mirror of
https://github.com/Estom/notes.git
synced 2026-02-03 10:33:35 +08:00
机器学习
This commit is contained in:
estomm
@@ -1,279 +0,0 @@
|
||||
# 面向对象的绘图方式
|
||||
|
||||
|
||||
## 配置参数
|
||||
|
||||
* axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
|
||||
* figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
|
||||
* font: 字体集（font family）、字体大小和样式设置
|
||||
* grid: 设置网格颜色和线性
|
||||
* legend: 设置图例和其中的文本的显示
|
||||
* line: 设置线条（颜色、线型、宽度等）和标记
|
||||
* patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
|
||||
* savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
|
||||
* verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。
|
||||
* xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
|
||||
|
||||
|
||||
## 线条风格
|
||||
|
||||
线条风格linestyle或ls | 描述
|
||||
----|---
|
||||
‘-‘ |实线
|
||||
‘:’ |虚线
|
||||
‘–’ |破折线
|
||||
‘None’,’ ‘,’’ |什么都不画
|
||||
‘-.’ |点划线
|
||||
|
||||
## 线条标记
|
||||
|
||||
标记maker | 描述
|
||||
----|----
|
||||
‘o’ |圆圈
|
||||
‘.’ |点
|
||||
‘D’ |菱形
|
||||
‘s’ |正方形
|
||||
‘h’ |六边形1
|
||||
‘*’ |星号
|
||||
‘H’ |六边形2
|
||||
‘d’ |小菱形
|
||||
‘_’ | 水平线
|
||||
‘v’ |一角朝下的三角形
|
||||
‘8’ |八边形
|
||||
‘<’ | 一角朝左的三角形
|
||||
‘p’ |五边形
|
||||
‘>’ |一角朝右的三角形
|
||||
‘,’ |像素
|
||||
‘^’ | 一角朝上的三角形
|
||||
‘+’ | 加号
|
||||
‘\ ‘ |竖线
|
||||
‘None’,’’,’ ‘ |无
|
||||
‘x’ | X
|
||||
|
||||
|
||||
## 颜色
|
||||
|
||||
别名 | 颜色
|
||||
---|---
|
||||
b | 蓝色
|
||||
g |绿色
|
||||
r |红色
|
||||
y |黄色
|
||||
c |青色
|
||||
k |黑色
|
||||
m |洋红色
|
||||
w |白色
|
||||
|
||||
|
||||
## 绘图步骤
|
||||
|
||||
```py
|
||||
#使用numpy产生数据
|
||||
x=np.arange(-5,5,0.1)
|
||||
y=x*3
|
||||
|
||||
#创建窗口、子图
|
||||
#方法1：先创建窗口，再创建子图。（一定绘制）
|
||||
fig = plt.figure(num=1, figsize=(15, 8),dpi=80) #开启一个窗口，同时设置大小，分辨率
|
||||
ax1 = fig.add_subplot(2,1,1) #通过fig添加子图，参数：行数，列数，第几个。
|
||||
ax2 = fig.add_subplot(2,1,2) #通过fig添加子图，参数：行数，列数，第几个。
|
||||
print(fig,ax1,ax2)
|
||||
#方法2：一次性创建窗口和多个子图。（空白不绘制）
|
||||
fig,axarr = plt.subplots(4,1) #开一个新窗口，并添加4个子图，返回子图数组
|
||||
ax1 = axarr[0] #通过子图数组获取一个子图
|
||||
print(fig,ax1)
|
||||
#方法3：一次性创建窗口和一个子图。（空白不绘制）
|
||||
ax1 = plt.subplot(1,1,1,facecolor='white') #开一个新窗口，创建1个子图。facecolor设置背景颜色
|
||||
print(ax1)
|
||||
#获取对窗口的引用，适用于上面三种方法
|
||||
# fig = plt.gcf() #获得当前figure
|
||||
# fig=ax1.figure #获得指定子图所属窗口
|
||||
|
||||
# fig.subplots_adjust(left=0) #设置窗口左内边距为0，即左边留白为0。
|
||||
|
||||
#设置子图的基本元素
|
||||
ax1.set_title('python-drawing') #设置图体，plt.title
|
||||
ax1.set_xlabel('x-name') #设置x轴名称,plt.xlabel
|
||||
ax1.set_ylabel('y-name') #设置y轴名称,plt.ylabel
|
||||
plt.axis([-6,6,-10,10]) #设置横纵坐标轴范围，这个在子图中被分解为下面两个函数
|
||||
ax1.set_xlim(-5,5) #设置横轴范围，会覆盖上面的横坐标,plt.xlim
|
||||
ax1.set_ylim(-10,10) #设置纵轴范围，会覆盖上面的纵坐标,plt.ylim
|
||||
|
||||
xmajorLocator = MultipleLocator(2) #定义横向主刻度标签的刻度差为2的倍数。就是隔几个刻度才显示一个标签文本
|
||||
ymajorLocator = MultipleLocator(3) #定义纵向主刻度标签的刻度差为3的倍数。就是隔几个刻度才显示一个标签文本
|
||||
|
||||
ax1.xaxis.set_major_locator(xmajorLocator) #x轴 应用定义的横向主刻度格式。如果不应用将采用默认刻度格式
|
||||
ax1.yaxis.set_major_locator(ymajorLocator) #y轴 应用定义的纵向主刻度格式。如果不应用将采用默认刻度格式
|
||||
|
||||
ax1.xaxis.grid(True, which='major') #x坐标轴的网格使用定义的主刻度格式
|
||||
ax1.yaxis.grid(True, which='major') #x坐标轴的网格使用定义的主刻度格式
|
||||
|
||||
ax1.set_xticks([]) #去除坐标轴刻度
|
||||
ax1.set_xticks((-5,-3,-1,1,3,5)) #设置坐标轴刻度
