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