python 中gcd用法_Python中Matplotlib的基本用法

简单演示

import matplotlib.pyplot as pltimport numpy as np# 从[-1,1]中等距去50个数作为x的取值x = np.linspace(-1, 1, 50)print(x)y = 2*x + 1# 第一个是横坐标的值，第二个是纵坐标的值plt.plot(x, y)# 必要方法，用于将设置好的figure对象显示出来plt.show()

import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-1, 1, 50)y = 2**x + 1# 第一个是横坐标的值，第二个是纵坐标的值plt.plot(x, y)  plt.show()

显示多个图像

import matplotlib.pyplot as pltimport numpy as np# 多个figurex = np.linspace(-1, 1, 50)y1 = 2*x + 1y2 = 2**x + 1# 使用figure()函数重新申请一个figure对象# 注意，每次调用figure的时候都会重新申请一个figure对象plt.figure()# 第一个是横坐标的值，第二个是纵坐标的值plt.plot(x, y1)# 第一个参数表示的是编号，第二个表示的是图表的长宽plt.figure(num = 3, figsize=(8, 5))# 当我们需要在画板中绘制两条线的时候，可以使用下面的方法：plt.plot(x, y2)plt.plot(x, y1,          color='red',   # 线颜色         linewidth=1.0,  # 线宽          linestyle='--'  # 线样式        )plt.show()

这里会显示两个图像：

去除边框，指定轴的名称

import matplotlib.pyplot as pltimport numpy as np# 从[-1,1]中等距去50个数作为x的取值x = np.linspace(-1, 1, 50)y1 = 2*x + 1y2 = 2**x + 1# 请求一个新的figure对象plt.figure()# 第一个是横坐标的值，第二个是纵坐标的值plt.plot(x, y1)  # 设置轴线的lable(标签)plt.xlabel("I am x")plt.ylabel("I am y")plt.show()

同时绘制多条曲线

import matplotlib.pyplot as pltimport numpy as np# 从[-1,1]中等距去50个数作为x的取值x = np.linspace(-1, 1, 50)y1 = 2*x + 1y2 = 2**x + 1# num表示的是编号，figsize表示的是图表的长宽plt.figure(num = 3, figsize=(8, 5))  plt.plot(x, y2)# 设置线条的样式plt.plot(x, y1,          color='red',  # 线条的颜色         linewidth=1.0,  # 线条的粗细         linestyle='--'  # 线条的样式        )# 设置取值参数范围plt.xlim((-1, 2))  # x参数范围plt.ylim((1, 3))  # y参数范围# 设置点的位置new_ticks = np.linspace(-1, 2, 5)plt.xticks(new_ticks)# 为点的位置设置对应的文字。# 第一个参数是点的位置，第二个参数是点的文字提示。plt.yticks([-2, -1.8, -1, 1.22, 3],          [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$readly\ good$'])# gca = 'get current axis'ax = plt.gca()# 将右边和上边的边框(脊)的颜色去掉ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')# 绑定x轴和y轴ax.xaxis.set_ticks_position('bottom')ax.yaxis.set_ticks_position('left')# 定义x轴和y轴的位置ax.spines['bottom'].set_position(('data', 0))ax.spines['left'].set_position(('data', 0))plt.show()

多条曲线之曲线说明

import matplotlib.pyplot as pltimport numpy as np# 从[-1,1]中等距去50个数作为x的取值x = np.linspace(-1, 1, 50)y1 = 2*x + 1y2 = 2**x + 1# 第一个参数表示的是编号，第二个表示的是图表的长宽plt.figure(num = 3, figsize=(8, 5))  plt.plot(x, y2)plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')# 设置取值参数plt.xlim((-1, 2))plt.ylim((1, 3))# 设置lableplt.xlabel("I am x")plt.ylabel("I am y")# 设置点的位置new_ticks = np.linspace(-1, 2, 5)plt.xticks(new_ticks)plt.yticks([-2, -1.8, -1, 1.22,3],          [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$readly\ good$'])l1, = plt.plot(x, y2,                label='aaa'              )l2, = plt.plot(x, y1,                color='red',  # 线条颜色               linewidth = 1.0,  # 线条宽度               linestyle='-.',  # 线条样式               label='bbb'  #标签              )# 使用ｌｅｇｅｎｄ绘制多条曲线plt.legend(handles=[l1, l2],            labels = ['aaa', 'bbb'],            loc = 'best'          )plt.show()

