Matplotlib 系列之「绘制函数图像」

matplotlib 是 python 最著名的绘图库,它提供了一整套和 matlab 相似的命令 API,十分适合交互式进行绘图。

它的文档相当完备,并且 Gallery 页面 中有上百幅缩略图,打开之后都有源程序。因此如果你需要绘制某种类型的图,只需要在这个页面中浏览/复制/粘贴一下,基本上都能搞定。

这是要实现的效果图,利用 Matplotlib 绘制函数 y = x^2^ 的图像。

Matplotlib 系列之「绘制函数图像」

image

代码实现

import matplotlib.pyplot as plt

import numpy as np

# 定义 x 变量的范围 (-3,3) 数量 50

x=np.linspace(-3,3,50)

y=x**2

# Figure 并指定大小

plt.figure(num=3,figsize=(8,5))

# 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 --

plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x,y 轴的范围以及 label 标注

plt.xlim(-1,2)

plt.ylim(-2,3)

plt.xlabel('x')

plt.ylabel('y')

# 设置坐标轴刻度线

# Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个

new_ticks=np.linspace(-1,2,5)

plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)

plt.yticks([-2.2,-1,1,1.5,2.4],

[r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

# 设置坐标轴 gca() 获取坐标轴信息

ax=plt.gca()

# 使用.spines设置边框:x轴;将右边颜色设置为 none。

# 使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data)

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 移动坐标轴

# 将 bottom 即是 x 坐标轴设置到 y=0 的位置。

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data',0))

# 将 left 即是 y 坐标轴设置到 x=0 的位置。

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))

# 设置标签

ax.set_title('y = x^2',fontsize=14,color='r')

# 显示图像

plt.show()

首先一幅 Matplotlib 的图像组成部分介绍。

Matplotlib 系列之「绘制函数图像」

image

基本构成

在 matplotlib 中,整个图像为一个 Figure 对象。在 Figure 对象中可以包含一个或者多个 Axes 对象。每个 Axes(ax) 对象都是一个拥有自己坐标系统的绘图区域。

所属关系如下(图片来自网络):

Matplotlib 系列之「绘制函数图像」

image

图上:Title 为图像标题,Axis 为坐标轴, Label 为坐标轴标注,Tick 为刻度线,Tick Label 为刻度注释。

各个对象关系可以梳理成以下内容(图片来自网络):

Matplotlib 系列之「绘制函数图像」

image

Matplotlib 绘图步骤分析

Matplotlib 系列之「绘制函数图像」

image

注意

这里不讲解 matplotlib 的安装,我使用的是 Anaconda 的 notebook,因此,可以直接导入 matplotlib 的module,想要安装 Anaconda 的请查看的写的另一篇文章。

如果说不想使用 Anaconda,可以看看这篇推荐文章,教你如何安装 matplotlib(视频和文章教程)— 莫烦 Python -- Matplotlib

上面虽然贴了全部的代码,有 matplotlib 基础的人一看便懂,但是对于初学者来说,就比较抓脑了。

一、matplotlib 实现简单图像

Matplotlib 系列之「绘制函数图像」

image

使用 import 导入模块 matplotlib.pyplot,并简写成 plt 使用 import 导入模块 numpy,并简写成 np。

#导入 module

import matplotlib.pyplot as plt

import numpy as np

使用 np.linspace 定义 x:范围是 (-3,3),个数是50,仿真一维数据组 (x ,y) 表示曲线。

# 定义 x 变量的范围 (-3,3) 数量 50

x=np.linspace(-3,3,50)

y=x**2

使用 plt.figure 定义一个图像窗口,使用 plt.plot 画 (x ,y) 曲线,使用 plt.show 显示图像。

#绘制及显示

plt.figure()

plt.plot(x, y)

plt.show()

最终代码

import matplotlib.pyplot as plt

import numpy as np

# 定义 x 变量的范围 (-3,3) 数量 50

x=np.linspace(-3,3,50)

y=x**2

plt.figure()

plt.plot(x, y)

plt.show()

运行结果

Matplotlib 系列之「绘制函数图像」

image

看到这个,是不是和最终效果图差距很大,没关系,我们接着往下看。

二、设置 Figure 图像

使用 plt.figure 定义一个图像窗口:编号为 3,大小为 (8, 5)。使用plt.plot画(x ,y)曲线,曲线的颜色属性(color)为红色。曲线的宽度(linewidth)为1.0。曲线的类型(linestyle)为虚线, 使用plt.show显示图像。

plt.figure(num=3,figsize=(8,5))

plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

最终代码

import matplotlib.pyplot as plt

import numpy as np

# 定义 x 变量的范围 (-3,3) 数量 50

x=np.linspace(-3,3,50)

y=x**2

# Figure 并指定大小

plt.figure(num=3,figsize=(8,5))

# 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 --

plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

plt.show()