|
||||
ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small') #设置刻度的显示文本，rotation旋转角度，fontsize字体大小
|
||||
|
||||
plot1=ax1.plot(x,y,marker='o',color='g',label='legend1') #点图：marker图标
|
||||
plot2=ax1.plot(x,y,linestyle='--',alpha=0.5,color='r',label='legend2') #线图：linestyle线性，alpha透明度，color颜色，label图例文本
|
||||
|
||||
ax1.legend(loc='upper left') #显示图例,plt.legend()
|
||||
ax1.text(2.8, 7, r'y=3*x') #指定位置显示文字,plt.text()
|
||||
ax1.annotate('important point', xy=(2, 6), xytext=(3, 1.5), #添加标注，参数：注释文本、指向点、文字位置、箭头属性
|
||||
arrowprops=dict(facecolor='black', shrink=0.05),
|
||||
)
|
||||
#显示网格。which参数的值为major(只绘制大刻度)、minor(只绘制小刻度)、both，默认值为major。axis为'x','y','both'
|
||||
ax1.grid(b=True,which='major',axis='both',alpha= 0.5,color='skyblue',linestyle='--',linewidth=2)
|
||||
|
||||
axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #在当前窗口添加一个子图，rect=[左, 下, 宽, 高]，是使用的绝对布局，不和以存在窗口挤占空间
|
||||
axes1.plot(x,y) #在子图上画图
|
||||
plt.savefig('aa.jpg',dpi=400,bbox_inches='tight') #savefig保存图片，dpi分辨率，bbox_inches子图周边白色空间的大小
|
||||
plt.show() #打开窗口，对于方法1创建在窗口一定绘制，对于方法2方法3创建的窗口，若坐标系全部空白，则不绘制
|
||||
|
||||
```
|
||||
|
||||
## plot属性
|
||||
|
||||
```py
|
||||
属性 值类型
|
||||
alpha 浮点值
|
||||
animated [True / False]
|
||||
antialiased or aa [True / False]
|
||||
clip_box matplotlib.transform.Bbox 实例
|
||||
clip_on [True / False]
|
||||
clip_path Path 实例， Transform，以及Patch实例
|
||||
color or c 任何 matplotlib 颜色
|
||||
contains 命中测试函数
|
||||
dash_capstyle ['butt' / 'round' / 'projecting']
|
||||
dash_joinstyle ['miter' / 'round' / 'bevel']
|
||||
dashes 以点为单位的连接/断开墨水序列
|
||||
data (np.array xdata, np.array ydata)
|
||||
figure matplotlib.figure.Figure 实例
|
||||
label 任何字符串
|
||||
linestyle or ls [ '-' / '--' / '-.' / ':' / 'steps' / ...]
|
||||
linewidth or lw 以点为单位的浮点值
|
||||
lod [True / False]
|
||||
marker [ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]
|
||||
markeredgecolor or mec 任何 matplotlib 颜色
|
||||
markeredgewidth or mew 以点为单位的浮点值
|
||||
markerfacecolor or mfc 任何 matplotlib 颜色
|
||||
markersize or ms 浮点值
|
||||
markevery [ None / 整数值 / (startind, stride) ]
|
||||
picker 用于交互式线条选择
|
||||
pickradius 线条的拾取选择半径
|
||||
solid_capstyle ['butt' / 'round' / 'projecting']
|
||||
solid_joinstyle ['miter' / 'round' / 'bevel']
|
||||
transform matplotlib.transforms.Transform 实例
|
||||
visible [True / False]
|
||||
xdata np.array
|
||||
ydata np.array
|
||||
zorder 任何数值
|
||||
```
|
||||
|
||||
## 多图绘制
|
||||
|
||||
```py
|
||||
#一个窗口，多个图，多条数据
|
||||
sub1=plt.subplot(211,facecolor=(0.1843,0.3098,0.3098)) #将窗口分成2行1列，在第1个作图，并设置背景色
|
||||
sub2=plt.subplot(212) #将窗口分成2行1列，在第2个作图
|
||||
sub1.plot(x,y) #绘制子图
|
||||
sub2.plot(x,y) #绘制子图
|
||||
|
||||
axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #添加一个子坐标系，rect=[左, 下, 宽, 高]
|
||||
plt.plot(x,y) #绘制子坐标系，
|
||||
axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y') #添加一个子坐标系，rect=[左, 下, 宽, 高]
|
||||
plt.plot(x,y)
|
||||
plt.show()
|
||||
```
|
||||
## 极坐标
|
||||
|
||||
```py
|
||||
fig = plt.figure(2) #新开一个窗口
|
||||
ax1 = fig.add_subplot(1,2,1,polar=True) #启动一个极坐标子图
|
||||
theta=np.arange(0,2*np.pi,0.02) #角度数列值
|
||||
ax1.plot(theta,2*np.ones_like(theta),lw=2) #画图，参数：角度，半径，lw线宽
|