多个figure，并加上特殊点注释

import matplotlib.pyplot as pltimport numpy as np# 从[-1,1]中等距去50个数作为x的取值x = np.linspace(-1, 1, 50)y1 = 2*x + 1y2 = 2**x + 1plt.figure(figsize=(12, 8))  # 第一个参数表示的是编号，第二个表示的是图表的长宽plt.plot(x, y2)plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')# gca = 'get current axis'ax = plt.gca()# 将右边和上边的边框(脊)的颜色去掉ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')# 绑定x轴和y轴ax.xaxis.set_ticks_position('bottom')ax.yaxis.set_ticks_position('left')# 定义x轴和y轴的位置ax.spines['bottom'].set_position(('data', 0))ax.spines['left'].set_position(('data', 0))# 显示交叉点x0 = 1y0 = 2*x0 + 1# s表示点的大小，默认rcParams['lines.markersize']**2plt.scatter(x0, y0, s = 66, color = 'b')# 定义线的范围，X的范围是定值，y的范围是从y0到0的位置# lw的意思是linewidth,线宽plt.plot([x0, x0], [y0, 0], 'k-.', lw= 2.5)# 设置关键位置的提示信息plt.annotate(r'$2x+1=%s$' %              y0,              xy=(x0, y0),              xycoords='data',                          xytext=(+30, -30),             textcoords='offset points',             fontsize=16,  # 这里设置的是字体的大小             # 这里设置的是箭头和箭头的弧度             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')            )# 在figure中显示文字信息# 可以使用\来输出特殊的字符\mu\ \sigma\ \alphaplt.text(0, 3,          r'$This\ is\ a\ good\ idea.\ \mu\ \sigma_i\ \alpha_t$',         fontdict={'size':16,'color':'r'})plt.show()

tick能见度设置

import matplotlib.pyplot as pltimport numpy as np# 从[-1,1]中等距去50个数作为x的取值x = np.linspace(-1, 1, 50)y = 2*x - 1plt.figure(figsize=(12, 8))  # 第一个参数表示的是编号，第二个表示的是图表的长宽# alpha是设置透明度的plt.plot(x, y, color='r', linewidth=10.0, alpha=0.5)# gca = 'get current axis'ax = plt.gca()# 将右边和上边的边框(脊)的颜色去掉ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')# 绑定x轴和y轴ax.xaxis.set_ticks_position('bottom')ax.yaxis.set_ticks_position('left')# 定义x轴和y轴的位置ax.spines['bottom'].set_position(('data', 0))ax.spines['left'].set_position(('data', 0))# 可以使用tick设置透明度for label in ax.get_xticklabels() + ax.get_yticklabels():    label.set_fontsize(12)    label.set_bbox(dict(facecolor='y', edgecolor='None', alpha=0.7))plt.show()

散点图

import matplotlib.pyplot as pltimport numpy as npn = 1024# 从[0]X = np.random.normal(0, 1, n)Y = np.random.normal(0, 1, n)T = np.arctan2(X, Y)plt.scatter(np.arange(5), np.arange(5))plt.xticks(())plt.yticks(())plt.show()