运行效果

Matplotlib 系列之「绘制函数图像」

image

三、设置坐标轴

设置 x,y 轴坐标范围及标注 label

使用 plt.xlim 设置x坐标轴范围:(-1, 2); 使用 plt.ylim 设置 y 坐标轴范围:(-2, 3);

使用 plt.xlabel 设置 x 坐标轴名称:’x’; 使用 plt.ylabel 设置 y 坐标轴名称:’I am y’;

代码实现

import matplotlib.pyplot as plt

import numpy as np

# 定义 x 变量的范围 (-3,3) 数量 50

x=np.linspace(-3,3,50)

y=x**2

# Figure 并指定大小

plt.figure(num=3,figsize=(8,5))

# 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 --

plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x,y 轴的范围以及 label 标注

plt.xlim(-1,2)

plt.ylim(-2,3)

plt.xlabel('x')

plt.ylabel('y')

plt.show()

运行结果

Matplotlib 系列之「绘制函数图像」

image

设置 x, y 刻度范围及刻度标注

设置 x 轴:使用 np.linspace 定义范围以及个数:范围是(-1,2); 个数是 5。

使用 plt.xticks 设置 x 轴刻度:范围是(-1,2); 个数是5。

设置 y 轴:使用 plt.yticks 设置 y 轴刻度以及名称:刻度为 [-2, -1.8, -1, 1.22, 3];对应刻度的名称为 [‘really bad’,’bad’,’normal’,’good’, ‘really good’]。

# 设置坐标轴刻度线

# Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个

new_ticks=np.linspace(-1,2,5)

plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)

plt.yticks([-2.2,-1,1,1.5,2.4],

[r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

最终代码

import matplotlib.pyplot as plt

import numpy as np

# 定义 x 变量的范围 (-3,3) 数量 50

x=np.linspace(-3,3,50)

y=x**2

# Figure 并指定大小

plt.figure(num=3,figsize=(8,5))

# 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 --

plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x,y 轴的范围以及 label 标注

plt.xlim(-1,2)

plt.ylim(-2,3)

plt.xlabel('x')

plt.ylabel('y')

# 设置坐标轴刻度线

# Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个

new_ticks=np.linspace(-1,2,5)

plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)

plt.yticks([-2.2,-1,1,1.5,2.4],

[r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

# 显示图像

plt.show()

运行效果,注意看 x, y 轴刻度以及标注变化

Matplotlib 系列之「绘制函数图像」

image

四、移动坐标轴

隐藏右边框和上边框:

  1. 使用 plt.gca 获取当前坐标轴信息。
  2. 使用 .spines 设置边框:右侧边框;使用.set_color设置边框颜色:默认白色;
  3. 使用 .spines 设置边框:上边框;使用.set_color设置边框颜色:默认白色;

调整坐标轴至中心(将 left 边框调整到 x=0 处,将 bottom 边框调整到 y=0 处):

  1. 使用 .xaxis.set_ticks_position 设置 x 坐标刻度数字或名称的位置:bottom。(所有位置:top,bottom,both,default,none)。
  2. 使用 .spines 设置边框:x 轴;使用 .set_position设置边框位置:y=0 的位置;(位置所有属性:outward,axes,data)

# 设置坐标轴 gca() 获取坐标轴信息

ax=plt.gca()

# 使用.spines设置边框:x轴;将右边颜色设置为 none。

# 使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data)

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 移动坐标轴

# 将 bottom 即是 x 坐标轴设置到 y=0 的位置。

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data',0))

# 将 left 即是 y 坐标轴设置到 x=0 的位置。

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))

最终代码

import matplotlib.pyplot as plt

import numpy as np

# 定义 x 变量的范围 (-3,3) 数量 50

x=np.linspace(-3,3,50)

y=x**2

# Figure 并指定大小

plt.figure(num=3,figsize=(8,5))

# 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 --

plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x,y 轴的范围以及 label 标注

plt.xlim(-1,2)

plt.ylim(-2,3)

plt.xlabel('x')

plt.ylabel('y')

# 设置坐标轴刻度线

# Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个

new_ticks=np.linspace(-1,2,5)

plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)

plt.yticks([-2.2,-1,1,1.5,2.4],

[r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

# 设置坐标轴 gca() 获取坐标轴信息

ax=plt.gca()

# 使用.spines设置边框:x轴;将右边颜色设置为 none。

# 使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data)

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 移动坐标轴

# 将 bottom 即是 x 坐标轴设置到 y=0 的位置。

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data',0))

# 将 left 即是 y 坐标轴设置到 x=0 的位置。

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))

# 显示图像

plt.show()

运行结果

Matplotlib 系列之「绘制函数图像」

image

五、设置标题

使用 .set_title 设置标题,声明标题为 y = x^2^,字体大小 14,颜色为 red。

# 设置标签

ax.set_title('y = x^2',fontsize=14,color='r')

最终代码

import matplotlib.pyplot as plt

import numpy as np

# 定义 x 变量的范围 (-3,3) 数量 50

x=np.linspace(-3,3,50)

y=x**2

# Figure 并指定大小

plt.figure(num=3,figsize=(8,5))

