深入浅出之 .cumsum()函数

 

 

 

1. 基本绘画设置 

(1)   Figure和Subplot 

matplotlib的图像都位于Figure对象中，你可以用plt.figure创建一个新的Figure.

#这时会弹出一个空窗
fig = plt.figure()

但是不能通过空Figure绘图，必须用add_subplot创建一个或多个subplot才行

 

#这条代码的意思是：图像应该是2X2的，且当前选中的是第一个
ax1 = fig.add_subplot(2,2,1)

#再绘制两个
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

 

此时绘图，就会在subplot上进行绘制 
例如：

 

from numpy.random import randn
plt.plot(randn(50).cumsum(), 'k--')
#'k--'是一个线型选项，用于告诉matplotlib绘制黑色虚线图。

别一种更为方便的方法，可以创建一个新的Figure，并返回一个含有已创建subplot对象的NumPy数组：

#创建了一个两行，三列的区域
fig, axes = plt.subplots(2,3)

(2)  调整subplot周围的间距 

默认情况下，matplotlib会在subplot外围留下一定的边距，并在subplot之间留下一定的间距。 
利用subplots_adjust方法可以调整间距

fig, axes = plt.subplots(2,2, sharex=True, sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(randn(500), bins=50, color='k', alpha=0.5)

plt.subplots_adjust(wspace=0, hspace=0)

 

(3)   颜色、标记和线型 

根据x,y绘制绿色虚线

ax.plot(x, y, 'g--')
#与下面设置是一样的
ax.plot(x, y, linestyle='--', color='g')

线型图可以加上一些标记，来强调实际的点

plt.plot(randn(30).cumsum(), 'ko--')
#等价于
plt.plot(randn(30).cumsum(), color='k', linestyle='dashed', marker='o')

(4)   刻度、标签和图例 

添加刻度和标签

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum())

#修改X轴的刻度
#刻度放在哪些位置
ticks = ax.set_xticks([0,250,500,750,1000])
#也可以将其他值用作标签
labels = ax.set_xticklabels(['one','two','three','four','five'], rotation=30, fontsize='small')

#为X轴设置一个名称
ax.set_title('My first matplotlib plot')
#设置一个标题
ax.set_xlabel('Stages')

 

添加图例：

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(), 'k', label='one')
ax.plot(randn(1000).cumsum(), 'k--', label='two')
ax.plot(randn(1000).cumsum(), 'k.', label='three')

ax.legend(loc='best')

---

2.  cumsum函数定义：

cumsum(a, axis=None, dtype=None, out=None)  

a.cumsum(axis=None, dtype=None, out=None)

  返回：沿着指定轴的元素累加和所组成的数组，其形状应与输入数组a一致

其中cumsum函数的参数：

a:数组

axis:轴索引,整型，若a为n维数组，则axis的取值范围为[0,n-1]

dtype:返回结果的数据类型，若不指定，则默认与a一致。

out：数据类型为数组。用来放置结果的替代输出数组，它必须具有与输出结果具有相同的形状和缓冲长度

代码示例：

1.对于一维数组而言：

import numpy as np

arr=np.array([1,2,3,4,5,6,7,8,9])

result=arr.cumsum()    #此时axis只能取0，因此，axis=0可不写

#result： array([ 1,  3,  6, 10, 15, 21, 28, 36, 45], dtype=int32)

输出结果的数组result[i]的结果为sum(arr[:i+1])。

2.对于二维数组而言

import numpy as np

arr=np.array([[1,2,3],[4,5,6],[7,8,9]])

#沿着axis=0轴计算

result1=arr.cumsum(0)   #array([[ 1,  2,  3],[ 5,  7,  9],[12, 15, 18]], dtype=int32)

#沿着axis=1轴计算

result2=arr.cumsum(1)   #array([[ 1,  3,  6],[ 4,  9, 15],[ 7, 15, 24]], dtype=int32)

#arr.cumsum()并不是arr.cumsum(0)和arr.cumsum(1)的并集，而是将arr重塑为一维数组后的，再计算cumsum()的结果

arr.cumsum()#array([ 1,  3,  6, 10, 15, 21, 28, 36, 45], dtype=int32)

输出结果的数组result1[i][j]的结果为sum(arr[:i+1,j])；

输出结果的数组result2[i][j]的结果为sum(arr[i,:j+1])。

本文参考了  Python进阶 -- 1. matplotlib  和   python学习之numpy中的cumsum函数、tile函数