np.arange(0,10), n, width=0.5, color='r' )
axes2 = plt.subplot(122,title='plt.barh()')
axes2.barh(np.arange(0,10), n, height=0.8, color='c' )

在这里插入图片描述

3.3. 饼图

3.3.1. 未占满饼图和占满饼图

饼图只有一个参数x。
饼图类似与直方图，其展示的是个部分占总体的比例，条形图适合比较各部分的大小。

如果饼图中传如的x值为小数，且总和不超过1时，饼图会默认传入的参数为已经算好的比例值，其会生成未占满的饼图，示例如下

# 传递比例就会严格按照传递的比例来显示饼状图
n = [0.1, 0.3, 0.5]
plt.pie(n)

在这里插入图片描述

而如果x数据总和超过1时，其则会自动计算各部分的比例，然后安装比例进行画图，示例如下：

n = [0.2, 0.3, 0.5, 1]
plt.pie(n)

在这里插入图片描述

3.3.2. 饼图的显示属性设置

labels参数设置每一块的标签，需要传入列表参数对每一块进行指定。
labeldistance参数设置标签距离圆心的距离（其值为比例值，即小数）
autopct参数设置比例值的显示格式'%.2f%%'(其中的.2f%意思为显示小数后两位，并以%的形式显示)。
pctdistance参数设置比例值文字距离圆心的距离
explode参数设置每一块顶点距圆形的长度（比例值），其值为列表。
colors参数设置每一块的颜色
shadow参数为布尔值，设置是否绘制阴影
startangle设置旋转角度

示例如下：

plt.figure(figsize=(8,8))
n = [0.1, 0.2, 0.4, 0.3]
_ = plt.pie(n, autopct='%.2f%%', explode=[0.1, 0.2, 0.3, 0.4], shadow=True, labels=list('ABCD'), labeldistance=0.6, pctdistance=1.1,
            colors=['r','g',  'b', 'm'], startangle=60, textprops=dict(size=20))

在这里插入图片描述

3.4. 散点图

散点图需要两个参数x,y。使用plt.scatter()
示例：

x = np.random.randn(1000)
y = np.random.randn(1000)
plt.figure(figsize=((10,8)))
plt.scatter(x,y, marker='d', s=np.random.randint(0,150, 1000), color=np.random.rand(1000,4))
plt.axis("off")

在这里插入图片描述

3.5. 玫瑰图

其可以看作为直方图在极坐标下的一种情况。

例：当前有某城市的风向情况，具体数据在r_data中，该数据中为各个风的风向角度，需要用玫瑰图将该城市的风向分布绘制出来。

r_data = np.array([ 10.    ,  20.    ,  40.    ,  90.    ,  87.    ,  79.    ,
        70.    ,  80.    ,  90.    ,  90.    , 105.    , 100.    ,
       110.    , 116.504 , 145.001 , 145.001 , 145.001 , 155.503 ,
       155.503 , 155.503 , 190.    , 126.501 , 250.    ,  99.0009,
       330.003 ,  20.    ,  70.    ,  70.    ,  10.    ,  80.    ,
       126.    , 100.    , 135.    , 130.    , 160.    , 130.501 ,
       190.    , 180.    , 193.502 , 193.502 , 224.004 , 224.004 ,
       224.004 , 180.    , 190.    , 254.001 , 257.503 , 190.    ,
       159.5   , 100.    ,  80.    ,  90.    ,  80.    ,  80.    ,
        90.    ,  90.    ,  90.    ,  97.    ,  89.    ,  88.0147,
       107.004 , 107.004 , 132.503 , 132.503 , 132.503 , 251.    ])
data, data_range = np.histogram(r_data, range=[0,360], bins=8)

在这里插入图片描述

思路：使用直方图中的函数np.histogram(r_data, range=[0,360], bins=8)，首先将风向范围设定为[0.360]，分成8个部分显示，该函数会返回一个元组，其中第一个数据为在分好的范围内出现的次数，第二个为分好的范围。

但是玫瑰图中的极坐标使用的是弧度值，而上面划分好的范围值data_range为角度制数据，而且数据data长度为8，而data_range长度为9，因为最后360和0重合了。所以需要将生成弧度制范围，使用代码r_range = np.arange(0,2*np.pi,np.pi/4)。