# 绘制 y=x^2 的图像,设置 color 为 red,线宽度是 1,线的样式是 --

plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x,y 轴的范围以及 label 标注

plt.xlim(-1,2)

plt.ylim(-2,3)

plt.xlabel('x')

plt.ylabel('y')

# 设置坐标轴刻度线

# Tick X 范围 (-1,2) Tick Label(-1,-0.25,0.5,1.25,2) 刻度数量 5 个

new_ticks=np.linspace(-1,2,5)

plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ,Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)

plt.yticks([-2.2,-1,1,1.5,2.4],

[r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

# 设置坐标轴 gca() 获取坐标轴信息

ax=plt.gca()

# 使用.spines设置边框:x轴;将右边颜色设置为 none。

# 使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data)

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 移动坐标轴

# 将 bottom 即是 x 坐标轴设置到 y=0 的位置。

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data',0))

# 将 left 即是 y 坐标轴设置到 x=0 的位置。

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))

# 设置标签

ax.set_title('y = x^2',fontsize=14,color='r')

# 显示图像

plt.show()

运行结果

Matplotlib 系列之「绘制函数图像」

image

最后,附上 matplotlib 整体结构图(图片来自网络):

Matplotlib 系列之「绘制函数图像」

image

推荐阅读

来北京的日子

这么多年都白学了,原来是方法没有用对

贝斯狸的 Python 之旅 -- 深入切片操作及原理

墙裂推荐 Anaconda | 安利 Python IDE

编程界的半壁江山

好书推荐

统计学习方法

最近正在研究机器学习中的算法和公式,朋友给我推荐了这本书,经过一番考察,总算是觉得这本书对得起读者,也值得推荐。

李航,日本京都大学电气工程系毕业,日本东京大学计算机科学博士。曾任职于日本 NEC 公司中央研究所,微软亚洲研究院高级研究员及主任研究员,现任华为诺亚方舟实验室首席科学家。北京大学、南开大学、西安交通大学客座教授。研究方向包括信息检索、自然语言处理、统计机器学习及数据挖掘。

豆瓣简介

详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。

Matplotlib 系列之「绘制函数图像」

image

思维力:高效的系统思维

王世民,深圳尔雅 CEO,YouCore 创始人,知乎专栏“框架的力量”作者。

一个矛盾体。心里挺鄙视学历,但不小心念了名校、拿了硕士;崇尚个人自由,但又创办公司绑死了自己;特不喜欢教书,但现在干着培训。一个不安分的人。短短十来年,当过苦逼的IT码农、做过装逼的咨询顾问、现在干着土鳖的民企老板。

这本书对我的思维能力提升帮助蛮大的,书中提供的很多学习方法都值得借鉴,自从阅读了本书以后,我也喜欢画脑图总结,不断尝试系统学习。我强烈建议读者们去看看【框架的力量】的专栏,对提高你的思维和学习效率很有帮助。

豆瓣简介

“真正有用”正是这本书不同于其它思维书籍之处!

你有没有遇到过以下窘境——分析时想不明白、表达时说不清楚、学习时学不快速?你想不想全面提升你的思维能力?你知道问题解决技巧和表达技巧有哪些吗?

此书中有你想知道的答案。

本书分为 3 个部分共 10 章,各章可自成体系地解决一个问题,同时整书又形成一套体系化的系统思维。

第一部分探秘了“框架”力量的根源。万事万物的本质其实是一个个的系统,而掌握了系统的“框架”也就把握了事物的本质。没有什么问题是不能利用框架解决的,如果一个不行,那就两个。

第二部分将运用“框架”解决问题分解为五个步骤——界定问题、构建框架、明晰关键、高效执行及检查调整,并精炼了相应的优秀思考方法和工具。此外,还传授了在有限时间、有限资源限制下高质量地解决问题的秘诀——“假设思考”。

第三部分传授如何运用“框架”有效表达。逐层递进地演示了自上而下表达的魅力,并用丰富的图表阐述了何为“形象化表达”。

对于想全面提升思维能力的读者,建议按照本书章节顺序阅读;对于迫切想寻求具体问题解决技巧或表达技巧的读者,也可以直接阅读相应章节。

Matplotlib 系列之「绘制函数图像」

image

想要书籍的请在后台留言【180803】获取这两本书的 PDF 版,【思维力:高效的系统思维】附视频教程,希望在学习的道路上,我们能少走弯路,我会尽量推荐自己读过的好书,希望读者们能跟着我一起多读书,读好书。

Matplotlib 系列之「绘制函数图像」

image

  • 4
    点赞
  • 2
    评论
  • 31
    收藏
  • 打赏
    打赏
  • 扫一扫,分享海报

©️2022 CSDN 皮肤主题:大白 设计师:CSDN官方博客 返回首页

打赏作者

weixin_34397291

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
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、C币套餐、付费专栏及课程。

余额充值