||||
ax1.plot(theta,theta/6,linestyle='--',lw=2) #画图，参数：角度，半径，linestyle样式，lw线宽
|
||||
|
||||
ax2 = fig.add_subplot(1,2,2,polar=True) #启动一个极坐标子图
|
||||
ax2.plot(theta,np.cos(5*theta),linestyle='--',lw=2)
|
||||
ax2.plot(theta,2*np.cos(4*theta),lw=2)
|
||||
|
||||
ax2.set_rgrids(np.arange(0.2,2,0.2),angle=45) #距离网格轴，轴线刻度和显示位置
|
||||
ax2.set_thetagrids([0,45,90]) #角度网格轴，范围0-360度
|
||||
|
||||
plt.show()
|
||||
```
|
||||
|
||||
## 柱状图
|
||||
|
||||
```py
|
||||
plt.figure(3)
|
||||
x_index = np.arange(5) #柱的索引
|
||||
x_data = ('A', 'B', 'C', 'D', 'E')
|
||||
y1_data = (20, 35, 30, 35, 27)
|
||||
y2_data = (25, 32, 34, 20, 25)
|
||||
bar_width = 0.35 #定义一个数字代表每个独立柱的宽度
|
||||
|
||||
rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1') #参数：左偏移、高度、柱宽、透明度、颜色、图例
|
||||
rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2') #参数：左偏移、高度、柱宽、透明度、颜色、图例
|
||||
#关于左偏移，不用关心每根柱的中心不中心，因为只要把刻度线设置在柱的中间就可以了
|
||||
plt.xticks(x_index + bar_width/2, x_data) #x轴刻度线
|
||||
plt.legend() #显示图例
|
||||
plt.tight_layout() #自动控制图像外部边缘，此方法不能够很好的控制图像间的间隔
|
||||
plt.show()
|
||||
```
|
||||
|
||||
## 直方图
|
||||
|
||||
```py
|
||||
fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6)) #在窗口上添加2个子图
|
||||
sigma = 1 #标准差
|
||||
mean = 0 #均值
|
||||
x=mean+sigma*np.random.randn(10000) #正态分布随机数
|
||||
ax0.hist(x,bins=40,normed=False,histtype='bar',facecolor='yellowgreen',alpha=0.75) #normed是否归一化，histtype直方图类型，facecolor颜色，alpha透明度
|
||||
ax1.hist(x,bins=20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) #bins柱子的个数,cumulative是否计算累加分布，rwidth柱子宽度
|
||||
plt.show() #所有窗口运行
|
||||
```
|
||||
|
||||
## 散点图
|
||||
|
||||
```py
|
||||
fig = plt.figure(4) #添加一个窗口
|
||||
ax =fig.add_subplot(1,1,1) #在窗口上添加一个子图
|
||||
x=np.random.random(100) #产生随机数组
|
||||
y=np.random.random(100) #产生随机数组
|
||||
ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none') #x横坐标，y纵坐标，s图像大小，c颜色，marker图片，lw图像边框宽度
|
||||
plt.show() #所有窗口运行
|
||||
```
|
||||
|
||||
## 三维图
|
||||
|
||||
```py
|
||||
fig = plt.figure(5)
|
||||
ax=fig.add_subplot(1,1,1,projection='3d') #绘制三维图
|
||||
|
||||
x,y=np.mgrid[-2:2:20j,-2:2:20j] #获取x轴数据，y轴数据
|
||||
z=x*np.exp(-x**2-y**2) #获取z轴数据
|
||||
|
||||
ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8) #绘制三维图表面
|
||||
ax.set_xlabel('x-name') #x轴名称
|
||||
ax.set_ylabel('y-name') #y轴名称
|
||||
ax.set_zlabel('z-name') #z轴名称
|
||||
|
||||
plt.show()
|
||||
```
|
||||
|
||||
## 集合图形
|
||||
|
||||
```py
|
||||
fig = plt.figure(6) #创建一个窗口
|
||||
ax=fig.add_subplot(1,1,1) #添加一个子图
|
||||
rect1 = plt.Rectangle((0.1,0.2),0.2,0.3,color='r') #创建一个矩形，参数：(x,y),width,height
|
||||
circ1 = plt.Circle((0.7,0.2),0.15,color='r',alpha=0.3) #创建一个椭圆，参数：中心点，半径，默认这个圆形会跟随窗口大小进行长宽压缩
|
||||
pgon1 = plt.Polygon([[0.45,0.45],[0.65,0.6],[0.2,0.6]]) #创建一个多边形，参数：每个顶点坐标
|
||||
|
||||
ax.add_patch(rect1) #将形状添加到子图上
|
||||
ax.add_patch(circ1) #将形状添加到子图上
|
||||
ax.add_patch(pgon1) #将形状添加到子图上
|
||||
|
||||
fig.canvas.draw() #子图绘制
|
||||
plt.show()
|
||||
```
|
||||
359
Python/matplotlab/学习教程/02面向对象绘图实例.md
Normal file
359
Python/matplotlab/学习教程/02面向对象绘图实例.md
Normal file
@@ -0,0 +1,359 @@
|
||||
# 面向对象的绘图方式
|
||||
|
||||
> 在这里的实例中，面向对象的方法与命令行的方式进行了混用，不提倡。首先运用好交互式命令行的方式进行绘图。
|
||||
|
||||
## 配置参数
|
||||
|
