matplotlib
matplotlib库是常用的可视化工具，可制作的各种图表
import matplotlib.pyplot as plt
2D绘图
简单的折线图
squares = [1, 4, 9, 16, 25]plt.plot(squares) plt.show()
创建了一个列表squares，在其中存储了前述平方数，再将这个列表传递给函数plot()，默认横坐标为[0,1,2,3,4]，这个函数尝试根据这些数字绘制出有意义的图形。plt.show()打matplotlib查看器，并显示绘制的图形；
换成下列代码运行结果同上图一致：
input_values = [0, 1, 2, 3, 4]plt.plot(input_values,squares)
2.设置图表标题，给坐标轴加上标签，设置刻度标记的大小，隐藏坐标轴
squares = [1, 4, 9, 16, 25]plt.plot(squares,color='r',linewidth=5) # 设置图表标题，并给坐标轴加上标签 plt.title("Square Numbers", fontsize=24) plt.xlabel("Valumatplotlib中subplote", fontsize=14) plt.ylabel("Square of Value", fontsize=14) # 设置刻度标记的大小 plt.tick_params(axis='both', labelsize=14)plt.show()
1.参数linewidth 决定了plot()绘制的线条的粗细；
2.函数title()给图表指定标题；
3.参数fontsize指定了图表中文字的大小；
4.函数xlabel()和ylabel()让你能够为每条轴设置标题；
5.函数tick_params()设置刻度的样式，其中指定的实参将影响x轴和y轴上的刻度（axes='b
oth'），并将刻度标记的字号设置为14（labelsize=14）；
6. # 隐藏坐标轴plt.axes().get_xaxis().set_visible(False) plt.axes().get_yaxis().set_visible(False)
3. figure函数，grid函数
plt.figure(figsize=(10,5))y=np.arange(0,10) plt.plot(y.cumsum()) id() plt.show()
1.函数figure(dpi, figsize)用于指定图表的宽度、高度、分辨率和背景；
2.需要给形参figsize指定一个元组，向matplotlib指出绘图窗口的尺寸，单位为英寸；
3.Python假定屏幕分辨率为80像素/英寸，如果上述代码指定的图表尺寸不合适，可根据需要调整其中的数字；
4.如果知道自己的系统的分辨率，可使用形参dpi向figure()传递该分辨率，以有效地利用可用的屏幕空间，如：plt.figure(dpi=128, figsize=(10, 6))；
5.ndarray对象的cumsum方法为累加和;
6.grid(True)用来绘制网格；
4.使用scatter()绘制散点图
plt.scatter(1, 4, s=200, c='g', marker='o')plt.show()
1.绘制一个坐标为（2,4）的点，颜：green，大小：200；
2.marker=’o’代表圆形标记，’v’代表下三角形标记；
5. 修改数据点的颜
x_values = [1, 2, 3, 4, 5]y_values = [1, 4, 9, 16, 25] plt.scatter(x_values, y_values, s=100,c='r') plt.show()
1.绘制的点的坐标分别为 (1, 1)、(2, 4)、(3, 9)、(4, 16)和(5, 25)；
2.要修改数据点的颜，可向scatter()传递参数c，如c='red'，或者将其设置为一个元组，其中包含三个0~1之间的小数值，它们分别表示红、绿和蓝分量；
6. 设置每个坐标轴的取值范围，删除数据点的轮廓
x_values = range(1, 11)y_values = [x**2 for x in x_values] plt.scatter(x_values, y_values, s=40)
# 设置每个坐标轴的取值范围plt.axis([0, 11, 0, 110])
plt.show()
1.手工计算列表要包含的值可能效率低下，需要绘制的点很多时尤其如此。可以不必手工计算包含点坐标的列表，而让Python循环来替我们完成这种计算；
2.函数axis()要求提供四个值：x和y坐标轴的最小值和最大值；
3.plt.axis([0, 11, 0, 110])与plt.xlim(0,11)，plt.ylim(0,110)等价；
4.要删除数据点的轮廓，可在调用scatter()时传递实参edgecolor='none'；
7. 颜映射
x_values = range(1, 20)y_values = [x**2 for x in x_values] plt.scatter(x_values, y_values, c=y_values, cmBlues, edgecolor='none', s=40) plt.axis([0, 21, 0, 410]) plt.show()
1.颜映射（colormap）是一系列颜，它们从起始颜渐变到结束颜。在可视化中，颜映射用于突出数据的规律，例如，你可能用较浅的颜来显示较小的值，并使用较深的颜来显示较大的值；
2.将参数c设置成了一个y值列表，并使用参数cmap告诉pyplot使用哪个颜映射，这些代码将y值较小的点显示为浅蓝，并将y值较大的点显示为深蓝；
8. 将图表保存到文件
plt.savefig('squares_plot.png', bbox_inches='tight')

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。