目录
一、前言
二、实验环境
三、Matplotlib详解
1、2d绘图类型
0. 设置中文字体
1-5. 折线图、散点图、柱状图、直方图、饼图
6. 箱线图(Box Plot)
7. 热力图(Heatmap)
8. 面积图(Area Plot)
9. 等高线图(Contour Plot)
10. 极坐标图(Polar Plot)
Python是一种高级编程语言,由Guido van Rossum于1991年创建。它以简洁、易读的语法而闻名,并且具有强大的功能和广泛的应用领域。Python具有丰富的标准库和第三方库,可以用于开发各种类型的应用程序,包括Web开发、数据分析、人工智能、科学计算、自动化脚本等。
Python本身是一种伟大的通用编程语言,在一些流行的库(numpy,scipy,matplotlib)的帮助下,成为了科学计算的强大环境。本系列将介绍Python编程语言和使用Python进行科学计算的方法,主要包含以下内容:
matplotlib | 3.5.3 | |
numpy | 1.21.6 | |
python | 3.7.16 |
python --version
import sys
import numpy as np
import matplotlib
print("Python 版本:", sys.version)
print("NumPy 版本:", np.__version__)
print("matplotlib 版本:", matplotlib.__version__)
Matplotlib是一个用于创建数据可视化的Python库。它提供了广泛的绘图选项,能够生成各种类型的图表、图形和可视化效果。下面是Matplotlib的一些主要功能:
绘图风格和类型:Matplotlib支持各种绘图风格和类型,包括线图、散点图、柱状图、饼图、等高线图、3D图等,可以根据需要选择适合的图表类型来展示和分析数据。
数据可视化:Matplotlib使得将数据转化为可视化表示变得简单,可以使用Matplotlib绘制图表来展示数据的分布、趋势、关系等,这有助于更好地理解数据和发现潜在的模式和关联。
图表自定义:Matplotlib提供了丰富的图表自定义选项,可以调整图表的标题、标签、坐标轴、线条样式、颜色等。这使得您能够创建符合特定需求和品味的高质量图表。
多子图和布局:Matplotlib允许您在单个图像中创建多个子图,以便同时展示多个相关的图表或数据视图。您可以自定义子图的布局和排列,以满足特定的展示需求。
导出图像:Matplotlib支持将图像导出为多种格式,包括PNG、JPEG、PDF、SVG等。这使得您可以方便地将生成的图表保存为文件,或嵌入到文档、报告和演示文稿中。
无论是进行科学研究、数据分析、报告撰写还是可视化展示,Matplotlib都是一个强大而灵活的工具。它广泛应用于各个领域,如数据科学、机器学习、金融分析、工程可视化等。
import matplotlib
matplotlib.rcParams['font.family'] = 'Microsoft YaHei' # 设置为微软雅黑字体
matplotlib.rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字体为黑体
若不进行该设置,会报错字体缺失
2d绘图(上):折线图、散点图、柱状图、直方图、饼图_QomolangmaH的博客-CSDN博客https://blog.csdn.net/m0_63834988/article/details/132872575?spm=1001.2014.3001.5502
用于显示数据的离散程度和异常值
import matplotlib.pyplot as plt
data = [1, 1, 2, 3, 3, 3, 4, 4, 5, 6, 6, 7, 8, 8, 9]
# 绘制箱线图
plt.boxplot(data)
# 添加标题和标签
plt.title("箱线图示例")
plt.ylabel("数值")
# 显示图形
plt.show()
用于显示数据的矩阵形式,颜色表示数值大小
import matplotlib.pyplot as plt
import numpy as np
data = np.random.rand(5, 5)
# 绘制热力图
plt.imshow(data, cmap='hot')
# 添加颜色条
plt.colorbar()
# 添加标题和标签
plt.title("热力图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")
# 显示图形
plt.show()
用于显示随时间或其他变量的变化趋势,通过填充颜色来表示不同区域的数值
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y1 = [1, 3, 4, 2, 5]
y2 = [2, 4, 1, 3, 2]
# 绘制面积图
plt.fill_between(x, y1, alpha=0.5, label='区域1')
plt.fill_between(x, y2, alpha=0.5, label='区域2')
# 添加标题和标签
plt.title("面积图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")
# 添加图例
plt.legend()
# 显示图形
plt.show()
其中alpha=0.5
表示填充颜色的透明度
用于显示二维数据的等高线图,其中不同高度的曲线表示不同数值
import numpy as np
import matplotlib.pyplot as plt
# 创建二维数组作为数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))
# 绘制等高线图
plt.contour(X, Y, Z)
# 添加标题和标签
plt.title("等高线图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")
# 显示图形
plt.show()
np.linspace
函数生成一系列均匀分布的数值,然后使用np.meshgrid
函数将这些数值转换为网格状的坐标点。通过对坐标点进行某种运算,生成了对应的二维数据。plt.contour(X, Y, Z)
绘制等高线图,其中X
和Y
表示坐标点的网格,Z
表示对应位置的数据值。使用极坐标而不是直角坐标来显示数据,常用于显示周期性数据
import numpy as np
import matplotlib.pyplot as plt
# 创建角度数据和半径数据
theta = np.linspace(0, 2*np.pi, 100)
r = np.sin(3*theta)
# 绘制极坐标图
plt.polar(theta, r)
# 添加标题
plt.title("极坐标图示例")
# 显示图形
plt.show()
np.linspace
函数生成一系列均匀分布的角度值,并使用某种函数关系生成对应的半径值。plt.polar(theta, r)
绘制极坐标图,其中theta
表示角度值,r
表示对应角度的半径值。