||||
* axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
|
||||
* figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
|
||||
* font: 字体集（font family）、字体大小和样式设置
|
||||
* grid: 设置网格颜色和线性
|
||||
* legend: 设置图例和其中的文本的显示
|
||||
* line: 设置线条（颜色、线型、宽度等）和标记
|
||||
* patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
|
||||
* savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
|
||||
* verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。
|
||||
* xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
|
||||
|
||||
|
||||
## 线条风格
|
||||
|
||||
线条风格linestyle或ls | 描述
|
||||
----|---
|
||||
‘-‘ |实线
|
||||
‘:’ |虚线
|
||||
‘–’ |破折线
|
||||
‘None’,’ ‘,’’ |什么都不画
|
||||
‘-.’ |点划线
|
||||
|
||||
## 线条标记
|
||||
|
||||
标记maker | 描述
|
||||
----|----
|
||||
‘o’ |圆圈
|
||||
‘.’ |点
|
||||
‘D’ |菱形
|
||||
‘s’ |正方形
|
||||
‘h’ |六边形1
|
||||
‘*’ |星号
|
||||
‘H’ |六边形2
|
||||
‘d’ |小菱形
|
||||
‘_’ | 水平线
|
||||
‘v’ |一角朝下的三角形
|
||||
‘8’ |八边形
|
||||
‘<’ | 一角朝左的三角形
|
||||
‘p’ |五边形
|
||||
‘>’ |一角朝右的三角形
|
||||
‘,’ |像素
|
||||
‘^’ | 一角朝上的三角形
|
||||
‘+’ | 加号
|
||||
‘\ ‘ |竖线
|
||||
‘None’,’’,’ ‘ |无
|
||||
‘x’ | X
|
||||
|
||||
|
||||
## 颜色
|
||||
|
||||
别名 | 颜色
|
||||
---|---
|
||||
b | 蓝色
|
||||
g |绿色
|
||||
r |红色
|
||||
y |黄色
|
||||
c |青色
|
||||
k |黑色
|
||||
m |洋红色
|
||||
w |白色
|
||||
|
||||
|
||||
## 绘图步骤
|
||||
|
||||
```py
|
||||
#使用numpy产生数据
|
||||
x=np.arange(-5,5,0.1)
|
||||
y=x*3
|
||||
|
||||
#创建窗口、子图
|
||||
#方法1：先创建窗口，再创建子图。（一定绘制）
|
||||
fig = plt.figure(num=1, figsize=(15, 8),dpi=80)
|
||||
#开启一个窗口，同时设置大小，分辨率
|
||||
ax1 = fig.add_subplot(2,1,1)
|
||||
#通过fig添加子图，参数：行数，列数，第几个。
|
||||
ax2 = fig.add_subplot(2,1,2)
|
||||
#通过fig添加子图，参数：行数，列数，第几个。
|
||||
print(fig,ax1,ax2)
|
||||
#方法2：一次性创建窗口和多个子图。（空白不绘制）
|
||||
fig,axarr = plt.subplots(4,1)
|
||||
#开一个新窗口，并添加4个子图，返回子图数组
|
||||
ax1 = axarr[0]
|
||||
#通过子图数组获取一个子图
|
||||
print(fig,ax1)
|
||||
#方法3：一次性创建窗口和一个子图。（空白不绘制）
|
||||
ax1 = plt.subplot(1,1,1,facecolor='white')
|
||||
|
||||
#开一个新窗口，创建1个子图。facecolor设置背景颜色
|
||||
print(ax1)
|
||||
#获取对窗口的引用，适用于上面三种方法
|
||||
# fig = plt.gcf() #获得当前figure
|
||||
# fig=ax1.figure #获得指定子图所属窗口
|
||||
|
||||
# fig.subplots_adjust(left=0)
|
||||
#设置窗口左内边距为0，即左边留白为0。
|
||||
|
||||
#设置子图的基本元素
|
||||
ax1.set_title('python-drawing')
|
||||
#设置图体，plt.title
|
||||
ax1.set_xlabel('x-name')
|
||||
#设置x轴名称,plt.xlabel
|
||||
ax1.set_ylabel('y-name')
|
||||
#设置y轴名称,plt.ylabel
|
||||
plt.axis([-6,6,-10,10])
|
||||
#设置横纵坐标轴范围，这个在子图中被分解为下面两个函数
|
||||
ax1.set_xlim(-5,5)
|
||||
#设置横轴范围，会覆盖上面的横坐标,plt.xlim
|
||||
ax1.set_ylim(-10,10)
|
||||
#设置纵轴范围，会覆盖上面的纵坐标,plt.ylim
|
||||
|
||||
xmajorLocator = MultipleLocator(2)
|
||||
#定义横向主刻度标签的刻度差为2的倍数。就是隔几个刻度才显示一个标签文本
|
||||
ymajorLocator = MultipleLocator(3)
|
||||
#定义纵向主刻度标签的刻度差为3的倍数。就是隔几个刻度才显示一个标签文本
|
||||
|
||||
ax1.xaxis.set_major_locator(xmajorLocator)
|
||||
#x轴 应用定义的横向主刻度格式。如果不应用将采用默认刻度格式
|
||||
ax1.yaxis.set_major_locator(ymajorLocator)
|
||||
#y轴 应用定义的纵向主刻度格式。如果不应用将采用默认刻度格式
|
||||
|
||||
ax1.xaxis.grid(True, which='major')
|
||||
#x坐标轴的网格使用定义的主刻度格式
|
||||
ax1.yaxis.grid(True, which='major')
|
||||
#x坐标轴的网格使用定义的主刻度格式
|
||||
|
||||
ax1.set_xticks([])
|
||||
#去除坐标轴刻度
|
||||
ax1.set_xticks((-5,-3,-1,1,3,5))
|
||||
#设置坐标轴刻度
|
||||
ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small')
|
||||
#设置刻度的显示文本，rotation旋转角度，fontsize字体大小
|
||||
|
||||
plot1=ax1.plot(x,y,marker='o',color='g',label='legend1')
|
||||
#点图：marker图标
|
||||
plot2=ax1.plot(x,y,linestyle='--',alpha=0.5,color='r',label='legend2')
|
||||
#线图：linestyle线性，alpha透明度，color颜色，label图例文本
|
||||
|
||||
ax1.legend(loc='upper left')
|
||||
#显示图例,plt.legend()
|
||||
ax1.text(2.8, 7, r'y=3*x')
|
||||
#指定位置显示文字,plt.text()
|
||||
ax1.annotate('important point', xy=(2, 6), xytext=(3, 1.5), arrowprops=dict(facecolor='black', shrink=0.05),)
|
||||
#添加标注，参数：注释文本、指向点、文字位置、箭头属性
|
||||
#显示网格。which参数的值为major(只绘制大刻度)、minor(只绘制小刻度)、both，默认值为major。axis为'x','y','both'
|
||||
ax1.grid(b=True,which='major',axis='both',alpha= 0.5,color='skyblue',linestyle='--',linewidth=2)
|
||||
|
||||
axes1 = plt.axes([.2, .3, .1, .1], facecolor='y')
|
||||
#在当前窗口添加一个子图，rect=[左, 下, 宽, 高]，是使用的绝对布局，不和以存在窗口挤占空间
|
||||
axes1.plot(x,y)
|
||||
#在子图上画图
|
||||
plt.savefig('aa.jpg',dpi=400,bbox_inches='tight')
|
||||
#savefig保存图片，dpi分辨率，bbox_inches子图周边白色空间的大小
|
||||
plt.show()
|
||||
#打开窗口，对于方法1创建在窗口一定绘制，对于方法2方法3创建的窗口，若坐标系全部空白，则不绘制
|
||||
|
||||
```
|
||||
|
||||
## plot属性
|
||||
|
||||
```py
|
||||
属性 值类型
|
||||
alpha 浮点值
|
||||
animated [True / False]
|
||||
antialiased or aa [True / False]
|
||||
clip_box matplotlib.transform.Bbox 实例
|
||||
clip_on [True / False]
|
||||
clip_path Path 实例， Transform，以及Patch实例
|
||||
color or c 任何 matplotlib 颜色
|
||||
contains 命中测试函数
|
||||
dash_capstyle ['butt' / 'round' / 'projecting']
|
||||
dash_joinstyle ['miter' / 'round' / 'bevel']
|
||||
dashes 以点为单位的连接/断开墨水序列
|
||||
data (np.array xdata, np.array ydata)
|
||||
figure matplotlib.figure.Figure 实例
|
||||
label 任何字符串
|
||||
linestyle or ls [ '-' / '--' / '-.' / ':' / 'steps' / ...]
|
||||
linewidth or lw 以点为单位的浮点值
|
||||
lod [True / False]
|
||||
marker [ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]
|
||||
markeredgecolor or mec 任何 matplotlib 颜色
|
||||
markeredgewidth or mew 以点为单位的浮点值
|
||||
markerfacecolor or mfc 任何 matplotlib 颜色
|
||||
markersize or ms 浮点值
|
||||
markevery [ None / 整数值 / (startind, stride) ]
|
||||
picker 用于交互式线条选择
|
||||
pickradius 线条的拾取选择半径
|
||||
solid_capstyle ['butt' / 'round' / 'projecting']
|
||||
solid_joinstyle ['miter' / 'round' / 'bevel']
|
||||
transform matplotlib.transforms.Transform 实例
|
||||
visible [True / False]
|
||||
xdata np.array
|
||||
ydata np.array
|
||||
zorder 任何数值
|
||||
```
|
||||
|
||||
## 多图绘制
|
||||
|
||||
```py
|
||||
#一个窗口，多个图，多条数据
|
||||
sub1=plt.subplot(211,facecolor=(0.1843,0.3098,0.3098))
|
||||
#将窗口分成2行1列，在第1个作图，并设置背景色
|
||||
sub2=plt.subplot(212)
|
||||
#将窗口分成2行1列，在第2个作图
|
||||
sub1.plot(x,y)
|
||||
#绘制子图
|
||||
sub2.plot(x,y)
|
||||
#绘制子图
|
||||
|
||||
axes1 = plt.axes([.2, .3, .1, .1], facecolor='y')
|
||||
#添加一个子坐标系，rect=[左, 下, 宽, 高]
|
||||
plt.plot(x,y)
|
||||
#绘制子坐标系，
|
||||
axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y')
|
||||
#添加一个子坐标系，rect=[左, 下, 宽, 高]
|
||||
plt.plot(x,y)
|
||||
plt.show()
|
||||
```
|
||||
## 极坐标
|
||||
|
||||
```py
|
||||
fig = plt.figure(2)
|
||||
#新开一个窗口
|
||||
ax1 = fig.add_subplot(1,2,1,polar=True)
|
||||
#启动一个极坐标子图
|
||||
theta=np.arange(0,2*np.pi,0.02)
|
||||
#角度数列值
