用python画风景图_数据分析与展示---Matplotlib基本绘图函数

一：基本绘图函数(这里介绍16个，还有许多其他的)

二：pyplot饼图plt.pie的绘制

三：pyplot直方图plt.hist的绘制

(一)修改第二个参数bins:代表直方图的个数，均分为多段，取其中的每段均值

(二)normed为1代表我们要使用归一化数据(所占比例)在y轴，为0表示每个期间所占个数

四：pyplot极坐标图bar的绘制(角度空间内展示效果不错，在生活中不常用)

五：pyplot散点图的绘制(面向对象绘制：各种绘制函数变为当前图表区域对象的方法，这是推荐的方法)

六：引力波的绘制

一：基本绘图函数(这里介绍16个，还有许多其他的)

二：pyplot饼图plt.pie的绘制

import matplotlib

import matplotlib.pyplotasplt

labels= 'Frogs','Hogs','Dogs','Logs'sizes= [15,30,45,10]　　#这是各个区域所占的大小，不一定是100，会自动换算为百分比

explode= (0,0.1,0,0)　　#0.1是表示这个区域突出的程度

plt.pie(sizes,explode=explode,labels=labels,autopct="%1.1f%%",shadow=False,startangle=90)　　#explode是突出比例，startangle起始角度

plt.show()

plt.axis("equal")　　#将饼图变水平

三：pyplot直方图plt.hist的绘制

import numpy asnp

import matplotlib.pyplotasplt

np.random.seed(0)

mu,sigma= 100,20#均值和标准差

a= np.random.normal(mu,sigma,size=100)　　#正态分布，size=100，表示一维数组，长度100

plt.hist(a,20,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

plt.title("Histogram")

plt.show()

def hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False,

bottom=None, histtype='bar', align='mid', orientation='vertical',

rwidth=None, log=False, color=None, label=None, stacked=False,

hold=None, data=None, **kwargs):

(一)修改第二个参数bins:代表直方图的个数，均分为多段，取其中的每段均值

plt.hist(a,10,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

plt.hist(a,20,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

plt.hist(a,40,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

(二)normed为1代表我们要使用归一化数据(所占比例)在y轴，为0表示每个期间所占个数

plt.hist(a,20,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

plt.hist(a,20,normed=0,histtype="stepfilled",facecolor="b",alpha=0.75)

四：pyplot极坐标图的绘制(角度空间内展示效果不错，在生活中不常用)

import numpy asnp

import matplotlib.pyplotasplt

N= 20　　#表示极坐标图中数据的个数theta= np.linspace(0.0,2*np.pi,N,endpoint=False)　　#起始值0，结束值2∏，元素个数(等分角度)，是否将最后结束值放入数据

radii= 10*np.random.rand(N)　　#生成每个元素对应的值，一维数组含20列

width= np.pi/4*np.random.rand(N)　　#∏/4*np.random..rand(N) 生成宽度值

ax= plt.subplot(111,projection="polar")　　#111绘制一个绘图区域，projection给出了polar绘制极坐标图的指示

bars= ax.bar(theta,radii,width=width,bottom=0.0)　　#left(绘制极坐标区域中那些颜色区域的时候是从哪开始的),height(中心点到边缘的长度),width(每个绘图区域在角度范围内辐射的面积)for r,bar inzip(radii,bars):

bar.set_facecolor(plt.cm.viridis(r/10.))　　#使用for循环对每一个绘图区域进行颜色和透明度的设置，若是没有这个那么全是蓝色

bar.set_alpha(0.5)

plt.show()

修改N和width

N = 10width= np.pi/2*np.random.rand(N)

五：pyplot散点图的绘制(面向对象绘制：各种绘制函数变为当前图表区域对象的方法，这是推荐的方法)

import numpy asnp

import matplotlib.pyplotasplt

fig, ax=plt.subplots()　　#返回图表以及图表相关的区域，为空代表绘制区域为111

ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')　　#randn标准正态分布，有100个元素在一维数组中,乘以10，使值分布大些，plot参数x,y‘o’是实心圆标记

ax.set_title("Simple Scatter")

plt.show()

补充：

subplots和subplot方法作用相似：

subplots会返回一个图表和图表相关的区域

subplot只会返回区域

六：引力波的绘制

import numpy asnp

import matplotlib.pyplotaspltfromscipy.io import wavfile #读取波形文件的库

rate_h, hstrain= wavfile.read(r"H1_Strain.wav") #读取下载好的音频文件，当文件符里面出现反斜杠时等转义特殊字符时，在字符前面添加2，表示原始的字符串

rate_l, hstrain= wavfile.read(r"L1_Strain.wav") #将结果赋给速率rate和数据strain

reftime,ref_H1= np.genfromtxt("wf_template.txt").transpose() #获取提供的理论模型，时间序列和信号的数据

htime_interval= 1/rate_h #求倒数，获取波形的时间间隔

ltime_interval= 1/rate_l

htime_len= hstrain.shape[0]/rate_h #hstrain是一个矩阵，shape[0]代表当前第一维度数据，数据点的个数，初一相应的rate，就可以获取在坐标轴上的总长度

htime= np.arange(-htime_len/2,htime_len/2,htime_interval) #绘制以原点为中心对称图形

ltime_len= lstrain.shape[0]/rate_h

ltime= np.arange(-ltime_len/2,ltime_len/2,ltime_interval)

fig= plt.figure(figsize=(12,6)) #创建一个大小为12*6的绘图区域

plth= fig.add_subplot(221) #将窗口绘制为2*2区域选取第1个区域

plth.plot(htime,hstrain,'y')

plth.set_xlabel("Time(Second)")

plth.set_ylabel("H1 Strain")

plth.set_title("H1 Strain")

plth= fig.add_subplot(222) #将窗口绘制为2*2区域选取第2个区域

plth.plot(ltime,lstrain,'g')

plth.set_xlabel("Time(Second)")

plth.set_ylabel("L1 Strain")

plth.set_title("L1 Strain")

plth= fig.add_subplot(212) #在这个图表分为两行一列取第二行

plth.plot(reftime,ref_H1)

plth.set_xlabel("Time(Second)")

plth.set_ylabel("Template Strain")

plth.set_title("Template")

fig.tight_layout()

fig.tight_layout()　　#自动调整图像外部边缘

plt.savefig("./Gravitational_Waves_Original.png")

plt.show()

plt.close(fig)

#genfromtxt主要执行两个运算循环，第一个是将文件每一行都转换为字符串序列，第二个循环是将每个字符串序列转换为相应的数据类型，

#使用genfromtxt获取的是一个两行的矩阵

#使用transpose进行转置，赋给两个数组'''[1,2]

[2,3]

[2,4]

.....

[5,6]------------>转置

[1,2,2,...,5]

[2,3,4,...,6]'''

总结