python数学建模三剑客之Matplotlib

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480758-252d30de7f434cd.jpg">

三剑客之Matplotlib

matplotlib 是python最著名的绘图库,它提供了一整套和Matlab相似的命令API,十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件,嵌入GUI应用程序中。matplotlib 可以绘制多种形式的图形包括普通的线图,直方图,饼图,散点图以及误差线图等;可以比较方便的定制图形的各种属性比如图线的类型,颜色,粗细,字体的大小等;它能够很好地支持一部分 TeX 排版命令,可以比较美观地显示图形中的数学公式。

更多Matplotlib的相关知识,可以参考这篇文章:《利用python的Matplotlib库进行数据可视化》

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480758-c5bc61cdcc29c05.jpg">

3.1 pylot介绍

Matplotlib 包含了几十个不同的模块, 如 matlab、mathtext、finance、dates 等,而 pylot 则是我们最常用的绘图模块,这也是本文介绍的重点。

3.1.1 中文显示问题的解决方案

有很多方法可以解决此问题,但下面的方法恐怕是最简单的解决方案了(我只在windows平台上测试过,其他平台请看官自测)。如果想了解更多,也可以参考我N年前的一片博文:matplotlib显示中文的解决方案

>>>importmatplotlib.pyplotasplt
>>>plt.rcParams['font.sans-serif']=['FangSong']#指定默认字体
>>>plt.rcParams['axes.unicode_minus']=False#解决保存图像时'-'显示为方块的问题

3.1.2 绘制最简单的图形

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>x=np.arange(0,2*np.pi,0.01)
>>>y=np.sin(x)
>>>plt.plot(x,y)
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-f185f4d2a9ca7c8.jpg">

3.1.3 设置标题、坐标轴名称、坐标轴范围

如果你在python的shell中运行下面的代码,而shell的默认编码又不是utf-8的话,中文可能仍然会显示为乱码。你可以尝试着把 u’正弦曲线’ 写成 ‘正弦曲线’.decode(‘gbk’)或者’正弦曲线’.decode(‘utf-8’)

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>frompylabimportmpl
>>>mpl.rcParams['font.sans-serif']=['FangSong']
>>>mpl.rcParams['axes.unicode_minus']=False
>>>x=np.arange(0,2*np.pi,0.01)
>>>y=np.sin(x)
>>>plt.plot(x,y)
>>>plt.title(u'正弦曲线',fontdict={'size':20})#设置标题
>>>plt.xlabel(u'弧度',fontdict={'size':16})#显示横轴名称
>>>plt.ylabel(u'正弦值',fontdict={'size':16})#显示纵轴名称
>>>plt.axis([-0.1*np.pi,2.1*np.pi,-1.1,1.1])#设置坐标轴范围
>>>plt.axis('equal')#xy轴等比例保持
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-d3cfecc6813c298.jpg">

3.1.4 设置点和线的样式、宽度、颜色

plt.plot函数的调用形式如下:

plot(x,y,color='green',linestyle='dashed',linewidth=1,marker='o',markerfacecolor='blue',markersize=6)
plot(x,y,c='g',ls='--',lw=1,marker='o',mfc='blue',ms=6)

1、color指定线的颜色,可简写为“c”。颜色的选项为:

·蓝色: ‘b’ (blue)

·绿色: ‘g’ (green)

·红色: ‘r’ (red)

·墨绿: ‘c’ (cyan)

·洋红: ‘m’ (magenta)

·黄色: ‘y’ (yellow)

·黑色: ‘k’ (black)

·白色: ‘w’ (white)

·灰度表示: e.g. 0.75 ([0,1]内任意浮点数)

·RGB表示法: e.g. ‘#2F4F4F’ 或 (0.18, 0.31, 0.31)

1、linestyle指定线型,可简写为“ls”。线型的选项为:

·实线: ‘-’ (solid line)

·虚线: ‘–’ (dashed line)

·虚点线: ‘-.’ (dash-dot line)

·点线: ‘:’ (dotted line)

·无: '‘或’ ‘或’None’

1、linewidth指定线宽,可简写为“lw”。

2、marker描述数据点的形状

·点线: ‘.’

