1,绘制折线图 plt.plot()
import numpy as np
import matplotlib.pyplot as plt
import math
lw = 0.2
t = np.linspace(0.0,2*math.pi,20)
signal = np.sin(t)
plt.figure(figsize=(5,3),dpi=400,facecolor="white")
plt.plot(t,signal,color="r",LineWidth=lw)
运行集结果如下图: 在fig.figure 中,figsize控制图片的宽度和长度,dpi控制分辨率,facecolor控制图片背景颜色,plt,plot中,LineWidth控制线条粗细
2.散点图 plt.scatter()
import numpy as np
import matplotlib.pyplot as plt
import math
lw = 0.2
t = np.linspace(0.0,2*math.pi,20)
signal = np.sin(t)
plt.figure(figsize=(3,1),dpi=400,facecolor="white")
plt.scatter(t,signal,color='r',s=10,marker='*',alpha=0.8,linewidths=0.2,edgecolors='black')
运行结果如下:
在plt.scatter 中,s控制散点的大小,marker控制散点的形状,alpha控制散点的 透明度,linewidths和edgecolors控制散点外围边界的宽度和颜色
3,统计图 plt.hist()
import numpy as np
import matplotlib.pyplot as plt
import math
data = np.random.randn(100000)
num_bins = 20
plt.figure(figsize=(4,3),dpi=400,facecolor="white")
plt.hist(data,bins=num_bins,density=True,color='b',linewidth=1,edgecolor='white')
运行结果如下:其中 np.random.randn(10000)是利用正态分布函数生成10000个随机的值;plt.hist中data是输入一维列表的数据,bins控制直方图的条数,density控制是否将频数转换为频率;color控制直方图的颜色,Lineidth和edgecolor控制间隙的宽度和颜色
4.填充图 plt.fill_between()
import numpy as np
import matplotlib.pyplot as plt
import math
lw = 0.2
t = np.linspace(0.0,8*math.pi,1000)
signal = np.sin(t)
y0 = np.zeros(1000)
plt.figure(figsize=(3,1),dpi=400,facecolor="white")
plt.plot(t,signal,color='r',linewidth=0.2)
plt.plot(t,y0,color='black',linewidth=0.2)
plt.fill_between(t,signal,y0,where=y0>signal,color='blue',alpha=0.5)
plt.fill_between(t,signal,y0,where=y0<=signal,color='red',alpha=0.5)
运行结果如下: plt.fill_between() 中where控制填充区域,alpha控制透明度