python plt画图_python plt.plot()绘图

推荐用电脑绘图, 如果是安卓手机, 推荐  应用汇 -->  pydroid.

# 本文的命令都要调用的包包,

# 此外再次强调for <条件>要加冒号:回车后循环体要加四个空格

import numpy as np

import matplotlib.pyplot as plt

02db465212d3c374a43c60fa2625cc1caeaab796.png

一.   plt.plot() 参数篇

# marker 大全

x=np.array([-1,0,1])

y=np.array([-1,0,2])

mk='.,ov^<>1234sp*hH+xDd|_'

for i in mk:

plt.plot(x,y+mk.index(i)/10,marker=i) # 上移

plt.show()23b280508bb778319cb66e82b0d2d73a73a6f8c6.png

# linestyle 大全

ls=['-','--','-.',':','']

for i in range(len(ls)):

plt.plot(x,y+i/10,linestyle=ls[i])

plt.show()f379885a33e4d484331b6e3bdd30df887db2f412.png

# color 默认颜色大全, 还有十六进制颜色可选哦

lc='bgrcmykw'

for i in lc:

plt.plot(x,y+lc.index(i),color=i)

plt.show()852258c60da60d2b01be061e70a232093a21c3c5.png

02db465212d3c374a43c60fa2625cc1caeaab796.png

二. 常见基本初等函数绘图篇(numpy 真香)

# np.linespace分片线性差值 欺骗自己的眼睛

for i in range(1,17):

x=np.linspace(0,2*np.pi,i*2)

y=np.sin(x)

plt.subplot(4,4,i)  # 多子图利器

plt.plot(x,y,linestyle='-')

plt.show()59d339f98f3c17d29a2f8b74595828c081b8f1aa.png

#多项式函数

for i in range(0,4):

plt.subplot(2,2,i+1)

x=np.linspace(-2,2,121)

y=x**(i+1)

plt.plot(x,y,linestyle='-')

plt.grid()

plt.show()156a8f420c54c8853d4f17fc24306871030f4d2e.png

# 指数函数 对数函数

x=np.linspace(np.exp(-2),np.exp(2),121)

t=np.linspace(-2,2,121)

plt.plot(x,np.log(x))

plt.plot(t,np.exp(t))

plt.plot(2*t,2*t)

plt.grid() # 网格

plt.legend(['y=ln(x)','y=exp(x)','y=x'])  # 对应曲线的标签

plt.show()a785c1af46ce6e1cb8c49ff775ab209bf3ade1b1.png

# np.linespace 反比例函数

t=np.linspace(-6,6,401)

plt.plot(t,1/t)

plt.plot(t,1/(t+3))

plt.plot(t,-1/t,color='r')

plt.grid()

plt.legend(['y=1/x','y=1/(x+3)','y=-1/x'])

plt.show()d2d7fb8c4a4e61d69d013048223d8771f6108351.png

# np.linespace 三角函数 cos vs sin

t=np.linspace(0,4*np.pi,121)

plt.plot(t,np.sin(t))

plt.plot(t,np.cos(t))

plt.grid(alpha=0.5)

plt.legend(['y=sin(t)','y=cos(t)'])

plt.show()e9f99a7de91bd8ec2d2481e84f1aebaf98cd04e8.png

# np.linespace 三角函数 tan

t=np.linspace(-np.pi*3/7,np.pi*3/7,121)

plt.plot(t,np.tan(t),'b',t+np.pi,np.tan(t),'b')

plt.plot([np.pi/2,np.pi/2],[-5,5],':')

plt.text(np.pi/2,0,'(π/2,0)')

plt.grid(alpha=0.5)

plt.legend(['y=tan(t)'])

plt.show()b15a1211cc40a3217bdbe0e4348c421d1687a11e.png

# 函数的切线  泰勒级数的一阶展开

x=np.linspace(0,2*np.pi,121)

p=np.linspace(0,2*np.pi,13)

for i in range(0,13):

plt.subplot(4,4,i+1)

plt.plot(x,np.sin(x),linestyle='--')

plt.plot(p[i],np.sin(p[i]),'p')

plt.plot(x,np.cos(p[i])*(x-p[i])+np.sin(p[i]))

