matplotlib七种常见图像输出编程大全
matplotlib七种常见图像输出编程大全
七种图形汇总输出如下：
import numpy as np #导入数据结构nmupy模块
import matplotlib.pyplot as plt #导入matplotlib图像输出模块
plt.rcParams["font.sans-serif"]=["SimHei"] #输出图像的标题可以为中文正常输出
plt.rcParams["axes.unicode_minus"]=False #可以正常输出图线里的负号
#1-1散点图输出
fig=plt.figure()
fig.add_subplot(3,3,1)
n=128
X=np.random.normal(0,1,n) #随机数X的生成（生成正态分布，平均数为0，方差为1，个数为128）
Y=np.random.normal(0,1,n) #随机数Y的生成（生成正态分布，平均数为0，方差为1，个数为128）
T=np.arctan2(Y,X)
#plt.axes([0.025,0.025,0.95,0.95]) #指定显示范围
plt.scatter(X,Y,s=75,c=T,alpha=.5) #画散点图的函数scatter（其中XY表示数值的大小，s表示散点的尺寸大小，c表示颜色，alpha表示透明度)
plt.xlim(-1.5,1.5),plt.xticks([]) #x和y坐标轴的范围
plt.ylim(-1.5,1.5),plt.yticks([]) #x和y坐标轴的范围
plt.axis() #显示所有图像范围
plt.title("scatter")
plt.xlabel("x")
plt.ylabel("y")
#1-2bar 柱状图
fig.add_subplot(3,3,2)
n=10
X=np.arange(n) #定义从0-9的数列
Y1=(1-X/float(n))*np.random.uniform(0.5,1.0,n) #定义变量X的计算方式
Y2=(1-X/float(n))*np.random.uniform(0.5,1.0,n) #定义变量Y的计算方式
plt.bar(X,Y1,facecolor="#9999ff",edgecolor="white") #编辑输出柱状图的格式（其中facecolor表示输出柱状图的颜色，edgecolor表示边框的颜色）
plt.bar(X,-Y2,facecolor="#ff9999",edgecolor="white") #编辑输出柱状图的格式
for x,y in zip(X,Y1): #编辑输出柱状图的位置格式（其中0.4表示每个柱状图之间的距离，'%.2f'% y表示输出小数点的位数，ha表示数值标注横向对齐，va表示柱状图纵向对齐位置）
plt.text(x,y+0.05,'%.2f'% y,ha='center',va="bottom")
for x, y in zip(X,Y2):
plt.text(x,-y-0.05,'%.2f'% y,ha='center',va="top")
#Pie1-3(饼图)
fig.add_subplot(3,3,3)
n=20
z=np.ones(n)
z[-1]=2
plt.pie(z,explode=z*.05,colors=["%f"%(i/float(n)) for i in range(n)],labels=["%.2f"%(i/float(n)) for i in range(n)])
#其中z为原来输入的数组，explode表示整个扇形距离圆心的距离大小（如果不写默认为0），colors表示颜色变化，labels表示各个扇形的数值大小（其中2表示小数位数大小
plt.gca().set_aspect("equal") #圆形
plt.xticks([])
plt.yticks([])
plt.show()
#polar1-4(极坐标图)
fig.add_subplot(3,3,4,polar=True) #需要使得polar模块为真True
n=20
theta=np.arange(0.0,2*np.pi,2*np.pi/n) #定义角度
radii=10*np.random.rand(n) #定义半径
plt.plot(theta,radii) #输出折线图
#plt.polar(theta,radii)两种方式都可以 #输出极坐标图
#1-5 heatmap
from matplotlib import cm #输出颜色设置模块
fig.add_subplot(335)
data=np.random.rand(3,3)
cmap=cm.Blues #选择颜色系为蓝色体系
map=plt.imshow(data,interpolation="nearest",cmap=cmap,aspect="auto",vmin=0,vmax=1) #设置图像输出时的格式
#1-6 3D
from mpl_toolkits.mplot3d import Axes3D #导入3D模块
fig.add_subplot(336,projection="3d")
x=np.random.randint(1,10,10)
y=np.random.randint(1,10,10)
z=x*2+2*y #函数关系式
plt.plot(x,y,z,"r") #输出3D图像
#1-7 hotmap热流图
fig.add_subplot(313)
def f(x,y):
return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y) #将xy转换为矩阵
#将向量x和y定义的区域转换成矩阵X和Y,其中矩阵X的行向量是向量x的简单复制，而矩阵Y的列向量是向量y的简单复制#假设x是长度为m的向量，y是长度为n的向量，则最终生成的矩阵X和Y的维度都是 nm （注意不是mn）
plt.contourf(X,Y,f(X,Y),8,cmap=plt.cm.hot) #输出热流图
plt.show()
