1.对数图
对数图的纵轴连续值之间有固定的“比例”,这被称作对数标度,以下代码绘制了对数函数图形
from matplotlib import pyplot as plt
import numpy as np
x=np.linspace(1,10)
print(x)
y=[10**el for el in x]
print(y)
fig,ax=plt.subplots()
ax.set_yscale('linear')
ax.plot(x,y,color='blue')
ax.grid(True)
plt.show()

可见,使用线性标度展示对数函数图形时,函数值变化率不大的两个部分难以呈现图形的细节。
因此,根据一般经验,当要展示的数量级跨越较大,或是要展示数据的变化率,或是数据分布存在正偏态时,可以使用对数标度
只需将代码红的这一行
ax.set_yscale('linear')
改为
ax.set_yscale('log')
即可使用对数标度展示该对数函数图形。该对数函数在对数标度下呈现为直线,可被观察到更多的细节 结果如下:

2.频谱图
频谱图是随时间变化的频谱变现,显示了信

本文介绍了Python的Matplotlib库如何绘制四种高级图形:对数图、频谱图、矢量场流线图和互相关图形。对数图适用于展示数量级跨越大的数据;频谱图用于显示信号频谱强度随时间变化的趋势;流线图用于表示矢量场的流态;互相关图形则用于分析不同数据集之间的关联。
最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