·点线: ‘o’

·加号: '+

·叉号: ‘x’

·上三角: ‘^’

·上三角: ‘v’

1、markerfacecolor指定数据点标记的表面颜色,可 简写为“ mfc”。

2、markersize指定数据点标记的大小,可 简写为“ ms”。

3.1.5 文本标注和图例

我们分别使用不同的线型、颜色来绘制以10、e、2为基的一组幂函数曲线,演示文本标注和图例的使用。

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>frompylabimportmpl
>>>mpl.rcParams['font.sans-serif']=['FangSong']
>>>mpl.rcParams['axes.unicode_minus']=False
>>>x=np.linspace(-4,4,200)
>>>f1=np.power(10,x)
>>>f2=np.power(np.e,x)
>>>f3=np.power(2,x)
>>>plt.plot(x,f1,'r',ls='-',linewidth=2,label='$10^x$')
>>>plt.plot(x,f2,'b',ls='--',linewidth=2,label='$e^x$')
>>>plt.plot(x,f3,'g',ls=':',linewidth=2,label='$2^x$')
>>>plt.axis([-4,4,-0.5,8])
>>>plt.text(1,7.5,r'$10^x$',fontsize=16)
>>>plt.text(2.2,7.5,r'$e^x$',fontsize=16)
>>>plt.text(3.2,7.5,r'$2^x$',fontsize=16)
>>>plt.title('幂函数曲线',fontsize=16)
>>>plt.legend(loc='upperleft')
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-75ef8145b16ba43.jpg">

在绘制图例时,loc用于指定图例的位置,可用的选项有:

·best

·upper right

·upper left

·lower left

·lower right

3.2 绘制多轴图

在介绍如何将多幅子图绘制在同一画板的同时,顺便演示如何绘制直线和矩形。我们可以使用subplot函数快速绘制有多个轴的图表。subplot函数的调用形式如下:

subplot(numRows,numCols,plotNum)

subplot将整个绘图区域等分为numRows行 * numCols列个子区域,然后按照从左到右,从上到下的顺序对每个子区域进行编号,左上的子区域的编号为1。如果numRows,numCols和plotNum这三个数都小于10的话,可以把它们缩写为一个整数,例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话,之前的轴将被删除。

>>>importmatplotlib.pyplotasplt
>>>plt.subplot(221)#两行两列的第1个位置
>>>plt.axis([-1,2,-1,2])
>>>plt.axhline(y=0.5,color='b')
>>>plt.axhline(y=0.5,xmin=0.25,xmax=0.75,color='r')
>>>plt.subplot(222)#两行两列的第2个位置
>>>plt.axis([-1,2,-1,2])
>>>plt.axvline(x=0,ymin=0,linewidth=4,color='r')
>>>plt.axvline(x=1.0,ymin=-0.5,ymax=0.5,linewidth=4,color='g')
>>>plt.subplot(212)#两行一列的第2个位置
>>>plt.axis([-1,2,-1,2])
>>>plt.axvspan(1.25,1.55,facecolor='g',alpha=0.5)
>>>plt.axhspan(0.25,0.75,facecolor='0.5',alpha=0.5)
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-4c17fff2986479b.jpg">

3.3 常用绘图类型

3.3.1 直方图

用numpy随机生成一个符合正态分布的数据集,统计分段区域内数据的个数。

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>data=np.random.normal(5.0,3.0,1000)
>>>plt.hist(data)
>>>bins=np.arange(-5,16,1)
>>>plt.hist(data,bins)#使用自定义的分段区域
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-2cd51641fc3e1fa.jpg">

