栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

(二)Matplotlib 基础知识

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

(二)Matplotlib 基础知识

专栏: Matplotlib

上一篇:(一)Matplotlib介绍及相关文档

下一篇:

文章目录
  • 一、模块的导入
    • (一)Matplotlib 的导入
    • (二)NumPy的导入
  • 二、绘图类型
  • 三、Matplotlib Figure的组成
    • (一)图形元素
      • 1. Figure
      • 2. Axes
      • 3. Axis
  • 四、编程风格

一、模块的导入 (一)Matplotlib 的导入

  Matplotlib 库使用多是导入以下两个模块:

import matplotlib as mpl
import matplotlib.pyplot as plt
(二)NumPy的导入

NumPy 是使用 Python 进行科学计算的基础软件包。除其他外,它包括:

  • 功能强大的 N N N 维数组对象。
  • 精密广播功能函数。
  • 集成 C/C++ 和 Fortran 代码的工具。
  • 强大的线性代数、傅立叶变换和随机数功能。

  Matplotlib 所使用的数据,通常由 NumPy 来提供。Python 本身的列表 list 和 数学库math 配合得并不是很好。math 库所作用的是单个值,而数据的生成大多是对整个数组进行操作。

import numpy as np
二、绘图类型

Matplotlib Plot Type

  Matplotlib 中许多常见绘图命令的概述。

三、Matplotlib Figure的组成

  下图给出了 Matplotlib 中只包含一个 Axes 的 Figure(图) 的组成结构,同时,一张图可以由多个子图组成。

(一)图形元素

  Matplotlib 中所有可见的一切都被称作 Artist。当一张 图(Figure) 被绘制时,所有的 Artist 都会被绘制到一张 画布(Canvas) 上。大多数的 Artist 都会被绑定到一个 Axes 中,所以不能同时被多个 Axes 共享或者从一个 Axes 移动到 Axes。

1. Figure

  Figure 在 Matplotlib 中表示一整张图,上面包含了所有的 Axes,以及一组特殊的 Artist ,如标题,图例,颜色条等,甚至是嵌套的子图(subfigure)。

2. Axes

  Axes 是一个附加到 Figure 的 Artist,其中了包含用于绘制数据的区域。Axes除了包含一个绘图区域外,通常还包含两条坐标轴: x x x轴 和 y y y轴,绘制3D图形则多一个 z z z轴。并且每个 Axes 都会有一个 Title(标题) 和两个坐标轴标签: x-label 和 y-label。
  下图为一个 Axes 的组成:

  在下图所示的 Figure 中,包含了4个Axes,每个 Axes都有各自的标题,左下边缘有用于显示刻度的坐标轴。(每个Axes旁边还有绑定的 ColorBar 颜色条)

3. Axis

  坐标轴 Axis 用于设置缩放比例、限值、生成刻度(坐标轴上的标记) 和 刻度标签(标记刻度的一串文本)。这些刻度的位置由 Locator 决定,标签文本则由一个Formatter 格式化。
  在下图中可以看到 Axes左边 Y-Axis 和底边 X-Axis 上的刻度线和刻度上的标签文本。

四、编程风格

  Matplotlib 有三种代码风格,分别是 Object-oriented(面向对象) , pyplot 接口 , pylab 接口。
  其中, pylab接口 风格是模拟 MATLAB 的使用方式,导入了大量名称到全局命名空间中,对命名空间造成了污染,现在已经被认为是一种有害的方式而被官方强烈反对,现在基本只存在于旧代码示例中。目前推荐使用的只有 面向对象风格 和 pyplot 接口 风格。
  Matplotlib 的文档和示例同时使用了 Object-oriented 和 pyplot 风格。 通常,我们建议使用 Object-oriented 风格,特别是对于绘图复杂的情况,以及打算作为更大项目的一部分重用的函数和脚本。 但是,pyplot风格对于快速交互工作非常方便。

  下面就对同一个简单的绘图使用 Object-oriented 和 pyplot 两个不同的编程风格来绘制。

面向对象风格

  面向对象风格即显式地创建 Figures 和 Axes ,并调用它们的方法。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2, 100)  # Sample data.

# Note that even in the OO-style, we use `.pyplot.figure` to create the Figure.
fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')

ax.plot(x, x, label='linear')           # Plot some data on the axes.
ax.plot(x, x**2, label='quadratic')     # Plot more data on the axes...
ax.plot(x, x**3, label='cubic')         # ... and some more.
ax.set_xlabel('x label')                # Add an x-label to the axes.
ax.set_ylabel('y label')                # Add a y-label to the axes.
ax.set_title("Simple Plot")             # Add a title to the axes.
ax.legend()                             # Add a legend.


plt.show()								# Show the figure.

pyplot 接口风格
  pyplot 风格使用 pyplot的接口来进行绘图。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2, 100)  # Sample data.

plt.figure(figsize=(5, 2.7), layout='constrained')
plt.plot(x, x, label='linear')  # Plot some data on the (implicit) axes.
plt.plot(x, x**2, label='quadratic')  # etc.
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()

plt.show()

专栏: Matplotlib

上一篇:(一)Matplotlib介绍及相关文档

下一篇:

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/893382.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号