《matplotlib绘图》由会员分享，可在线阅读，更多相关《matplotlib绘图（6页珍藏版）》请在金锄头文库上搜索。
1、 根底例 1 学问点在一个画布上绘制多幅图片， 了解需要导入的模块了解 plot 的用法了解 title xlable ylable 用法了解 rcparams 如何使用import numpy as npfrom matplotlib import pyplot as plt x = np.arange(1,11)y = 2 * x + 5 data=np.arange(0,5,0.1) plt.rcParams”lines.linewidth”=5 plt.title(“Matplotlib demo“) plt.xlabel(“x axis caption“) plt.ylabel(“y
2、 axis caption“) plt.plot(x,y) plt.plot(data,data*2) plt.plot(data,data)plt.show()例 2 学问点了解常见的数学函数的使用如何创立m*n 网络-plt.subplot(3, 3, 1)了解网格的定位 -依据subplot 的第三个参数,下标从 1 开头import numpy as npimport matplotlib.pyplot as plt# 计算正弦和余弦曲线上的点的 x 和 y 坐标x = np.arange(0, 3 * np.pi, 0.1) y_sin = np.sin(x)y_cos = np.c
3、os(x)y_arctan=np.arctan(x)# 建立 subplot 网格，高为 3，宽为 3 # 激活第一个 subplot plt.subplot(3, 3, 1)# 绘制第一个图像plt.plot(x, y_sin) plt.title(”Sinx”)# 将其次个 subplot 激活，并绘制其次个图像plt.subplot(3, 3, 5)plt.plot(x, y_cos) plt.title(”Cosx”)plt.subplot(3, 3, 9) plt.plot(x, y_arctan) plt.title(”ARCTan”)plt.rcParams”lines.line
4、width”=1 plt.rcParams”lines.linestyle”=”-.” # 呈现图像plt.show()例 3 学问点：import matplotlib.pyplot as plt import numpy as npx1=1,2,3,4y1=1,2,3,4x2=1,2,3,4y2=2,3,4,5#第一组数据#其次组数据n = 10x3 = np.random.randint(0, 5, n)y3 = np.random.randint(0, 5, n)#使用随机数产生plt.scatter(x1, y1, marker = ”x”,color = ”red”, s = 40
5、 ,label = ”First”) #记号外形 颜色点的大小 设置标签plt.scatter(x2, y2, marker = ”+”, color = ”blue”, s = 40, label = ”Second”) plt.scatter(x3, y3, marker = ”o”, color = ”green”, s = 40, label = ”Third”) plt.legend(loc = ”best”) # 设置 图例所在的位置 使用推举位置plt.show()二 试验预备工作：把数据文件导进来1 绘制第一季度散点图import numpy as npimport matpl
6、otlib.pyplot as pltplt.rcParams”font.sans-serif”=”SimHei”#设置中文显示，否那么可能无法显示中文或者是各种字符错乱plt.rcParams”axes.unicode_minus”=False data=np.load(“D:/tmp/国民经济核算季度数据.npz“)#加载数据print(data)#这时的data 是数据对象print(data.keys()#该数据对象是个字典，所以先猎取他的key 值print(data”columns”)#看一下 key 值里面有什么， print(data”values”)#看一下value 值里面
7、有什么， name=data”columns”values=data”values” plt.figure(figsize=(8,7)plt.scatter(values:,0,values:,2,marker=”o”)#以数据的第零列做 x 轴，第三列做 y 轴,来描绘散点图plt.xlabel(”年份”); plt.ylabel(”生产总值亿元”); plt.ylim(0,225000)plt.xticks(range(0,70,4),valuesrange(0,70,4),1,rotation=45)#此时取得值都是第一季度的plt.title(”2000-2021 年季度生产总值散点图
8、”)plt.savefig(”D:/tmp/2000-2021 年季度生产总值散点图.png”)#留意要先保存再show plt.show()#下面是得到的结果2 分析的第 1，2，3 产业的的国民生产总值import numpy as npimport matplotlib.pyplot as pltplt.rcParams”font.sans-serif”=”SimHei”#设置中文显示，否那么可能无法显示中文或者是各种字符错乱plt.rcParams”axes.unicode_minus”=False data=np.load(“D:/tmp/国民经济核算季度数据.npz“)#加载数据p
