python科学计算和数据可视化——Matplotlib

Matplotlib（https://matplotlib.org/）是一个用来绘图的python库,它的matplotlib.pyplot模块提供了一个绘图系统。

matplotlib中最重要的函数就plot，它可以绘制二维图像

使用subplot函数，你就可以在同一个图像里绘制多个子图

1.  
   #1.matplotlib小测试
2.  
   import matplotlib.pyplot as plt #导入可视化库
3.  
    
4.  
   plt.plot([4,1,4],[1,3,4],[1,3,4],[4,1,4])
5.  
   #给图表拐点坐标赋值（当为一组数据时默认为y坐标，如果是两组或以上为（x,y)
6.  
    
7.  
   plt.savefig('test0',dpi=600) #保存图表到当前位置
8.  
   plt.savefig('../picture/test0',dpi=600) #保存图表到指定位置
9.  
   plt.axis([1,8,1,10]) #定义xy轴的区域范围
10.  
    plt.show() #在窗口显示图表

1.  
   #2.matplotlib综合测试
2.  
   import matplotlib.pyplot as plt
3.  
    
4.  
   plt.plot([4,1,4],[1,3,4],[1,3,4],[4,1,4])
5.  
   plt.xlabel('Grade')
6.  
   plt.ylabel('Course')
7.  
   plt.savefig('test1',dpi=600) #保存图表到当前位置
8.  
   plt.savefig('../picture/test1',dpi=600) #保存图表到指定位置
9.  
   plt.axis('equal') #定义xy轴的区域范围
10.  
    plt.show() #在窗口显示图表

                 1.matplotlib小测试                                                        2.matplotlib综合测试

3.同一区域绘制多图

1.  
   #3.同一绘图区域绘制多图
2.  
    
3.  
   import numpy as np #导入科学计算库
4.  
   import matplotlib.pyplot as plt
5.  
    
6.  
   a=np.arange(0,150,2)
7.  
   plt.plot(a,a*1.5,'ro-',label='a')
8.  
   plt.plot(a,a*2.5,'gx--',label='b')
9.  
   plt.plot(a,a*3.5,'y*',label='c')
10.  
    plt.plot(a,a*4.5,'bs-',label='d')
11.  
    plt.plot(a,a*5.5,'mH--',label='e')
12.  
     
13.  
    plt.savefig('test2',dpi=600)
14.  
    plt.savefig('../picture/test2',dpi=600)
15.  
    plt.legend()
16.  
    plt.show()

 4.多区域绘图

1.  
   #4.多区域绘图
2.  
   import numpy as np
3.  
   import matplotlib.pyplot as plt
4.  
    
5.  
   def f(t):
6.  
   return np.exp(-t)*np.cos(2*np.pi*t)
7.  
    
8.  
   a=np.arange(0,5,0.02)
9.  
    
10.  
    plt.subplot(321)
11.  
    plt.plot(a,f(a))
12.  
     
13.  
    plt.subplot(323)
14.  
    plt.plot(a,np.cos(2*np.pi*a),'-.',color='r')
15.  
     
16.  
    plt.subplot(324)
17.  
    plt.plot(a,np.sin(2*np.pi*a),'--',color='g')
18.  
     
19.  
    plt.subplot(325)
20.  
    plt.plot(a,np.tan(2*np.pi*a),':',color='m')
21.  
     
22.  
    plt.savefig('test3',dpi=600)
23.  
    plt.savefig('../picture/test3',dpi=600)
24.  
    plt.show()

 5.饼图绘制

1.  
   #5.饼图绘制
2.  
   import matplotlib.pyplot as plt
3.  
   labels='Frogs','Hogs','Dogs','Logs'
4.  
   sizes=[15,30,45,10]
5.  
   explode=(0,0.1,0,0)
6.  
    
7.  
   plt.pie(sizes,explode,labels,autopct='%1.1f%%',shadow=True,startangle=90)
8.  
   plt.axis('equal')
9.  
    
10.  
    plt.savefig('test4',dpi=600)
11.  
    plt.savefig('../picture/test4',dpi=600)
12.  
    plt.show()

 6.条形图绘制

1.  
   #6.条形图绘制
2.  
   #绘制2018所到2021年中国大陆地区生产口罩总量的条形图
3.  
   import numpy as np
4.  
   import matplotlib.pyplot as plt
5.  
    
6.  
   datearr=['2018Y','2019Y','2020Y','2021Y']
7.  
   num_masks=np.asarray([45.4,50,62.2,77])
8.  
   plt.bar(datearr,num_masks,width=0.3)
9.  
   plt.xlabel('2018年- -2021年',fontproperties='SimHei',fontsize=10)
10.  
    plt.ylabel('数量/亿只',fontproperties='SimHei',fontsize=10)
11.  
    plt.title('2018年—2021年中国大陆地区口罩生产量',fontproperties='SimHei',fontsize=15)
12.  
     
13.  
    plt.savefig('test5',dpi=600)
14.  
    plt.savefig('../picture/test5',dpi=600)
15.  
    plt.show()

不畏将来，不念过往

这篇好文章是转载于：学新通技术网