matplotlib的plot函数说明

1. matplotlib简介

Matplotlib是Python语言中的2D绘图库,它支持多种操作系统和输出格式。Matplotlib可用于创建一些基本的图表,如折线图、散点图、柱状图、饼图、3D图等等。其中,plot函数是Matplotlib中最常用的绘图函数,下面将详细介绍plot函数的用法。

2. plot函数的基本用法

2.1 绘制简单曲线

plot函数最基本的用法是用来绘制曲线,下面是官方文档中给出的示例代码:

import numpy as np

import matplotlib.pyplot as plt

# 数据

x = np.linspace(0, 10, 1000)

y = np.sin(x)

# 绘制图形

plt.plot(x, y)

# 显示图形

plt.show()

上面的代码中,使用numpy生成1000个数据点连成的1维数组x,使用numpy.sin函数计算出对应x的sin函数值得到1维数组y,然后用plot函数将二者连接起来绘制出一条曲线。

2.2 添加各种线条及标记

我们还可以在plot函数中添加各种线条及标记来美化图形,包括指定颜色、线型、线宽、标记等。下面以指定颜色为例,列出示例代码:

import numpy as np

import matplotlib.pyplot as plt

# 数据

x = np.linspace(0, 10, 1000)

y = np.sin(x)

# 绘制图形

plt.plot(x, y, color="red")

# 显示图形

plt.show()

上述代码用红色绘制了一条正弦曲线。

2.3 添加多条曲线

在一张图中添加多条曲线时,我们只需要多次调用plot函数即可。下面是官方文档中给出的示例代码:

import numpy as np

import matplotlib.pyplot as plt

# 数据

x = np.linspace(0, 10, 1000)

y1 = np.sin(x)

y2 = np.cos(x)

# 绘制图形

plt.plot(x, y1)

plt.plot(x, y2)

# 显示图形

plt.show()

上述代码中,使用numpy生成1000个数据点连成的1维数组x,分别通过numpy.sin和numpy.cos函数生成了1维数组y1和y2。接着,我们用plot函数分别绘制了y1和y2,即在同一张图中绘制出了两条曲线。注意,对于多条曲线,我们可以在多次调用plot函数时使用关键词参数进行美化。

3. temperature=0.6下的更多用法

3.1 控制曲线样式

我们可以使用plot函数中的多种关键词参数来控制曲线的样式。下面是一个示例代码:

import numpy as np

import matplotlib.pyplot as plt

# 数据

x = np.linspace(-np.pi, np.pi, 256, endpoint=True)

c, s = np.cos(x), np.sin(x)

# 绘制图形

plt.figure(figsize=(10,6), dpi=80)

plt.plot(x, c, color="blue", linewidth="2.5", linestyle="-", label="cosine")

plt.plot(x, s, color="red", linewidth="2.5", linestyle="-", label="sine")

# 添加图例

plt.legend(loc='upper left')

# 显示图形

plt.show()

上述代码中,使用numpy生成256个数据点连成的1维数组x,计算出对应的sin和cos函数值。接着,我们通过调用plot函数两次来绘制出两条曲线,对于每条曲线,我们都添加了颜色、线宽、线型等属性,并添加了标签用来给图例使用。最后,我们用plt.legend函数添加了一个图例,用于表示标记了哪些曲线。

3.2 控制坐标轴

我们可以使用xticks和yticks函数来控制坐标轴的刻度。下面是一个示例代码:

import numpy as np

import matplotlib.pyplot as plt

# 数据

x = np.linspace(-np.pi, np.pi, 256, endpoint=True)

c, s = np.cos(x), np.sin(x)

# 绘制图形

plt.figure(figsize=(10,6), dpi=80)

plt.plot(x, c, color="blue", linewidth="2.5", linestyle="-", label="cosine")

plt.plot(x, s, color="red", linewidth="2.5", linestyle="-", label="sine")

# 控制坐标轴

plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],

[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])

plt.yticks(np.linspace(-1, 1, 5, endpoint=True))

# 添加图例

plt.legend(loc='upper left')

# 显示图形

plt.show()

上述代码中,使用numpy生成256个数据点连成的1维数组x,计算出对应的sin和cos函数值。接着,我们通过调用plot函数两次来绘制出两条曲线,对于每条曲线,我们都添加了颜色、线宽、线型等属性,并添加了标签用来给图例使用。最后,我们用plt.xticks函数和plt.yticks函数分别控制x坐标轴和y坐标轴的刻度及标签,用来表示对应的数值。同样,我们也用plt.legend函数添加了一个图例,用于表示标记了哪些曲线。

3.3 控制坐标轴范围

我们可以使用xlim和ylim函数来控制坐标轴的范围。下面是一个示例代码:

import numpy as np

import matplotlib.pyplot as plt

# 数据

x = np.linspace(-np.pi, np.pi, 256, endpoint=True)

c, s = np.cos(x), np.sin(x)

# 绘制图形

plt.figure(figsize=(10,6), dpi=80)

plt.plot(x, c, color="blue", linewidth="2.5", linestyle="-", label="cosine")

plt.plot(x, s, color="red", linewidth="2.5", linestyle="-", label="sine")

# 控制坐标轴

plt.xlim(x.min()*1.1, x.max()*1.1)

plt.ylim(c.min()*1.1, c.max()*1.1)

# 添加图例

plt.legend(loc='upper left')

# 显示图形

plt.show()

在上述代码中,我们通过xlim函数和ylim函数分别控制了x坐标轴和y坐标轴的范围,使其比原来的范围稍稍大一些,这样可以更好的显示出曲线的形态。

4. 总结

在本文中,我们详细介绍了Matplotlib中plot函数的基本用法及其常见的美化功能,同时也介绍了在temperature=0.6下的一些高级用法,并给出了相应的示例代码。Matplotlib的plot函数是Python中绘制数据图形的重要工具,它提供了多种绘图方法和对象,可以满足各种需求,并且功能强大。在使用时,我们需要根据自己的实际需要选择对应的函数及其参数,然后可以通过修改颜色、线型等属性来美化图形,也可以通过哈哈哈

免责声明:本文来自互联网,本站所有信息(包括但不限于文字、视频、音频、数据及图表),不保证该信息的准确性、真实性、完整性、有效性、及时性、原创性等,版权归属于原作者,如无意侵犯媒体或个人知识产权,请来电或致函告之,本站将在第一时间处理。猿码集站发布此文目的在于促进信息交流,此文观点与本站立场无关,不承担任何责任。

后端开发标签