9、lt.figure(figsize=(8,7)plt.scatter(values:,0,values:,3,marker=”o”,c=”red”)#下面三类是绘制的第一二三产业的增加值plt.scatter(values:,0,values:,4,marker=”D”,c=”blue”)plt.scatter(values:,0,values:,5,marker=”v”,c=”yellow”) plt.xlabel(”年份”);plt.ylabel(”生产总值亿元”); plt.xticks(range(0,70,4),valuesrange(0,70,4),1,rotation=45)#此
10、时取得值都是第一季度的plt.title(”2000-2021 年季度生产总值散点图”) plt.legend(”第一产业”,”其次产业”,”第三产业”)plt.savefig(”D:/tmp/2000-2021 年季度生产总值散点图.png”)#留意要先保存再show plt.show()分析图，可以得到：第一季度增长平缓，第三季度呈现指数增长，其次季度每年会依据季度呈现指数增长。总体来看，我国近 18 年的各个产业都在持续增长中，并且其次和第三产业的增长幅度比较大，18 年增长了 400%以上。3 折线图分析第一季度import numpy as npimport matplotlib.p
11、yplot as pltplt.rcParams”font.sans-serif”=”SimHei”#设置中文显示，否那么可能无法显示中文或者是各种字符错乱plt.rcParams”axes.unicode_minus”=False data=np.load(“D:/tmp/国民经济核算季度数据.npz“)#加载数据plt.figure(figsize=(8,7) plt.plot(values:,0,values:,2,color=”r”,linestyle=”-”) plt.xlabel(”年份”);plt.ylabel(”生产总值亿元”); plt.xticks(range(0,70,4
12、),valuesrange(0,70,4),1,rotation=45)#此时取得值都是第一季度的plt.title(”2000-2021 年季度生产总值折现图”)plt.savefig(”D:/tmp/2000-2021 年季度生产总值散点图.png”)#留意要先保存再show plt.show()散点图可以反映x 和 y 轴特性的相关关系，而绘制折线图可以了解特性之间的趋势关系4 点线图其实就是转变 markerimport numpy as npimport matplotlib.pyplot as plt plt.rcParams”font.sans-serif”=”SimHei” p
13、lt.rcParams”axes.unicode_minus”=Falsedata=np.load(“D:/tmp/国民经济核算季度数据.npz“)#加载数据plt.figure(figsize=(8,7) plt.plot(values:,0,values:,2,color=”r”,linestyle=”-”,marker=”s”)#plot 绘制点线图plt.xlabel(”年份”,fontsize=10); plt.ylabel(”生产总值亿元”,fontsize=20);plt.xticks(range(0,70,4),valuesrange(0,70,4),1,rotation=45
14、) plt.title(”2000-2007 年各季度国民生产总值点线图”) plt.savefig(”D:/tmp/a4.png”)plt.show()有时可能默认的图片字体大小可能不符合要求，只需要用fontsize 去转变大小即可5 各产业季度生产总值折线图plt.plot(values:,0,values:,3,”bs-”)#第三个参数的含义是颜色 blue 点的外形正方形线的类型是实线-plt.plot(values:,0,values:,4,”ro-.”)plt.plot(values:,0,values:,5,”gh-”) plt.xlabel(”年份”,fontsize=15)
15、; plt.ylabel(”生产总值亿元”,fontsize=20);plt.xticks(range(0,70,4),valuesrange(0,70,4),1,rotation=45)plt.title(”2000-2007 年各季度国民生产总值折线图”) plt.legend(”第一季度”,”其次季度”,”第三季度”) plt.savefig(”D:/tmp/a4.png”)plt.show()同时把三条线加到同一张图片上，同时每个图片设置各自的属性颜色，点的外形，线性 留意要先绘制图形，再添加图例先plot 再 legend否那么图列显示不出来。同理应领先保存再 show()6 直方图import numpy as npimport matplotlib.pyplot as plt plt.rcParam