3.3.2 散点图

使用plot()绘图时,如果指定样式参数为仅绘制数据点(linestyle=‘None’),那么所绘制的就是一幅散列图。这种方法所绘制的点无法单独指定数据点的颜色和大小,而使用scatter()绘制散列图就可以指定每个点的颜色和大小。

plt.scatter函数的调用形式如下:

scatter(x,y,s=None,c=None,marker=None,cmap=None,norm=None,vmin=None,vmax=None,alpha=None,linewidths=None,verts=None,
edgecolors=None,hold=None,data=None,**kwargs)

scatter()的前两个参数是数组,分别指定每个点的X轴和Y轴的坐标。s参数指定点的大 小,值和点的面积成正比,它可以是一个数,指定所有点的大小,也可以是数组,分别对每个点指定大小。c参数指定每个点的颜色,可以是数值或数组。这里使用一维数组为每个点指定了一个数值。通过颜色映射表,每个数值都会与一个颜色相对应。默认的颜色映射表中蓝色与最小值对应,红色与值对应。当c参数是形状为(N,3)或(N,4)的二维数组时,则直接表示每个点的RGB颜色。marker参数设置点的形状,可以是个表示形状的字符串,也可以是表示多边形的两个元素的元组,第一个元素表示多边形的边数,第二个元素表示多边形的样式,取值范围为0、1、2、3。0表示多边形,1表示星形,2表示放射形,3表示忽略边数而显示为圆形。alpha参数设置点的透明度。facecolors参数为“none”时,表示散列点没有填充色。

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>x=np.random.rand(50)
>>>y=np.random.rand(50)
>>>area=np.pi*(15*np.random.rand(50))**2
>>>color=2*np.pi*np.random.rand(50)
>>>plt.scatter(x,y,s=area,c=color,alpha=0.5,cmap=plt.cm.hsv)
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-403b41db3ec8897.jpg">

3.3.3 梯形图、柱状图、填充图

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>n=np.array([0,1,2,3,4,5])
>>>x=np.linspace(-0.75,1.,100)
>>>plt.subplot(131)
>>>plt.step(n,n**2,lw=2)
>>>plt.subplot(132)
>>>plt.bar(n,n**2,align="center",width=0.5,alpha=0.5)
>>>plt.subplot(133)
>>>plt.fill_between(x,x**2,x**3,color="green",alpha=0.5)
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-46401d310d9134c.jpg">

3.3.4 对数坐标

plot()所绘制图表的X-Y轴坐标都是算术坐标。绘制对数坐标图的函数有三个:semilogx()、semilogy()和loglog(),它们分别绘制X轴为对数坐标、Y轴为对数坐标以及两个轴都为对数坐标时的图表。

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>x=np.linspace(0,3,100)
>>>y=np.power(2,np.power(2,x))
>>>plt.subplot(121)
>>>plt.semilogy(x,y,'-r')
>>>plt.subplot(122)
>>>plt.plot(x,y,'--g')
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-a905e0eb8e7447a.jpg">

3.3.5极坐标绘图

极坐标系是和笛卡尔(X-Y)坐标系完全不同的坐标系,极坐标系中的点由一个夹角和一段相对中心点的距离来表示。polar(theta, r, **kwargs)可以直接创建极坐标子图并在其中绘制曲线。也可以使用程序中调用subplot()创建子图时通过设 polar参数为True,创建一个极坐标子图,然后调用plot()在极坐标子图中绘图。

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>theta=np.arange(0,2*np.pi,0.02)
>>>plt.polar(theta,1.4*np.cos(5*theta),"--",linewidth=2)
>>>plt.polar(theta,1.8*np.cos(4*theta),linewidth=2)
>>>plt.rgrids(np.arange(0.5,2,0.5),angle=45)
>>>plt.thetagrids([0,45])thetagridlabelobjects>)
>>>plt.show()
>>>

