Python学习笔记第六十二天(Matplotlib 绘图线)

Matplotlib 绘图线

绘图过程如果我们自定义线的样式,包括线的类型、颜色和大小等。

线的类型

线的类型可以使用 linestyle 参数来定义,简写为 ls。

类型简写说明
‘solid’ (默认)‘-’实线
‘dotted’‘:’点虚线
‘dashed’‘–’破折线
‘dashdot’‘-.’点划线
‘None’‘’ 或 ’ ’不画线

使用类型方法表示

# 实例 1
import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, linestyle = 'dashdot')
plt.show()

使用简写方法表示

# 实例 2
import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, ls = '-.')
plt.show()

线的颜色

线的颜色可以使用 color 参数来定义,简写为 c。

颜色类型

颜色标记描述
‘r’红色
‘g’绿色
‘b’蓝色
‘c’青色
‘m’品红
‘y’黄色
‘k’黑色
‘w’白色

当然也可以自定义颜色类型,例如:SeaGreen、#8FBC8F 等,完整样式可以参考 HTML 颜色值。

# 实例 3
import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, color = 'r')
plt.show()
# 实例 4
import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, c = '#8FBC8F')
plt.show()

# 实例 5
import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, c = 'SeaGreen')
plt.show()

线的宽度

线的宽度可以使用 linewidth 参数来定义,简写为 lw,值可以是浮点数,如:1、2.0、3.14 等。

# 实例 6
import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, linewidth = '12.5')
plt.show()

多条线

plot() 方法中可以包含多对 x,y 值来绘制多条线。

# 实例 7
import matplotlib.pyplot as plt
import numpy as np

y1 = np.array([3, 7, 5, 9])
y2 = np.array([6, 2, 13, 10])

plt.plot(y1)
plt.plot(y2)

plt.show()

x 的值默认设置为 [0, 1, 2, 3],我们也可以自己设置 x 坐标等值。

# 实例 8
import matplotlib.pyplot as plt
import numpy as np

x1 = np.array([0, 1, 2, 3])
y1 = np.array([3, 7, 5, 9])
x2 = np.array([0, 1, 2, 3])
y2 = np.array([6, 2, 13, 10])

plt.plot(x1, y1, x2, y2)
plt.show()

后记

今天学习的是Python Matplotlib 绘图线学会了吗。 今天学习内容总结一下:

  1. Matplotlib 绘图线
  2. 线的类型
  3. 线的颜色
  4. 线的宽度
  5. 多条线
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,关于Python 3D绘图以及Kmeans机器学习之3D Matplotlib绘图,我可以提供一些基本的信息,希望对你有所帮助。 Python中的Matplotlib库是一个数据可视化工具,可以绘制出各种类型的图表,包括2D和3D图表。在进行3D绘图时,需要引入Matplotlib库中的mplot3d子库。 K-means算法是一种聚类算法,可以将一组数据分为多个类别,每个类别中的数据具有相似的特征。K-means算法的核心思想是通过计算数据之间的距离,将数据划分到最近的簇中,并不断调整簇的中心点,直到达到最优的聚类效果。 在Python中,可以使用sklearn库中的KMeans类来实现K-means算法。在实现3D绘图时,可以使用Matplotlib库中的mplot3d子库中的Axes3D类来创建3D坐标轴,并使用scatter3D函数绘制散点图。 具体的代码实现可以参考以下示例: ```python import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn.cluster import KMeans # 生成随机数据 np.random.seed(5) data = np.random.normal(size=[100, 3]) # 使用K-means算法进行聚类 kmeans = KMeans(n_clusters=3).fit(data) labels = kmeans.labels_ # 绘制3D散点图 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') ax.scatter3D(data[:, 0], data[:, 1], data[:, 2], c=labels) plt.show() ``` 这段代码可以生成100个随机数据,然后使用K-means算法将其分为3类,并绘制成3D散点图。你可以根据自己的需要修改数据和参数,实现不同类型的3D图表和K-means聚类效果的可视化展示。

“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

打赏作者

北岛末巷

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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