Python学习二——标准库

一、OS模块

os模块学习

二、matplotlib模块

(一)模块简介

参考链接
同一个作者的链接

1.matplotlib是python的绘图库，可以与其他库（比如numpy或图形工具包）结合使用，成为一种用matlab绘图的开源替代方案。
2.matplotlib是一个非常庞大的系统，而且从诞生到现在繁荣发展经历了几十年的时间，里面所涉及到的软件架构很是复杂。matplotlib的架构被逻辑性地分为三层。这三层逻辑可以视为一个栈。每层逻辑知道如何与其下的一层逻辑进行通信，但在下层逻辑看来，上层是透明的。这三层从底向上分别为：后端、美工与脚本。
3.matplotlib的使用可以从三个层面上去入手，即“后端——美工——脚本”。

后端bakend layer：我们当然可以从最底层的后端搭建一个图形，负责软件与绘图硬件的交互，图形的各种渲染等等，这异常困难，而且对于程序员的开发效率来说，十分缓慢，因为绘图的框架整个都要自己去搭建，很麻烦。
美工artist layer：这是在后端的基础之上的进一步封装，有一点类似于GDI+绘图方式，我们只关心“ 在哪里画 、用什么笔、 画什么图 ”，所用的笔，所用的颜料，画的图形类型（折线图，条形图，散点图等等）这些已经封装好了，封装是通过一系列的类去完成的。
脚本scripting layer：脚本是matplotlib的更高层封装，也就是我们平时所用的pyplot模块的高级封装，使用脚本，我们再也不用关心这个图形到底是怎么画的了，我们只需要关心画图的效果即可。适用“ 后端 ”、“ 美工 ”、要很多代码才能完成的事，使用脚本一句话就可以实现，如：
plt.plot(x,y,color=‘red’,linewidth=3,linestyle=’–’)

(二) plt.和ax.以及fig的区别

参考链接

1.Figure:可以理解为画布，画图的第一件事就是创建一个画布，然后再开始绘画。程序为：fig=plt,figure()
2.Axes：注意，它不是坐标轴！！是axis的复数形式。可以理解为坐标轴系们，能对其进行设置各种图形元素，比如图例、标题、标记、栅格等属性。一般是将Axes赋值给ax
3.Axis：ax.xais/ax.yaix才是坐标轴，对于axis而言，ax,xais和ax.yaix是它的子图，因此这两者都存在Axes这个对象

图像各部分的名称如下图所示

1.用第二层的美工层——artis layer的画图实例

import matplotlib.pyplot as plt
import numpy as np
a = np.arange(1, 5)
b = a ** 2
c = a ** 3
"""
创建大小为14x7的画布，把这个画布赋值给变量fig，
同时在这个画布上创建了一个axes，把这个axes赋值给ax.
如果有两个图，那么ax就是列表，有两个元素a[0],a[1]
"""
fig, ax = plt.subplots(figsize=(14, 7))
# fig, ax = plt.subplots(2,1,figsize(14,7))
# ax[0].***
# ax[1].***

#  开始画图,在这个axes上画数据，因此就用ax.plot()来画。
ax.plot(a, b)
ax.plot(b, a)
#  细节处理,标题和xy坐标轴的题目搞定
ax.set_title('Title',fontsize=18)
ax.set_xlabel('xlabel', fontsize=18,fontfamily = 'sans-serif',fontstyle='italic')
ax.set_ylabel('ylabel', fontsize='x-large',fontstyle='oblique')
ax.legend(labels=['plot1', 'plot2'])# 要加上labels
#  xy坐标轴的属性设定
ax.set_aspect('equal')
ax.minorticks_on()
ax.set_xlim(0,16)
ax.grid(which='minor', axis='both')
# xy坐标轴的细节，在ax.axis和ax.yaxis上完成
ax.xaxis.set_tick_params(rotation=45,labelsize=18,colors='w')
start, end = ax.get_xlim()
ax.xaxis.set_ticks(np.arange(start, end,1))
ax.yaxis.tick_right()
plt.show()# 必须加上这个才能输出图形

注意：
1.输出图形最后都要加上plt.show()
2.图例不论是 plt.legend还是ax.legend都要加上label，不然会报错No handles with labels found to put in legend.——没有发现在图例中放置标签的句柄。

2.用顶层的脚本——scripting layer的画图实例

参考链接：像画图参考链接

2.1二维图像

代码如下所示，注意不论是连续还是离散的点绘图，坐标点的间隔大小决定了图像的顺滑性

import numpy as np
import matplotlib.pyplot as plt # 首先导入包

x = np.arange(-5, 5, 0.5)
y = np.sin(x)

plt.title("demo ")
plt.xlabel("x")
plt.ylabel("y")
plt.plot(x, y)# 散点图就在后面加"o",plt.plot(x, y, "or")，r代表红色
plt.show() # 显示图像

2.2三维图像

如果用二维图像的方法则会报错，因为matplotlib.pyplot没有z轴。
1.创建三维坐标轴对象Axes3D
①方法一：用关键字plt.axes(projection='3d')

from matplotlib import pyplot as plt
fig = plt.figure() #定义图像
ax = plt.axes(projection='3d')
plt.show()

②方法二：用三维轴的方法Axes3D

from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure() # 定义图像
ax = Axes3D(fig) # 定义三维格式坐标轴
plt.show()

2.三维曲线和散点

# 接着上面的程序
import numpy as np
z = np.linspace(0,13,1000)
x = 5*np.sin(z)
y = 5*np.cos(z)
zd = 13*np.random.random(100)
xd = 5*np.sin(zd)
yd = 5*np.cos(zd)
ax1.scatter3D(xd,yd,zd, cmap='b')  #绘制散点图
ax1.plot3D(x,y,z,'gray')    #绘制空间曲线
plt.show()

3.三维曲面

# 接着1的程序
#定义三维数据
xx = np.arange(-5,5,0.5)
yy = np.arange(-5,5,0.5)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(X)+np.cos(Y)

#作图
ax3.plot_surface(X,Y,Z,cmap='rainbow')
#ax3.contour(X,Y,Z, zdim='z',offset=-2，cmap='rainbow)   #等高线图，要设置offset，为Z的最小值
plt.show()

import numpy as np
import matplotlib.pyplot as plt

f = plt.figure()  # 定义图像“相当于找到一张图纸”
ax_0 = plt.axes(projection="3d")
# 用arange的方法设置x，y。建议X与Y设置相同的范围和间隔！！
x = np.arange(-3, 3, 0.1)
y = np.arange(-3, 3, 0.1)

# meshgrid
x, y = np.meshgrid(x, y)
# 写出z的函数表达式
z = np.exp(100 - x ** 2 - y ** 2)
# 绘制图像，cmap参数是设置图形的样式的，rainbow为彩虹状
ax_0.plot_surface(x, y, z, cmap='rainbow')
# 展示出来图像
plt.show()

https://zhuanlan.zhihu.com/p/66306575