python matplot 纵坐标非均匀折线图

在这里插入图片描述


#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Thu Oct 13 23:10:39 2022

@author: sun
"""

import matplotlib.pyplot as plt #导入Matplotlib
import csv
import numpy as np
import math
# 导入字体属性包
from matplotlib.font_manager import FontProperties
#plt.rcParams['font.sans-serif'] = ['wqy-microhei'] #用来正常显示中文标签
#plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
#指定中文字体所在的位置
font = FontProperties(fname=r"/home/sun/simhei.ttf", size=20)
x  =['20','50','80','100','300','500','800','1000','3000','5000','8000','10000','20000','50000','80000','100000'] #此处也可数字
header=[]
data=[]

# 以读方式打开文件
with open("result.csv", mode="r", encoding="utf-8-sig") as f:
    # 基于打开的文件,创建csv.reader实例
    reader = csv.reader(f)

    header = next(reader)

    # 逐行获取数据,并输出
    for row in reader:
        data.append(row)
steps=[50,80,100,300,500,800,1000,3000,5000,8000,10000,20000,50000,80000,100000,200000,500000,800000,1000000] 
for step in steps:
    y1=[]
    y2=[]
    y3=[]
    y4=[]
    y5=[]
    y6=[]
    for row in data:
        if int(row[0])==step:
            y1.append(float(row[2]))
            y2.append(float(row[3]))
            y3.append(float(row[4]))
            y4.append(float(row[5]))
            #y5.append(float(row[6]))
            y6.append(float(row[7]))
    plt.figure(figsize = (12, 9)) #设置图像大小,当然可以设成方形(12,8)挺合适
    plt.plot(x,y1,linewidth =1.5, label ='no',color='k', linestyle='-',marker='o',markersize=10) #功能依次为线粗、标签(图例)、颜色、线类型、点形状
    plt.plot(x,y2,linewidth =1.5, label ='our1',color='k', linestyle='--',marker='X',markersize=10) #功能依次为线粗、标签(图例)、颜色、线类型、点形状
    plt.plot(x,y3,linewidth =1.5, label ='our2',color='k', linestyle='-.',marker='D',markersize=10) #功能依次为线粗、标签(图例)、颜色、线类型、点形状
    plt.plot(x,y4,linewidth =1.5, label ='kd-tree',color='k', linestyle=':',marker='^',markersize=10) #功能依次为线粗、标签(图例)、颜色、线类型、点形状
    #plt.plot(x,y5,linewidth =1.5, label ='r-tree',color='k', linestyle='-',marker='v') #功能依次为线粗、标签(图例)、颜色、线类型、点形状
    plt.plot(x,y6,linewidth =1.5, label ='quad-tree',color='k', linestyle=(0,[6, 2]),marker='P',markersize=10) #功能依次为线粗、标签(图例)、颜色、线类型、点形状
    
    
    ax = plt.subplot(111) #这是画布哦,说明只在一张图显示,也可分割多图
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)
    plt.xticks(fontsize=11)#嗯调调字体
    
    plt.yscale("log")
    yticks = [0.5,1,1.5,2,2.5,3]
    plt.yticks(ticks=yticks,labels=['0.5','1','1.5','2','2.5','3'],fontsize=11)
    plt.ylim(0, 3) #显示的y轴范围
    plt.xlabel('兴趣范围(m)', FontProperties=font) # x轴名称
    plt.ylabel('耗时(s)', FontProperties=font) # y轴名称
    #plt.title('间隔'+str(step)+'m',FontProperties=font) #标题
   
    plt.legend(loc='center right', borderaxespad=0,prop=font) #显示图例
    plt.savefig('pic-{}.png'.format(step),dpi=300,bbox_inches='tight')
    #plt.show() #显示作图结果
  • 2
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 可以使用scipy.stats模块中的norm函数生成标准正态分布的概率密度函数,然后使用matplotlib绘制像。以下是一个示例代码: ```python import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm # 生成一些x值,在[-3, 3]范围内均匀分布 x = np.linspace(-3, 3, 100) # 生成标准正态分布的概率密度函数 pdf = norm.pdf(x) # 绘制像 plt.plot(x, pdf) plt.xlabel('x') plt.ylabel('Probability density') plt.title('Standard normal distribution') plt.show() ``` 运行以上代码,会显示一个标准正态分布的概率密度函数像。 ### 回答2: 使用matplotlib绘制标准正态分布像可以通过以下步骤实现: 1. 导入所需的库:导入matplotlib库并将其命名为plt,导入numpy库并将其命名为np。 2. 生成数据:使用numpy库中的random模块生成满足标准正态分布要求的随机数。可以使用np.random.normal函数,指定均值为0,方差为1,生成一定数量的随机数。将这些数据保存在一个数组中。 3. 绘制像:使用plt.hist函数绘制直方,传入生成的数据和所需的参数。可以指定直方的边界、密度参数等。另外,可以使用plt.plot函数绘制标准正态分布曲线,传入横坐标和纵坐标的值。 4. 设置像属性:可以设置像的标题、坐标轴标签、例等属性。 5. 显示像:使用plt.show函数显示绘制像。 以下是一个示例代码: ```python import matplotlib.pyplot as plt import numpy as np # 生成满足标准正态分布要求的随机数 data = np.random.normal(0, 1, 1000) # 绘制直方 plt.hist(data, bins=30, density=True, alpha=0.7) # 绘制标准正态分布曲线 x = np.linspace(-4, 4, 100) y = np.exp(-x**2 / 2) / np.sqrt(2*np.pi) plt.plot(x, y, color='red', linewidth=2) # 设置像属性 plt.title('Standard Normal Distribution') plt.xlabel('Value') plt.ylabel('Density') plt.legend(['Standard Normal Distribution', 'Generated Data']) # 显示像 plt.show() ``` 这段代码使用numpy库的random模块生成了1000个满足标准正态分布的随机数,并绘制了直方和标准正态分布曲线。像的标题为"Standard Normal Distribution",横坐标标签为"Value",纵坐标标签为"Density",并添加了例。运行代码后,会显示绘制像。 ### 回答3: 要利用matplotlib绘制标准正态分布像,可以按照以下步骤操作: 1. 首先,导入需要的库,包括numpy和matplotlib: import numpy as np import matplotlib.pyplot as plt 2. 然后,使用numpy生成一组标准正态分布的随机数,可以使用np.random.randn函数,参数为样本数量: data = np.random.randn(1000) 3. 接下来,使用matplotlibplot函数绘制直方,参数为数据和直方的数量: plt.hist(data, bins=30, density=True, alpha=0.5) 这里设置参数density=True用于将直方的面积归一化为概率密度,alpha=0.5设置直方的透明度。 4. 还可以使用matplotlibplot函数绘制标准正态分布的概率密度函数曲线,可以使用numpy的linspace函数生成x轴上的点: x = np.linspace(-4, 4, 100) y = np.exp(-x ** 2 / 2) / np.sqrt(2 * np.pi) plt.plot(x, y, 'r') 这里设置参数'r'表示曲线为红色。 5. 最后,使用matplotlib的show函数显示像: plt.show() 这样就可以得到一个绘制了标准正态分布直方和概率密度函数曲线的像。 综上所述,以上步骤是利用matplotlib绘制标准正态分布像的示例。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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