# 切线方程 f(x0)+f'(x0)(x-x0)

plt.axis([0,2*np.pi,-5,5])

plt.show()4680598b289ac391c82a65c16c2e4c5e176b2bcf.png

#   泰勒级数的二阶展开

x=np.linspace(0,2*np.pi,121)

p=np.linspace(0,2*np.pi,13)

for i in range(0,13):

plt.subplot(4,4,i+1)

plt.plot(x,np.sin(x),linestyle='--')

plt.plot(p[i],np.sin(p[i]),'p')

plt.plot(x,np.sin(p[i])+np.cos(p[i])*(x-p[i])-np.sin(p[i])/2*(x-p[i])**2)

# 切线方程 f(x0)+f'(x0)(x-x0)+f''(x0)/2*(x-x0)^2

plt.axis([0,2*np.pi,-5,5])

plt.show()47c68e8d2db8f8c2723c6ef0508deb6a4c88b2f5.png

# 参数方程

x=np.linspace(0,2*np.pi,121)

plt.plot(np.cos(x),np.sin(x))

plt.plot(np.cos(x)/2,np.sin(x)/3)

plt.plot(np.cos(x)*(1-np.sin(x))/2,np.sin(x)*(1-np.sin(x))/2)

plt.grid()

plt.axis([-1.3,1.3,-1,1])

plt.legend(['circle','ellipsoid','heart'])

plt.show()8a8b09cd4deabe2d9c8d0b7d14e60c75d9c2620e.png

# 参数方程的切线 给自己挖坑...

x=np.linspace(0,2*np.pi,121)

p=np.linspace(0,2*np.pi,17)

k=np.array([-10,10])

for i in range(0,16):

plt.subplot(4,4,i+1)

plt.plot(np.cos(x)/2,np.sin(x)/3)

plt.plot(np.cos(p[i])/2-np.sin(p[i])/2* k  ,np.sin(p[i])/3+np.cos(p[i])*k/3)

plt.axis([-1.3,1.3,-1,1])

plt.grid()

plt.show()5a2105da68084c21db5679a734a3933996000f33.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,很高兴为您解答有关Python绘图函数的问题。pandas.DataFrame.plot() 是一个常用的 Python 绘图函数,它可以对 DataFrame 中的数据进行可视化展示,非常方便和实用。下面我将为您详细介绍这个函数。 pandas.DataFrame.plot() 函数是 pandas 库中的一个函数,它可以用来绘制 DataFrame 中的数据。这个函数可以支持多种类型的图形,包括线性图、散点图、柱状图、饼图等。在使用这个函数之前,需要先引入 pandas 和 matplotlib 库,例如: ```python import pandas as pd import matplotlib.pyplot as plt ``` 然后,我们就可以使用 DataFrame.plot() 函数来绘制图形了。这个函数的基本语法如下: ```python DataFrame.plot(kind='line', x=None, y=None, ax=None, subplots=False, figsize=None, title=None) ``` 其中,kind 参数表示要绘制的图形类型,x 和 y 参数分别表示数据中要作为 X 轴和 Y 轴的列名称,ax 参数用于指定绘图的坐标轴,subplots 参数表示是否将每个列绘制到单独的子图中,figsize 参数用于指定图形的大小,title 参数表示图形的标题。 下面给出几个示例: ```python # 示例1:绘制线性图 data = {'x': [1, 2, 3, 4, 5], 'y': [2, 4, 6, 8, 10]} df = pd.DataFrame(data) df.plot(kind='line', x='x', y='y') plt.show() # 示例2:绘制散点图 data = {'x': [1, 2, 3, 4, 5], 'y': [2, 4, 6, 8, 10]} df = pd.DataFrame(data) df.plot(kind='scatter', x='x', y='y') plt.show() # 示例3:绘制柱状图 data = {'x': ['A', 'B', 'C', 'D', 'E'], 'y': [2, 4, 6, 8, 10]} df = pd.DataFrame(data) df.plot(kind='bar', x='x', y='y') plt.show() ``` 以上就是 pandas.DataFrame.plot() 函数的基本介绍和示例。希望对您有所帮助!

“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
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