学习笔记
目录
简易线性图
简易散点图
可视化异常处理
…
Matplotlib库
简易线性图:
- 举一个最常见的例子,线性方程 y = f (x) 的可视化
In[1]: %matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
In[2]: fig = plt.figure() #创建一个图形 fig
ax = plt.axes() #创建一个坐标轴 ax
- 以上代码得到一个空的网格坐标
- 接下来就可以使用ax.plot或plt.plot画图了
In[3]: fig = plt.figure()
ax = plt.axes()
x = np.linspace(0, 10, 500)
ax.plot(x, np.cos(x)) #画一个余弦曲线
plt.plot(x, np.sin(x)); #用palab接口画图,效果相同
plt.plot(x, np.sin(x + 1), color='green') #用标准颜色名称设置曲线颜色
plt.plot(x, x/3 + 2, linestyle='--') # 虚线
plt.plot(x, x/3 + 4, linestyle='-') # 实线
plt.plot(x, x/3 + 6, linestyle='-.') # 点划线
- 还可以通过调用plt.xlim()和plt.ylim()来设置坐标轴的上下线
In[4]: plt.plot(x, np.sin(x))
plt.xlim(min, max) #设置x轴的上下限
plt.ylim(min, max) #y轴
plt.axis([xmin, xmax, ymin, ymax]) #或者直接用plt.axis完成x、y坐标设置
plt.axis('tight') #按照图形的内容自动收紧坐标轴
plt.axis('equal'); #让屏幕上显示的图形分辨率为 1:1,x轴单位长度与y轴单位长度相等
- 设置图形标签:
In[5]: plt.plot(x, np.sin(x))
plt.title("A Sine Curve")
plt.xlabel("x")
plt.ylabel("sin(x)");
In[6]: plt.plot(x, np.sin(x), '-g', label='sin(x)')
plt.plot(x, np.cos(x), ':b', label='cos(x)')
plt.axis('equal')
plt.legend();
简易散点图:
- 可使用plt.plot或plt.scatter绘制散点图;
- 其中后者具有更高的灵活性,可以单独控制每个散点与数据匹配,也可以让每个散点具有不同的属性(大小、表面颜色、边 框颜色等;
- 使用colorbar()可以显示颜色条。
可视化异常处理:
- 使用
plt.errorbar(x, y, yerr=dy)
即可将误差画出基本误差线,实现误差可视化,其中dy即为误差大小。
配置图例
文字与注释
自定义坐标轴刻度
Matplotlib自定义:配置文件与样式表(包含诸多绘图风格)
Seaborn的数据可视化