Numpy的Matplotlib可视化

matplotlib最重要的plot()函数,
调用方法
plt.plot(x, y, format_string, **kwargs)
参数值:
#x : X轴数据,列表或数组
#y : Y轴数据,列表或数组
#format_string : 控制曲线的格式字符串,可选:
#**kwargs :第二组或更多(x,y,format_string)
其中要说明的是format_string,包含的主要类型有
颜色字符:‘b’,‘k’,‘g’代表各种颜色缩写
风格字符:’-’,’–‘等
标记字符:每个数据点的标志方式,’.’,’*’,'o’等
还要很多其他的参数值,到时候查文档
,

import matplotlib.pyplot as plt
import numpy as np 
plt.plot([2,3,1,2,3])
#绘图接收一个list,如果只有一个列表默认其为Y轴,X轴数据为其索引值,从0开始
plt.show()
#x轴默认从0开始

在这里插入图片描述

plt.plot([0,1,2],[1,1,3])#两个列表,前一个为X值,后一个为对应的Y值
plt.show()

在这里插入图片描述

plt.plot([0,1,2,4,6,5,9,2,4],[8,1,3,4,3,6,7,6,0])
plt.plot(np.arange(0,9),np.random.randint(1,9,size=9),'r')
#变量X、Y个数必须相等
plt.show

在这里插入图片描述

<function matplotlib.pyplot.show(*args, **kw)>

添加图例

plt.plot(np.arange(0,10),np.random.randn(10),'r',label='red')
plt.plot(range(0,10),np.random.rand(10),'g',label='green')
#label标签
plt.legend()
#使用legend显示标签、loc参数设置标签位置
plt.show

在这里插入图片描述

<function matplotlib.pyplot.show(*args, **kw)>
plt.plot(np.arange(0,10),np.random.randn(10),'r',label='red')
plt.plot(range(0,10),np.random.rand(10),'g',label='green')
#label标签
plt.legend(loc='upper right')
#使用legend显示标签、参数设置标签位置
plt.show

在这里插入图片描述

<function matplotlib.pyplot.show(*args, **kw)>

参数设置
‘best’ : 0, (only implemented for axes legends)(自适应方式)
‘upper right’ : 1,
‘upper left’ : 2,
‘lower left’ : 3,
‘lower right’ : 4,
‘right’ : 5,
‘center left’ : 6,
‘center right’ : 7,
‘lower center’ : 8,
‘upper center’ : 9,
‘center’ : 10,

import matplotlib.pyplot as plt
import numpy as np 
plt.plot(np.arange(0,10),np.random.randn(10),'r',label='red')
plt.plot(range(0,10),np.random.rand(10),'g',label='green')
#label标签
plt.title('An Example Axes')#设置图像标题
plt.xlabel('X-Axis')#设置X轴名称
plt.ylabel('Y-Axis')#设置Y轴名称
plt.legend(loc='upper right')
#使用legend显示标签、参数设置标签位置
plt.show

在这里插入图片描述

<function matplotlib.pyplot.show(*args, **kw)>

如显示错误“‘str’ object is not callable”重启编译器即可。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NumPyMatplotlibPython 中常用的科学计算和数据可视化库。 NumPy(Numerical Python)是一个用于进行数组计算的强大库。它提供了高性能的多维数组对象以及对这些数组进行操作的丰富函数库。你可以使用 NumPy 来处理和操作大量的数值数据。 Matplotlib 是一个用于创建静态、动态和交互式图表的库。它提供了广泛的绘图功能,包括线图、散点图、条形图、饼图等。Matplotlib 可以与 NumPy 一起使用,方便地将数据转换为图表并进行可视化。 以下是一些使用 NumPyMatplotlib 的常见示例: 1. 创建一个一维数组: ```python import numpy as np arr = np.array([1, 2, 3, 4, 5]) ``` 2. 创建一个二维数组: ```python import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) ``` 3. 使用 Matplotlib 绘制一个简单的折线图: ```python import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) y = np.sin(x) plt.plot(x, y) plt.xlabel('x') plt.ylabel('sin(x)') plt.title('Sine Function') plt.show() ``` 这个例子演示了如何使用 Matplotlib 绘制一个简单的正弦函数图像。`np.linspace` 函数用于生成从 0 到 10 的等间距的 100 个数据点,`np.sin` 函数计算这些点的正弦值,然后使用 `plt.plot` 函数绘制折线图,最后使用 `plt.xlabel`、`plt.ylabel` 和 `plt.title` 设置坐标轴标签和图表标题。 这只是 NumPyMatplotlib 的基本用法示例,你可以根据自己的需求和具体情况进行更多的操作和图表绘制。

“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

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