|
||||
ax1.plot(theta,2*np.ones_like(theta),lw=2)
|
||||
#画图，参数：角度，半径，lw线宽
|
||||
ax1.plot(theta,theta/6,linestyle='--',lw=2)
|
||||
#画图，参数：角度，半径，linestyle样式，lw线宽
|
||||
|
||||
ax2 = fig.add_subplot(1,2,2,polar=True)
|
||||
#启动一个极坐标子图
|
||||
ax2.plot(theta,np.cos(5*theta),linestyle='--',lw=2)
|
||||
ax2.plot(theta,2*np.cos(4*theta),lw=2)
|
||||
|
||||
ax2.set_rgrids(np.arange(0.2,2,0.2),angle=45) #距离网格轴，轴线刻度和显示位置
|
||||
ax2.set_thetagrids([0,45,90]) #角度网格轴，范围0-360度
|
||||
|
||||
plt.show()
|
||||
```
|
||||
|
||||
## 柱状图
|
||||
|
||||
```py
|
||||
plt.figure(3)
|
||||
x_index = np.arange(5)
|
||||
#柱的索引
|
||||
x_data = ('A', 'B', 'C', 'D', 'E')
|
||||
y1_data = (20, 35, 30, 35, 27)
|
||||
y2_data = (25, 32, 34, 20, 25)
|
||||
bar_width = 0.35
|
||||
#定义一个数字代表每个独立柱的宽度
|
||||
|
||||
rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1')
|
||||
#参数：左偏移、高度、柱宽、透明度、颜色、图例
|
||||
rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2')
|
||||
#参数：左偏移、高度、柱宽、透明度、颜色、图例
|
||||
#关于左偏移，不用关心每根柱的中心不中心，因为只要把刻度线设置在柱的中间就可以了
|
||||
plt.xticks(x_index + bar_width/2, x_data)
|
||||
#x轴刻度线
|
||||
plt.legend()
|
||||
#显示图例
|
||||
plt.tight_layout()
|
||||
#自动控制图像外部边缘，此方法不能够很好的控制图像间的间隔
|
||||
plt.show()
|
||||
```
|
||||
|
||||
## 直方图
|
||||
|
||||
```py
|
||||
fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))
|
||||
#在窗口上添加2个子图
|
||||
sigma = 1
|
||||
#标准差
|
||||
mean = 0
|
||||
#均值
|
||||
x=mean+sigma*np.random.randn(10000)
|
||||
#正态分布随机数
|
||||
ax0.hist(x,bins=40,normed=False,histtype='bar',facecolor='yellowgreen',alpha=0.75)
|
||||
#normed是否归一化，histtype直方图类型，facecolor颜色，alpha透明度
|
||||
ax1.hist(x,bins=20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8)
|
||||
#bins柱子的个数,cumulative是否计算累加分布，rwidth柱子宽度
|
||||
plt.show()
|
||||
#所有窗口运行
|
||||
```
|
||||
|
||||
## 散点图
|
||||
|
||||
```py
|
||||
fig = plt.figure(4)
|
||||
#添加一个窗口
|
||||
ax =fig.add_subplot(1,1,1)
|
||||
#在窗口上添加一个子图
|
||||
x=np.random.random(100)
|
||||
#产生随机数组
|
||||
y=np.random.random(100)
|
||||
#产生随机数组
|
||||
ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none')
|
||||
#x横坐标，y纵坐标，s图像大小，c颜色，marker图片，lw图像边框宽度
|
||||
plt.show()
|
||||
#所有窗口运行
|
||||
```
|
||||
|
||||
## 三维图
|
||||
|
||||
```py
|
||||
fig = plt.figure(5)
|
||||
ax=fig.add_subplot(1,1,1,projection='3d')
|
||||
#绘制三维图
|
||||
|
||||
x,y=np.mgrid[-2:2:20j,-2:2:20j]
|
||||
#获取x轴数据，y轴数据
|
||||
z=x*np.exp(-x**2-y**2)
|
||||
#获取z轴数据
|
||||
|
||||
ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8)
|
||||
#绘制三维图表面
|
||||
ax.set_xlabel('x-name')
|
||||
#x轴名称
|
||||
ax.set_ylabel('y-name')
|
||||
#y轴名称
|
||||
ax.set_zlabel('z-name')
|
||||
#z轴名称
|
||||
|
||||
plt.show()
|
||||
```
|
||||
|
||||
## 集合图形
|
||||
|
||||
```py
|
||||
fig = plt.figure(6)
|
||||
#创建一个窗口
|
||||
ax=fig.add_subplot(1,1,1)
|
||||
#添加一个子图
|
||||
rect1 = plt.Rectangle((0.1,0.2),0.2,0.3,color='r')
|
||||
#创建一个矩形，参数：(x,y),width,height
|
||||
circ1 = plt.Circle((0.7,0.2),0.15,color='r',alpha=0.3)
|
||||
#创建一个椭圆，参数：中心点，半径，默认这个圆形会跟随窗口大小进行长宽压缩
|
||||
pgon1 = plt.Polygon([[0.45,0.45],[0.65,0.6],[0.2,0.6]])
|
||||
#创建一个多边形，参数：每个顶点坐标
|
||||
|
||||
ax.add_patch(rect1)
|
||||
#将形状添加到子图上
|
||||
ax.add_patch(circ1)
|
||||
#将形状添加到子图上
|
||||
ax.add_patch(pgon1)
