# -*- coding: utf-8 -*-
"""
Created on Wed Mar 11 21:05:45 2020
@author: 86159
"""
# use #%% to create cells;Run current cell(ctrl+enter)
# matplotlib
#%%
#matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)
#若不带key=，则按默认顺序给属性赋值，若为键-值对，则按实参的顺序
#x,y--横纵坐标的值，可为列表、数字
#s--数字或列表，默认值为20，代表图形的大小
#c--色彩('red')或颜色列表['red','green','blue']或rgb元组c=(0.6,0.5,0.8)，默认颜色为蓝色
#marker--标记样式，默认为'o' 圆圈；有多种
#cmap--颜色映射，告诉pyplot使用哪个颜色映射，默认None，如cmap=matplotlib.pyplot.cm.Blues cmap=matplotlib.pyplot.cm.Reds
#edgecolor--图形是否带有轮廓，值可赋值为颜色，如'red',默认None
#alpha--透明度，值在0-1之间
#matplotlib.pyplot.axes([x, y, w, h])用来设定图形区
#matplotlib.pyplot.axis([x_left, x_right, y_bottom, y_top])是用来设置所绘制图形的视窗大小的，表示直接展示的图形是需要满足参数中范围的值，直观表现是绘图区实际展示的坐标范围。
#%%
import numpy as np
import matplotlib.pyplot as plt
#np.random.seed(10)
N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (30 * np.random.rand(N))**2
plt.scatter(x, y, s=area, c=colors, alpha=0.5)
plt.show()
#%%
#测试matplotlib是否已成功安装
import numpy as np
import matplotlib.pyplot as pt
x = np.arange(0 , 360)
y = np.sin( x * np.pi / 180.0)
pt.plot(x,y)
pt.xlim(0,360)
pt.ylim(-1.2,1.2)
pt.title("SIN function")
pt.show()
#%%
#绘制简单的折线图
import matplotlib.pyplot as plt
squares=[1,4,9,16,25]
plt.plot(squares)
plt.show()
#%%
#修改标签文字和线条粗细
import matplotlib.pyplot as plt
squares=[1,4,9,16,25]
plt.plot(squares,linewidth=5)#数据，线条宽度
#设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers",fontsize=24)#图表标题,fontsize指定图表中文字的大小
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of value",fontsize=14)
#设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)#实参axis='both'将影响x轴和y轴上的刻度，并将刻度标记的字号设置为14
plt.show()
#%%
#校正图形
#向plot()提供一系列数字时，它假设第一个数据点对应的x坐标值为0，但上面给的数据里第一个点对应的x值为1
#为改变这种默认行为，可以给plot()同时提供输入值和输出值
#因为同时提供了输入值和输出值，plot()无需对输出值的生成方式做出假设，将正确地绘制数据
import matplotlib.pyplot as plt
input_values=[1,2,3,4,5]
squares=[1,4,9,16,25]
#plot(*arges,**kwarges)的参数如下
#*arges没有key值,可以理解为一个包含多个元素的名为arges元组
#**kwarges有key值,包含多个键值对的名为kwarges的字典--kw:keyword
plt.plot(input_values,squares,linewidth=5)
#设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers",fontsize=24)#图表标题,fontsize指定图表中文字的大小
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of value",fontsize=14)
#设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)#实参axis='both'将影响x轴和y轴上的刻度，并将刻度标记的字号设置为14
plt.show()
#%%
#绘制散点图并设置其样式 scatter()
import matplotlib.pyplot as plt
plt.scatter(2,4)#实参为(横坐标，纵坐标)，在这个坐标处标记一个点
plt.show()
#%%
#设置散点图 输出的样式
import matplotlib.pyplot as plt
plt.scatter(2,4,s=200)#使用实参s设置绘制图形时使用的点的尺寸
#设置图表标题并给坐标轴加上标签
plt.title("Square Numbers",fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)
#设置刻度标记的大小
plt.tick_params(axis='both',which='major',labelsize=14)
plt.show()
#%%
#使用scatter()绘制一系列点
import matplotlib.pyplot as plt
#x_values=[1,2,3,4,5]
#y_values=[1,4,9,16,25]
x_values=list(range(1,1001))#创建一个包含数组1-1000的列表
y_values=[x**2 for x in x_values]#列表解析，自动计算y的值
#plt.scatter(x_values,y_values,s=40)#依次从每个列表中读取一个值(组成坐标)来绘制一个点(x_values[0],y_values[0])
#允许给散点图中的各个点指定颜色，默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好
#绘制很多点时，黑色轮廓可能会粘连在一起，要删除数据点的轮廓，科在调用scatter()时传递实参edgecolor='none'
#plt.scatter(x_values,y_values,edgecolor='none',s=40)#在2.0.0版本的matplotlib中，scatter()函数的实参edgecolor默认为'none'
#自定义颜色，向scatter()传递参数c，并将其设置为要使用的颜色的名称
#也可以使用RGB颜色模式自定义颜色,传递参数c,并将其设置为一个元组，其中包含三个0~1之间的小数值，分别表示红色、绿色和蓝色分量
#plt.scatter(x_values,y_values,c='red',s=40)