条形图

import matplotlib.pyplot as pltimport numpy as npn = 12X = np.arange(n)Y1 = (1 - X/float(n)) * np.random.uniform(0.5, 1.0, n)Y2 = (1 - X/float(n)) * np.random.uniform(0.5, 1.0, n)plt.figure(figsize=(12, 8))plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')for x, y in zip(X,Y1):    # ha: horizontal alignment水平方向    # va: vertical alignment垂直方向    plt.text(x, y+0.05, '%.2f' % y, ha='center', va='bottom')for x, y in zip(X,-Y2):    # ha: horizontal alignment水平方向    # va: vertical alignment垂直方向    plt.text(x, y-0.05, '%.2f' % y, ha='center', va='top')    # 定义范围和标签plt.xlim(-.5, n)plt.xticks(())plt.ylim(-1.25, 1.25)plt.yticks(())plt.show()

contour等高线图

import matplotlib.pyplot as pltimport numpy as npdef get_height(x, y):    # the height function    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)n = 256x = np.linspace(-3, 3, n)y = np.linspace(-3, 3, n)X, Y = np.meshgrid(x, y)plt.figure(figsize=(14, 8))# use plt.contourf to filling contours# X, Y and value for (X, Y) point# 横坐标、纵坐标、高度、 、透明度、cmap是颜色对应表# 等高线的填充颜色plt.contourf(X, Y, get_height(X, Y), 16, alpah=0.7, cmap=plt.cm.hot)  # use plt.contour to add contour lines# 这里是等高线的线C = plt.contour(X, Y, get_height(X, Y), 16, color='black', linewidth=.5)# adding labelplt.clabel(C, inline=True, fontsize=16)plt.xticks(())plt.yticks(())plt.show()

image图片显示

import matplotlib.pyplot as pltimport numpy as np# image dataa = np.array([0.313660827978, 0.365348418405, 0.423733120134,              0.365348418405, 0.439599930621, 0.525083754405,              0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)"""for the value of "interpolation", check this:http://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.htmlfor the value of "origin"= ['upper', 'lower'], check this:http://matplotlib.org/examples/pylab_examples/image_origin.html"""# 这是颜色的标注# 主要使用imshow来显示图片，这里暂时不适用图片来显示，采用色块的方式演示。plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')plt.colorbar(shrink=.90)  # 这是颜色深度的标注，shrink表示压缩比例plt.xticks(())plt.yticks(())plt.show()

3D数据图

import matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3Dfig = plt.figure(figsize=(12, 8))ax = Axes3D(fig)# 生成X，YX = np.arange(-4, 4, 0.25)Y = np.arange(-4, 4, 0.25)X,Y = np.meshgrid(X, Y)R = np.sqrt(X**2 + Y**2)# height valueZ = np.sin(R)# 绘图# rstride(row)和cstride(column)表示的是行列的跨度ax.plot_surface(X, Y, Z,                 rstride=1,  # 行的跨度                cstride=1,  # 列的跨度                cmap=plt.get_cmap('rainbow')  # 颜色映射样式设置               )# offset 表示距离zdir的轴距离ax.contourf(X, Y, Z, zdir='z', offest=-2, cmap='rainbow')ax.set_zlim(-2, 2)plt.show()

Subplot多合一显示

import matplotlib.pyplot as pltimport numpy as npplt.figure()# 将整个figure分成两行两列plt.subplot(2, 2, 1)# 第一个参数表示X的范围，第二个是y的范围plt.plot([0, 1], [0, 1])plt.subplot(222)plt.plot([0, 1], [0, 2])plt.subplot(223)plt.plot([0, 1], [0, 3])plt.subplot(224)plt.plot([0, 1], [0, 4])plt.show()