|
||||
#将形状添加到子图上
|
||||
|
||||
fig.canvas.draw()
|
||||
#子图绘制
|
||||
plt.show()
|
||||
```
|
||||
135
Python/matplotlab/学习教程/03基本用法.md
Normal file
135
Python/matplotlab/学习教程/03基本用法.md
Normal file
@@ -0,0 +1,135 @@
|
||||
# 基本用法
|
||||
## 本章知识点归纳如下：
|
||||
|
||||
* 导入模块：import matplotlib.pyplot as plt
|
||||
* 定义图像窗口：plt.figure()
|
||||
* 画图：plt.plot(x, y)
|
||||
* 定义坐标轴范围：plt.xlim()/plt.ylim()
|
||||
* 定义坐标轴名称：plt.xlabel()/plt.ylabel()
|
||||
* 定义坐标轴刻度及名称：plt.xticks()/plt.yticks()
|
||||
* 设置图像边框颜色：ax = plt.gca() ax.spines[].set_color()
|
||||
* 调整刻度位置：ax.xaxis.set_ticks_position()/ax.yaxis.set_ticks_position()
|
||||
* 调整边框（坐标轴）位置：ax.spines[].set_position()
|
||||
|
||||
## 导入模块
|
||||
|
||||
* 使用import导入模块matplotlib.pyplot，并简写成plt；使用import导入模块numpy，并简写成np
|
||||
```py
|
||||
import matplotlib.pyplot as plt
|
||||
import numpy as np
|
||||
```
|
||||
* 然后创建两组数据，使用np.linspace定义x：范围是(-3,3)，个数是50，将产生一组（-3，3）内均匀分布的50个数；(x,y1)表示曲线1，(x,y2)表示曲线2。
|
||||
```py
|
||||
x = np.linspace(-3, 3, 50)
|
||||
y1 = 2*x + 1
|
||||
y2 = x**2
|
||||
```
|
||||
|
||||
## 定义图像窗口并画图
|
||||
|
||||
* 在画图前使用plt.figure()定义一个图像窗口：编号为3；大小为(8, 5)；这两项参数可缺省。其中，num参数决定了程序运行后弹出的图像窗口名字，但在klab平台下不会显示。接着，我们使用plt.plot画出(x ,y2)曲线；使用plt.plot画(x ,y1)曲线，曲线的颜色属性(color)为红色；曲线的宽度(linewidth)为1.0；曲线的类型(linestyle)为虚线，除了虚线外，大家还可使用以下线性：'-'、'--'、'-.'、':' 。接着，我们使用plt.show()显示图像。
|
||||
|
||||
```py
|
||||
plt.figure(num=3, figsize=(8, 5))
|
||||
plt.plot(x, y2)
|
||||
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
|
||||
plt.show()
|
||||
```
|
||||
|
||||
## 定义坐标轴名称及范围
|
||||
* 使用plt.xlim设置x坐标轴范围：(-1, 2)； 使用plt.ylim设置y坐标轴范围：(-2, 3)； 使用plt.xlabel设置x坐标轴名称：’I am x’； 使用plt.ylabel设置y坐标轴名称：’I am y’；
|
||||
```py
|
||||
plt.figure(num=3, figsize=(8, 5),)
|
||||
plt.plot(x, y2)
|
||||
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
|
||||
plt.xlim((-1, 2))
|
||||
plt.ylim((-2, 3))
|
||||
plt.xlabel('I am x')
|
||||
plt.ylabel('I am y')
|
||||
plt.show()
|
||||
```
|
||||
## 定义坐标轴刻度及名称
|
||||
|
||||
* 有时候，我们的坐标轴刻度可能并不是一连串的数字，而是一些文字，或者我们想要调整坐标轴的刻度的稀疏，这时，就需要使用plt.xticks()或者plt.yticks()来进行调整：首先，使用np.linspace定义新刻度范围以及个数：范围是(-1,2);个数是5。使用plt.xticks设置x轴刻度：范围是(-1,2);个数是5。使用plt.yticks设置y轴刻度以及名称：刻度为[-2, -1.8, -1, 1.22, 3]；对应刻度的名称为[‘really bad’,’bad’,’normal’,’good’, ‘really good’]。使用plt.show()显示图像。
|
||||
```py
|
||||
plt.figure(num=3, figsize=(8, 5))
|
||||
plt.plot(x, y2)
|
||||
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
|
||||
plt.xlim((-1, 2))
|
||||
plt.ylim((-2, 3))
|
||||
plt.xlabel('I am x')
|
||||
plt.ylabel('I am y')
|
||||
new_ticks = np.linspace(-1, 2, 5)
|
||||
print(new_ticks)
|
||||
plt.xticks(new_ticks)
|
||||
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
|
||||
plt.show()
|
||||
[-1. -0.25 0.5 1.25 2. ]
|
||||
```
|
||||
## 设置图像边框颜色
|
||||
* 细心的小伙伴可能会注意到，我们的图像坐标轴总是由上下左右四条线组成，我们也可以对它们进行修改：首先，使用plt.gca()获取当前坐标轴信息。使用.spines设置边框；使用.set_color设置边框颜色；
|
||||
```py
|
||||
plt.figure(num=3, figsize=(8, 5))
|
||||
plt.plot(x, y2)
|
||||
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
|
||||
plt.xlim((-1, 2))
|
||||
plt.ylim((-2, 3))
|
||||
plt.xticks(new_ticks)
|
||||
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
|
||||
ax = plt.gca()
|
||||