#plt.scatter(x_values,y_values,c=(0.6,0.5,0.8),s=40)#c中值越接近0，指定的颜色越深，越接近1，指定的颜色越浅
#使用颜色映射：colormap是一系列颜色，从起始颜色渐变到结束颜色。
#在可视化中，颜色映射用于突出数据的规律
plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,s=40)#参数cmap告诉pyplot使用哪个颜色映射，渐变蓝色，y值较小的点显示为浅蓝色，y值较大的点显示为深蓝色
#设置图表标题并给坐标轴加上标签
plt.title("Square Numbers",fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)
#设置刻度标记的大小
#plt.tick_params(axis='both',which='major',labelsize=14)
#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])#要求提供四个值：x和y坐标轴的最小值和最大值
plt.show()
#%%
#scatter()参数
import matplotlib.pyplot as plt
x_values=list(range(1,15))#[1,2,3,4,5]
y_values=[x**2 for x in x_values]#[1,4,9,16,25]
plt.scatter(x_values,y_values,s=y_values,c=y_values,edgecolor='green',cmap=plt.cm.Reds,marker='H')#marker标记样式，s的大小随着y变化,c颜色随着y变化
#设置图标，在图像的左上角有标识
#plt.legend('x1')
#设置图表标题并给坐标轴加上标签
plt.title("Square Numbers",fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)
#设置刻度标记的大小
plt.tick_params(axis='both',which='major',labelsize=14)
plt.show()
#%%
#自动保存图表
import matplotlib.pyplot as plt
x_values=list(range(1,15))#[1,2,3,4,5]
y_values=[x**2 for x in x_values]#[1,4,9,16,25]
plt.scatter(x_values,y_values,s=y_values,c=y_values,edgecolor='green',cmap=plt.cm.Reds,marker='H')#marker标记样式，s的大小随着y变化,c颜色随着y变化
#设置图标，在图像的左上角有标识
#plt.legend('x1')
#设置图表标题并给坐标轴加上标签
plt.title("Square Numbers",fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)
#设置刻度标记的大小
plt.tick_params(axis='both',which='major',labelsize=14)
plt.savefig('squares_plot.png',bbox_inches='tight')#保存图表，第一个实参指定保存图表的文件名，位置与程序相同；第二个实参指定将图表多余的空白区域裁剪掉
#plt.savefig('C:\\Users\\lcg\\Desktop\\3.jpg')#保存图片，指定绝对路径存储
plt.show()
#%%
#15-1-1
import matplotlib.pyplot as plt
x_values=list(range(1,6))
y_values=[x**3 for x in x_values]
plt.scatter(x_values,y_values)
#设置图表标题并给坐标轴加上标签
plt.title("Y=X^3",fontsize=30)
plt.xlabel("X",fontsize=20)
plt.ylabel("Y",fontsize=20)
plt.show()
#%%
#15-1-2
import matplotlib.pyplot as plt
x_values=list(range(1,1000))
y_values=[x**3 for x in x_values]
#颜色映射
plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Reds)#'color' kwarg must be an mpl color spec or sequence of color specs.For a sequence of values to be color-mapped, use the 'c' kwarg instead.
#设置图表标题并给坐标轴加上标签
plt.title("y=x^3",fontsize=20)
plt.xlabel("x",fontsize=15)
plt.ylabel("y",fontsize=15)
#plt.grid(True)#显示网格
#在图表中某个位置处插入文本
#---------设置字体样式，分别是字体，颜色，宽度，大小
font1 = {'family': 'Times New Roman',
'color': 'purple',
'weight': 'normal',
'size': 16,
}
font2 = {'family': 'serif',
'color': 'blue',
'weight': 'bold',
'size': 14,
}
#-----------两种不同字体显示风格-----
#横坐标值,纵坐标值,文本;fontdict--描述文本的属性,包括颜色、字体大小等属性的字典类型
plt.text(200,0.8e9,'y=x^3',fontdict=font1)#存储图表并展示
plt.savefig("y=x^3.png")
plt.show()
#%%
import matplotlib.pyplot as plt
x=plt.imread("testpic.jpg")#读取图片
plt.imshow(x,alpha=0.2)#显示图片
#%%
#随机漫步:每次行走都是随机的，没有明确的方向，结果是由一系列随机决策决定的。
#有实际用途：漂浮在水滴上的花粉因不断受到水分子的挤压而在水面上移动。水滴中的分子运动是随机的，因此花粉在水面上的运动路径犹如随机漫步
import matplotlib.pyplot as plt
from random_walk import RandomWalk
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw=RandomWalk()
rw.fill_walk()#计算完5000个点的位置，存在两个列表中
#将5000个点绘制出来
plt.scatter(rw.x_values,rw.y_values,s=15,c=rw.y_values)
#存储图表,若存储图表的语句在show()后面，则存储的是空白
plt.savefig("amazingpic.png")
plt.show()
#%%
#多次随机漫步
import matplotlib.pyplot as plt
from random_walk import RandomWalk
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw=RandomWalk()