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-fe899e69fc2fa12.jpg">

3.4 2D绘图

3.4.1 等值线图

所谓等值线,是指由函数值相等的各点连成的平滑曲线。等值线可以直观地表示二元函数值的变化趋势,例如等值线密集的地方表示函数值在此处的变化较大。matplotlib中可以使用contour()和contourf()描绘等值线,它们的区别是:contourf()所得到的是带填充效果的等值线。

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>y,x=np.ogrid[-2:2:200j,-3:3:300j]
>>>z=x*np.exp(-x**2-y**2)
>>>extent=[np.min(x),np.max(x),np.min(y),np.max(y)]
>>>plt.subplot(121)
>>>cs=plt.contour(z,10,extent=extent)
>>>plt.clabel(cs)
<alistof8text.Textobjects>
>>>plt.subplot(122)
>>>plt.contourf(x.reshape(-1),y.reshape(-1),z,20)
>>>plt.show()

为了更淸楚地区分X轴和Y轴,这里让它们的取值范围和等分次数均不相同.这样得 到的数组z的形状为(200, 300),它的第0轴对应Y轴、第1轴对应X轴。

调用contour()绘制数组z的等值线图,第二个参数为10,表示将整个函数的取值范围等分为10个区间,即显示的等值线图中将有9条等值线。可以使用extent参数指定等值线图的X轴和Y轴的数据范围。

contour()所返回的是一个QuadContourSet对象, 将它传递给clabel(),为其中的等值线标上对应的值。

调用contourf(),绘制将取值范围等分为20份、带填充效果的等值线图。这里演示了另外一种设置X、Y轴取值范围的方法,它的前两个参数分别是计算数组z时所使用的X轴和Y轴上的取样点,这两个数组必须是一维的。

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-b8c16f3c50efb74.jpg">

3.4.2 二维数据的平面色彩显示

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>data=np.clip(np.random.randn(5,5),-1,1)
>>>plt.subplot(221)
>>>plt.imshow(data)
>>>plt.subplot(222)
>>>plt.imshow(data,cmap=plt.cm.cool)
>>>plt.subplot(223)
>>>plt.imshow(data,cmap=plt.cm.hot)
>>>plt.colorbar()
>>>plt.subplot(224)
>>>im=plt.imshow(data,cmap=plt.cm.winter)
>>>plt.colorbar(im,cmap=plt.cm.winter,ticks=[-1,0,1])
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-69618278165c344.jpg">

3.5 3D绘图

虽然matplotlib主要专注于绘图,并且主要是二维的图形,但是它也有一些不同的扩展,能让我们在地理图上绘图,让我们把Excel和3D图表结合起来。在matplotlib的世界里,这些扩展叫做工具包(toolkits)。工具包是一些关注在某个话题(如3D绘图)的特定函数的集合。

比较流行的工具包有Basemap、GTK 工具、Excel工具、Natgrid、AxesGrid和mplot3d。

mpl_toolkits.mplot3工具包提供了一些基本的3D绘图功能,其支持的图表类型包括散点图(scatter)、曲面图(surf)、线图(line)和网格图(mesh)。虽然mplot3d不是一个最好的3D图形绘制库,但是它是伴随着matplotlib产生的,因此我们对其接口已经很熟悉了。

下面是一个使用plot_surface绘制3d曲面图的例子。

>>>importnumpyasnp
>>>importmatplotlib.pyplotasplt
>>>importmpl_toolkits.mplot3d
>>>x,y=np.mgrid[-2:2:50j,-2:2:50j]
>>>z=x*np.exp(-x**2-y**2)
>>>ax=plt.subplot(111,projection='3d')
>>>ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8)
>>>ax.set_xlabel('x')
>>>ax.set_ylabel('y')
>>>ax.set_zlabel('z')
>>>plt.show()

python数学建模三剑客之Matplotlib" alt="python数学建模三剑客之Matplotlib" src="//www.dapan.cc/wp-content/uploads/2022/11/1668480759-b5686d590b8c389.jpg">

,免费的在线学习python平台,欢迎关注!

相关推荐:

1、python数学建模三剑客之Numpy