详细代码：

r_data = np.array([ 10.    ,  20.    ,  40.    ,  90.    ,  87.    ,  79.    ,
        70.    ,  80.    ,  90.    ,  90.    , 105.    , 100.    ,
       110.    , 116.504 , 145.001 , 145.001 , 145.001 , 155.503 ,
       155.503 , 155.503 , 190.    , 126.501 , 250.    ,  99.0009,
       330.003 ,  20.    ,  70.    ,  70.    ,  10.    ,  80.    ,
       126.    , 100.    , 135.    , 130.    , 160.    , 130.501 ,
       190.    , 180.    , 193.502 , 193.502 , 224.004 , 224.004 ,
       224.004 , 180.    , 190.    , 254.001 , 257.503 , 190.    ,
       159.5   , 100.    ,  80.    ,  90.    ,  80.    ,  80.    ,
        90.    ,  90.    ,  90.    ,  97.    ,  89.    ,  88.0147,
       107.004 , 107.004 , 132.503 , 132.503 , 132.503 , 251.    ])
data, data_range= np.histogram(r_data, range=[0,360], bins=8)
r_range = np.arange(0,2*np.pi,np.pi/4)
plt.figure(figsize=(8,8))
plt.subplot(projection='polar')
plt.bar(r_range, data,  color=np.random.rand(8,3), width=np.pi/4)

在这里插入图片描述

四、图形内的文字、注释、箭头

4.1. 文字

`Pyplot`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.text()`	在`Figure`对象的任意位置添加文字
`suptitle()`	`mpl.figure.Figure.suptitle()`	为`Figure`对象添加中心化的标题
`annnotate()`	`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
示例代码：

x = np.linspace(0, 7, 100)
y = np.sin(x)
# plt.subplot(facecolor='g')
plt.figure(facecolor='g')
plt.plot(x,y)
# text在坐标系内添加文本说明
plt.text(0+0.1,0, 'sin(0)=0')
# figtext使用相对坐标
plt.figtext(0.5, 0.5, 'sin($\pi$)=0')

在这里插入图片描述

注意：plt.text()使用绝对坐标设置其要显示的文本位置，而plt.figtext()使用相对坐标来设置其位置。

4.2. 注释和设置其中的箭头

使用代码

plt.annotate(s, (x,y), (xtext,ytext),
			arrowprops=dict(width,headwidth,headlength,facecolor,shrink),)

进行设置。
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，其中的参数如下：
width参数设置箭头长方形部分的宽度，
headlength参数设置箭头尖端的长度，
headwidth参数设置箭头尖端底部的宽度，
facecolor设置箭头颜色
shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）

另外可以直接在arrowprops参数字典中设置arrowstyle值，来选择箭头的样式，
可选择的值有'-', '->', '-[', '<-', '<->', 'fancy', 'simple', 'wedge'。

示例如下：

n = [14, 11, 14,13,14,10, 30, 12, 11, 14, 13, 13, 12, 13]
plt.plot(n)
plt.ylim(ymax=35)
plt.annotate('This spot must really\n mean something',(6,30), (8,32), arrowprops=dict(width=20, headwidth=25, headlength=20, facecolor='k', shrink=0.1))

在这里插入图片描述

五、3D曲面图

首先需要导入画3d图所需要的模块
from mpl_toolkits.mplot3d.axes3d import Axes3D
画图的时候，需要先使用X,Y = np.meshgrid(x,y)将xy两轴数据网格化，并获取网格化后的值。
然后将网格化后的值传入曲面图的方程中，以计算z轴的值。
使用.plot_surface()的方式画出曲面图。
示例代码如下：

x, y = np.linspace(0, 7, 100), np.linspace(0,7, 100)
X,  Y= np.meshgrid(x,y)
# 三维图形的方程
Z = np.sin(X) + np.cos(Y) + 2

plt.figure(figsize=(2*8,6))
axes1 = plt.subplot(1,2,1, projection='3d')
axes1.plot_surface(X, Y, Z)

axes2 = plt.subplot(1,2,2, projection='3d')
axes2 = axes2.plot_surface(X, Y, Z, cmap='rainbow')
# shrink长宽一起缩放
plt.colorbar(axes2, shrink=0.5)

在这里插入图片描述

在.plot_surface()方法中传入图像的样式，可以对图片显示进行改变。使用plt.colorbar()可以在图像旁显示以颜色作为区分大小值的标尺。

g11023225

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
5-matplotlib画图

tags: python,数据分析,matplotlib,pyplot,pandas,numpy,Series,DataFrame文章目录一、`Matplotlib`基础知识1.1. `Matplotlib`基本图表包括的元素1.2. 只含单一曲线的图1.3. 包含多个曲线的图1.3.1. 使用多个`plot`函数1.3.2. 在一个`plot`函数中传入多对X,Y值1.4. 网格线1.4....
复制链接

扫一扫