rw.fill_walk()#计算完5000个点的位置，存在两个列表中
#将5000个点绘制出来
plt.scatter(rw.x_values,rw.y_values,s=15,c=rw.y_values)
#存储图表,若存储图表的语句在show()后面，则存储的是空白
plt.savefig("amazingpic.png")
plt.show()
kr=input("Go on?y/n")
if kr.lower()=='n':
break
#%%
#设置随机漫步图的样式
#给点着色
import matplotlib.pyplot as plt
from random_walk import RandomWalk
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw=RandomWalk(50000)#num_points是可选参数,默认值是5000，可以通过传递实参修改点的个数
rw.fill_walk()#计算完5000个点的位置，存在两个列表中
#调整尺寸以适合屏幕,函数figure()用于指定图表的宽度、高度、分辨率和背景色
#给形参figsize指定一个元组，指出绘图窗口的尺寸，单位为英寸
#形参dpi向figure()传递系统的分辨率,例dpi=128
plt.figure(figsize=(10,6))
#将5000个点绘制出来
point_numbers=list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,s=1,c=point_numbers,cmap=plt.cm.Greens)#根据点的绘制顺序着色
#重新绘制起点和终点;要在show()前面
plt.scatter(rw.x_values[0],rw.y_values[0],s=100,c='r')#起点
plt.scatter(rw.x_values[-1],rw.y_values[-1],s=100,c='b')#终点
#隐藏坐标轴 plt.axes()
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)
#存储图表,若存储图表的语句在show()后面，则存储的是空白
plt.savefig("amazingpictest.png")
plt.show()
kr=input("Go on?y/n")
if kr.lower()=='n':
break
#%%
#15-3
import matplotlib.pyplot as plt
from random_walk import RandomWalk
rw=RandomWalk()
rw.fill_walk()#随机漫步
plt.plot(rw.x_values,rw.y_values,linewidth=5)
plt.show()
#%%
#15-5重构
import matplotlib.pyplot as plt
from randomwalk_step import RandomWalk
plt.figure(figsize=(10,6))
rw=RandomWalk()
rw.fill_walk()
num_points=list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=num_points,cmap=plt.cm.Reds)
plt.show()random_walk.py
#创建RandomWalk()类：三个属性，一个是存储随机漫步次数的变量，其他两个列表分别存储随机漫步经过的每个点的x和y坐标
from random import choice
#每次做决策时都使用choice()来决定使用哪种选择
class RandomWalk():
'''一个生成随机漫步数据的类'''
def __init__(self,num_points=5000):
'''初始化随机漫步的属性'''
self.num_points=num_points
#所有随机漫步都始于(0,0)
self.x_values=[0]
self.y_values=[0]
def fill_walk(self):
'''计算随机漫步包含的所有点'''
#不断漫步，直到列表达到指定的长度
while len(self.x_values)<self.num_points:
#决定前进方向以及沿这个方向前进的距离
x_direction=choice([1,-1])#向左走还是向右走，左-1，右1
x_distance=choice([0,1,2,3,4])#走多远；包含0,不仅可以沿着两个轴移动，也可以沿y轴移动
x_step=x_direction*x_distance
y_direction=choice([1,-1])#向上走还是向下走，下-1，上1
y_distance=choice([0,1,2,3,4])#走多远;可沿x轴移动
y_step=y_direction*y_distance
#拒绝原地踏步
if x_step==0 and y_step==0:
continue#跳过本次循环，执行下一次循环
#计算下一个点的x和y值
next_x=self.x_values[-1]+x_step#索引为-1，是列表的倒数第一个元素
next_y=self.y_values[-1]+y_step
self.x_values.append(next_x)
self.y_values.append(next_y)randomwalk_step.py
#原方法fill_walk()很长，新建方法get_step(),重构缩小fill_walk()的规模
#创建RandomWalk()类：三个属性，一个是存储随机漫步次数的变量，其他两个列表分别存储随机漫步经过的每个点的x和y坐标
from random import choice
#每次做决策时都使用choice()来决定使用哪种选择
class RandomWalk():
'''一个生成随机漫步数据的类'''
def __init__(self,num_points=5000):
'''初始化随机漫步的属性'''
self.num_points=num_points
#所有随机漫步都始于(0,0)
self.x_values=[0]
self.y_values=[0]
def get_step(self):
'''确定每次漫步的距离和方向，并计算这次漫步将如何移动'''
direction=choice([1,-1])
distance=choice([0,1,2,3,4,5])
step=direction*distance
return step
def fill_walk(self):
'''计算随机漫步包含的所有点'''
#不断漫步，直到列表达到指定的长度
while len(self.x_values)<self.num_points:
#决定前进方向以及沿这个方向前进的距离
x_step=self.get_step()
y_step=self.get_step()
# x_step=get_step() #调用函数方法错误
# y_step=get_step()
#拒绝原地踏步
if x_step==0 and y_step==0:
continue#跳过本次循环，执行下一次循环
#计算下一个点的x和y值
next_x=self.x_values[-1]+x_step#索引为-1，是列表的倒数第一个元素
next_y=self.y_values[-1]+y_step
self.x_values.append(next_x)
self.y_values.append(next_y)
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