ax.spines['right'].set_color('none')
|
||||
ax.spines['top'].set_color('none')
|
||||
plt.show()
|
||||
```
|
||||
调整刻度及边框位置
|
||||
使用.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：bottom.（所有位置：top，bottom，both，default，none）；使用.spines设置边框：x轴；使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
|
||||
|
||||
plt.figure(num=3, figsize=(8, 5))
|
||||
plt.plot(x, y2)
|
||||
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
|
||||
plt.xlim((-1, 2))
|
||||
plt.ylim((-2, 3))
|
||||
plt.xticks(new_ticks)
|
||||
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
|
||||
ax = plt.gca()
|
||||
ax.spines['right'].set_color('none')
|
||||
ax.spines['top'].set_color('none')
|
||||
ax.xaxis.set_ticks_position('bottom')
|
||||
ax.spines['bottom'].set_position(('data', 0))
|
||||
plt.show()
|
||||
|
||||
使用.yaxis.set_ticks_position设置y坐标刻度数字或名称的位置：left.（所有位置：left，right，both，default，none） 使用.spines设置边框：y轴；使用.set_position设置边框位置：x=0的位置；（位置所有属性：outward，axes，data） 使用plt.show显示图像.
|
||||
|
||||
plt.figure(num=3, figsize=(8, 5))
|
||||
plt.plot(x, y2)
|
||||
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
|
||||
plt.xlim((-1, 2))
|
||||
plt.ylim((-2, 3))
|
||||
plt.xticks(new_ticks)
|
||||
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
|
||||
ax = plt.gca()
|
||||
ax.spines['right'].set_color('none')
|
||||
ax.spines['top'].set_color('none')
|
||||
ax.xaxis.set_ticks_position('bottom')
|
||||
ax.spines['bottom'].set_position(('data', 0))
|
||||
ax.yaxis.set_ticks_position('left')
|
||||
ax.spines['left'].set_position(('data',0))
|
||||
plt.show()
|
||||
|
||||
练一练
|
||||
小伙伴们，以上就是matplotlib的基本用法，是不是比较简单呢？现在，请根据上述所学内容，画出直线 y = x-1, 线型为虚线，线宽为1，纵坐标范围（-2，1），横坐标范围（-1，2），横纵坐标在（0，0）坐标点相交。横坐标的 [-1,-0.5,1] 分别对应 [bad, normal, good]。请一定自己尝试一番再看下面的答案噢~
|
||||
|
||||
#答案
|
||||
x = np.linspace(-1, 2, 50)
|
||||
y = x - 1
|
||||
plt.figure()
|
||||
plt.plot(x,y, linewidth=1.0, linestyle='--')
|
||||
plt.xlim((-1,2))
|
||||
plt.ylim((-2,2))
|
||||
plt.xticks([-1,-0.5,1],['bad', 'normal', 'good'])
|
||||
ax = plt.gca()
|
||||
ax.spines['top'].set_color('none')
|
||||
ax.spines['right'].set_color('none')
|
||||
ax.spines['left'].set_position(('data',0))
|
||||
ax.spines['bottom'].set_position(('data',0))
|
||||
plt.show()
|
||||
33
Python/matplotlab/学习教程/test1.py
Normal file
33
Python/matplotlab/学习教程/test1.py
Normal file
@@ -0,0 +1,33 @@
|
||||
# changshi
|
||||
import numpy as np
|
||||
import matplotlib.pyplot as plt
|
||||
|
||||
# 定义数据集
|
||||
x = np.linspace(-3,3,50)
|
||||
y1 = 2*x+1
|
||||
y2 = x**2
|
||||
|
||||
|
||||
# 绘制图像
|
||||
plt.figure(num=3,figsize=(10,10))
|
||||
plt.plot(x,y1)
|
||||
plt.plot(x,y2,color='red',linewidth=1,linestyle='--')
|
||||
|
||||
# 定义坐标轴的范围及名称
|
||||
plt.xlim((-5,5))
|
||||
plt.ylim((0,10))
|
||||
|
||||
plt.xlabel('i am x')
|
||||
plt.ylabel('i am y')
|
||||
|
||||
# 刻度
|
||||
ticks = np.linspace(-1,2,5)
|
||||
plt.xticks(ticks)
|
||||
plt.yticks([-2,-1.8,-1,1.22,3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
|
||||
|
||||
# 设置边框颜色
|
||||
ax = plt.gca()
|
||||
ax.spines['right'].set_color('none')
|
||||
ax.spines['top'].set_color('none')
|
||||
# 展示图像
|
||||
plt.show()
|
||||
Reference in New Issue
Block a user