Python 绘图

python绘图库有很多,底层的就是matplotlib,另外还有基于matplotlib构建的更方便可读性强的库,比如seaborn、plotnine等,具体介绍:

https://www.zhihu.com/question/39684179

下面对各种绘图库的函数做个备忘。

seaborn

 

matplotlib

python下一般使用matplotlib包下的pyplot,所以在import的时候:

import matplotlib.pyplot as plt方便使用它的绘图函数。

通用函数

show()

显示绘图窗口,把画的图显示在窗口中。

subplot()

用于添加子图像,参数有三个,分别是子图像的行、列、索引。可以这样使用:

subplot(numbRow, numbCol, plotNum) 

subplot(numbRow numbCol plotNum)

前一种是一般的用逗号隔开,明确三个参数。

后一种是三个整数参数直接合成一个整数传入,这要求这个整数只能是3位的,这样才能唯一确定用户传入的参数。(比如223,就是把图像划分成2*2的格子,添加一个子图像在第三个格子里)

子图像是一个一个加进去的,所以我们会问,如果前一个子图像把后一个挡住了怎么办?或者前后的子图像的行列数不同怎么办?

对于挡住的情况,代码按顺序加入子图,后一张子图直接就把挡住的前一张完全去掉了,不管把前一张挡住多少。

对于前后行列数不一致,这没有关系,因为,它加入子图像的规则就是按行列划分,然后把你要插入的子图像插在划分后的索引位置。

如下,先加入1行1列索引为1的子图,就是占满绘图窗口,然后2,2,3,接着3,3,2。可以看到1,1,1的子图被后面的挡住完全去掉了:

Python 绘图_第1张图片

使用时机:在使用别的函数来画子图之前,先用一下这个函数,给python声明一下,我下一幅子图要画在哪里。而不是画完以后再用这个函数,那就贴了一张空的子图进去了,画的那一张在这张空子图的下面可能会被盖住。

二维图像

contourf()和contour()

一般用来画等高线图。这两个函数就差一个字母,除了画出来得图有些差别,用法一样,区别如下(一个填充等高线之间的空间一个不填充):

Python 绘图_第2张图片

使用方法如下:

plt.contourf(X, Y, Z, levels=10, alpha=0.5, cmap='jet')

X是生成网格的X坐标数组(二维数组array,或者matrix)。

Y是和X相同类型的Y坐标。

Z是对应网格的每个格点的函数值数组(也是二维数组array,或者matrix)。

网格生成方法是使用下面numpy里的meshgrid()函数。

levels是图像中等高线的数量,我这里设置为10。

alpha是图像的透明度,介于0~1,我这里设置为0.5半透明。可以设置透明度有个好处就是可以把很多图画在同一个画布上,方便比较。

cmap是图像的颜色类型,有很多预设的颜色类型,我这里用一个叫‘jet’的颜色类型,当然也可以自己定义,具体设置网上再找吧。

后三项它有预设值,可以省略。

以下是效果图(我使用的函数是Z = X^2 + Y^2):

Python 绘图_第3张图片

看起来不是很圆润,这是因为我的网格规模就是7*7的,它画图就按照你的网格数量来画,所以有棱有角的。

有一点奇怪的就是,网格是有限的,它是怎么画出这么多的等高线的?我猜它应该是线性插值插进去的。反正也就一个图用来看的,不用特别准确。但是如果要准确怎么办?那就把网格设置地密一些!别让等高线的密度比网格的密度大太多就好了。

clabel()

这个函数用来标注等高线图的数值。

plt.clabel(C, inline=False, fontsize=12)

C代表刚刚画的图(在用contour()等函数画完以后传给C,C = contour(...)),inline是否画在线内,fontsize后面表示数字的大小。

plot()

用来画二维面上的点、线。当然也可以在三维的空间里面画,就画在三维坐标系的xOy面上。

具体用法:plt.plot(x, y,  ls="-", lw=2, label="plot figure", color='black',alpha=0.5...)

x: 要画的线的各个点在x轴上的坐标(一维数组)

y: 要画的线的各个点在y轴上的坐标(一维数组,并且规模要和x轴的数组一致)

ls:折线图的线条风格,这里是一个减号

lw:折线图的线条宽度

label:标记图内容的标签文本

color:颜色

alpha:透明度

还有很多的参数可以调节,不一一列举,看链接:

https://blog.csdn.net/dss_dssssd/article/details/82810630

另外,和它一样,很多其它画线的函数也都支持一些个性化的参数(比如color、alpha、width等等),参数汇总看链接:

https://blog.csdn.net/qq_34940959/article/details/78488208

三维图像

三维图像需要从matplotlib的mpl_toolkits包中导入mplot3d:

from mpl_toolkits import mplot3d 

axes()

ax = plt.axes(projection='3d')

定义坐标系的维度,这里直接定义为三维并把图像引用传出来,可能还有别的参数,以后再加入。

plot_surface()

ax.plot_surface(X, Y, Z, rstride = 1, cstride = 1, cmap='jet')

上面用axe()定义的坐标系ax中画三维的曲面图,并且带有梯度颜色。

X、Y、Z就是每个网格点在对应坐标轴的值,cmap是颜色设置,如前面的contourf()。

rstride 是在行上每几个网格点计算一次梯度来图上对应梯度的颜色。cstride 就是列上的。它们越大,画梯度颜色的“补丁”也越大,对应地,“补丁”的数量也越少。如下图,一个是1,一个是2,“补丁”就一个是20,一个是10。

Python 绘图_第4张图片

Python 绘图_第5张图片

 

numpy

import的时候为了方便,取名为np:import numpy as np

linspace()

linspace(a, b, n),传回一个在a、b之间的插值列表(包括a、b),插值的数量是n。

这个差值列表实际上是array,不是list,它其中的数据类型是固定的,都是float。

而列表list里面则并不是固定的,里面可以存任何东西。

array是numpy下定义的一个类型,这个类型类似C++的数组,随机查找很快。所以处理大批量同类数据的时候,最好使用array类型。

具体使用和其他参数:https://www.cnblogs.com/antflow/p/7220798.html

meshgrid()

用于生成对应列表的网格(网格也是用列表存,二维网格是对每一维来说是二维列表,三维网格对每一维来说是三维列表),一般这样使用:

1. [X, Y] = meshgrid(x,y)或者python还支持X,Y = meshgrid(x,y),不加方括号也行,当然直接A = meshgrid(x,y),传给一个值也行,就是后面不太好处理。

2. [X, Y] = meshgrid(x)与[X, Y] = meshgrid(x, x)是等同的

3. [X, Y, Z] = meshgrid(x, y, z)生成三维的网格

生成的网格索引顺序在二维X、Y中是先Y再X,三维X、Y、Z中顺序是Y、X、Z。

就是说,三维网格中,如果要获得x[2],y[7],z[3]位置的Y轴坐标,就是Y[7][2][3]。

二维网格中,要获得x[2],y[7]位置的X轴坐标,就是X[7][2]。

下图显示8*3的网格的X的列表:

Python 绘图_第6张图片

 

生成网格一般用于绘制梯度图等。

zeros()

生成全0的数组,传入数组的规模,一般用来初始化。如Z = zeros([4,5,6])

给Z赋值一个三维规模分别是4、5、6的三维全0数组。

 

特定图像样例

https://www.runoob.com/w3cnote/matplotlib-tutorial.html

https://blog.csdn.net/jasonzhoujx/article/details/81780774

你可能感兴趣的:(Python 绘图)