分格显示

subplot2grid

import matplotlib.pyplot as pltimport numpy as npimport matplotlib.gridspec as gridspecplt.figure()# 第一个元素表示将总的面板进行划分，划分为3行3列，# 第二个元素表示该面板从0行0列开始，列的跨度(colspan)为3列，行的跨度(rowspan)为1ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1)# 第一个元素的表示X的范围为[1,2]，第二个元素表示Y的范围为[1,2]ax1.plot([1, 2], [1, 2])ax1.set_title(r'$ax1\_title$')# 第一个元素表示将总的面板进行划分，划分为3行3列，# 第二个元素表示该面板从1行0列开始，列的跨度(colspan)为2列，行的跨度(rowspan)取默认值1ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)ax2.set_title(r'$ax2\_title$')# 第一个元素表示将总的面板进行划分，划分为3行3列，# 第二个元素表示该面板从1行2列开始，行的跨度(rowspan)为2列，列的跨度(colspan)取默认值1ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)ax3.set_title(r'$ax3\_title$')# 第一个元素表示将总的面板进行划分，划分为3行3列，# 第二个元素表示该面板从2行0列开始,行的跨度(rowspan)为2列，列的跨度(colspan)取默认值1ax4 = plt.subplot2grid((3, 3), (2, 0))ax4.set_title(r'$ax4\_title$')# 第一个元素表示将总的面板进行划分，划分为3行3列，# 第二个元素表示该面板从2行1列开始,行的跨度(rowspan)为2列，列的跨度(colspan)取默认值1ax5 = plt.subplot2grid((3, 3), (2, 1))ax5.set_title(r'$ax5\_title$')plt.tight_layout()plt.show()

Gridspec

import matplotlib.pyplot as pltimport numpy as npplt.figure()# 首先，定义网格的布局为3行3列gs = gridspec.GridSpec(3, 3)# 这里表示从0行全部都是ax1的ax1 = plt.subplot(gs[0, :])ax1.set_title(r'$ax1\_title$')# 这里表示第一行中0列和1列都是ax2的ax2 = plt.subplot(gs[1, :2])ax2.set_title(r'$ax2\_title$')# 这里表示第一行中2列是ax3的ax3 = plt.subplot(gs[1:, 2])ax3.set_title(r'$ax3\_title$')# 这里表示最后一行中0列是ax4的ax4 = plt.subplot(gs[-1, 0])ax4.set_title(r'$ax4\_title$')# 这里表示最后一行中倒数第二列是ax5的ax5 = plt.subplot(gs[-1, -2])ax5.set_title(r'$ax5\_title$')plt.tight_layout()plt.show()

easy to define structure分格显示

import matplotlib.pyplot as pltimport numpy as npplt.figure()# sharex表示共享X轴，sharey表示共享y轴f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)# 显示点(1, 2), (1, 2)ax11.scatter([1, 2], [1, 2])ax11.set_title('11')ax12.set_title('11')ax21.set_title('21')ax22.set_title('22')plt.tight_layout()plt.show()

图中图

import matplotlib.pyplot as pltimport numpy as npfig = plt.figure(figsize=(10, 6))x = [1, 2, 3, 4, 5, 6, 7]y = [1, 3, 4, 2, 5, 8, 6]# 大图left, bottom, width, weight = 0.1, 0.1, 0.8, 0.8ax1 = fig.add_axes([left, bottom, width, weight])ax1.plot(x, y, 'r')ax1.set_xlabel(r'$x$')ax1.set_ylabel(r'$y$')ax1.set_title(r'$××Interesting××$')# 左上小图left, bottom, width, weight = 0.2, 0.6, 0.25, 0.25ax2 = fig.add_axes([left, bottom, width, weight])ax2.plot(y, x, 'b')ax2.set_xlabel(r'$x$')ax2.set_ylabel(r'$y$')ax2.set_title(r'$title\ inside\ 1$')# 右下小图plt.axes([0.6, 0.2, 0.25, 0.25])# 将y的数据逆序输出[::1]plt.plot(y[::-1],x, 'g')plt.xlabel('x')plt.ylabel('y')plt.title(r'$title\ inside\ 2$')plt.show()

主次坐标轴

import matplotlib.pyplot as pltimport numpy as np# 从[0, 10]以0.1为间隔，形成一个列表x = np.arange(0, 10, 0.1)y1 = 0.05 * x**2y2 = -1 * y1fig, ax1 = plt.subplots()# 镜像(上下左右颠倒)ax2 = ax1.twinx()ax1.plot(x, y1, 'g-')ax2.plot(x, y2, 'b--')# 为轴进行命名ax1.set_xlabel(r'$X\ data$', fontsize=16)ax1.set_ylabel(r'$Y1$', color='g', fontsize=16)ax2.set_ylabel(r'$Y2$', color='b', fontsize=16)plt.show()