交换链接网站,网络规划设计方案实例,dede和wordpress哪个安全,长春是几线城市2020https://blog.csdn.net/weixin_39777626/article/details/78598346 绘制基本曲线使用plot函数绘制函数曲线#xff0c;可以调整plot函数参数配置曲线样式、粗细、颜色、标记等设置坐标轴(1.)spines移动坐标轴(2.)xlim方法设置坐标轴刻度取值范围(3.)xticks,yticks方法设置x,y轴…https://blog.csdn.net/weixin_39777626/article/details/78598346 绘制基本曲线使用plot函数绘制函数曲线可以调整plot函数参数配置曲线样式、粗细、颜色、标记等设置坐标轴(1.)spines移动坐标轴(2.)xlim方法设置坐标轴刻度取值范围(3.)xticks,yticks方法设置x,y轴的刻度标签值(4.)title方法设置标题xlabel,ylabel方法设置坐标轴描述设置图片上的描述(1.)text方法设置图片上的文字描述和注解(2.)annotate方法对图片上某个点加注解(3.)legend方法设置图像图例可使用如下两种方式: 1: 在 plt.plot 函数中添加 label 参数后使用 plt.legend(loc’up right’) 2: 不使用参数 label, 直接使用如下命令网格线开关plt.grid(True)图像显示plt.show()图像保存savefig(‘../ / .png’)常用图形(1)曲线图:描绘波动,2个维度matplotlib.pyplot.plot(data) (2)灰度图:直方图,1个维度matplotlib.pyplot.hist(data) (3)散点图:2个维度数据的关联程度matplotlib.pyplot.scatter(data) (4)箱式图:设定上下限,除数据噪声matplotlib.pyplot.boxplot(data) (5)饼状图:各类别占比matplotlib.pyplot.pie(data)本文下述各个代码片段都是独立运行的其文章里其余代码片段无关。一幅数据图基本上包括如下结构 Data: 数据区,包括数据点\描绘形状 Axis: 坐标轴,包括X轴\Y轴及其标签、刻度尺及其标签 Title: 标题,数据图的描述 Legend: 图例,区分图中包含的多种曲线或不同分类的数据 其他的还有图形文本 (Text)\注解 (Annotate)等其他描述绘制基本曲线使用plot函数绘制函数曲线可以调整plot函数参数配置曲线样式、粗细、颜色、标记等%matplotlib inline #图嵌入web窗口jupyter notebook中import numpy as npimport matplotlib.pyplot as pltfrom pylab import *#准备数据xnp.arange(0.,10,0.2)y1np.cos(x)y2np.sin(x)y3np.sqrt(x)plt.rcParams[figure.figsize](12,8) #reParams设置图片尺寸plt.plot(x,y1,colorblue,linewidth1.5,linestyle-,marker.,labelr$ycos{x}$)plt.plot(x,y2,colorgreen,linewidth1.5,linestyle-,marker*,labelr$ysin{x}$)plt.plot(x,y3,colorm,linewidth1.5,linestyle-,markerx,labelr$y\sqrt{x}$)#color参数设定线颜色#linewidth参数设定虚线、点化虚线、粗虚线、实线#marker参数设定在曲线上标记的特殊符号,以区分不同的线段#label参数和图的legend标号有关12345678910111213141516171819202122设置坐标轴(1.)spines移动坐标轴%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *axplt.subplot(111) #设置一个空图ax.spines[right].set_color(none) #set_color设置右边轴线为透明色ax.spines[top].set_color(none)#移动下边边框线相当于移动x轴ax.xaxis.set_ticks_position(bottom) #设置水平轴上的坐标轴刻度ax.spines[bottom].set_position((data,0)) #set_position设置轴位置:center - (axes,0.5)zero - (data, 0.0(data,anyvalue)ax.yaxis.set_ticks_position(left)ax.spines[left].set_position((data,0.1))123456789101112131415 (2.)xlim方法设置坐标轴刻度取值范围%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(0.,10,0.2)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)1234567(3.)xticks,yticks方法设置x,y轴的刻度标签值%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(0.,10,0.2)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)plt.xticks([2,4,6,8,10],[rtwo,rfour,rsix,r8,r10])plt.yticks([-1.0,0.0,1.0,2.0,3.0,4.0],[rbottom,r0.0,r1.0,r2.0,r3.0,r4.0])123456789(4.)title方法设置标题xlabel,ylabel方法设置坐标轴描述%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(0.,10,0.2)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)plt.xticks([2,4,6,8,10],[rtwo,rfour,rsix,r8,r10])plt.yticks([-1.0,0.0,1.0,2.0,3.0,4.0],[rbottom,r0.0,r1.0,r2.0,r3.0,r4.0])plt.title(r$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$,fontsize19) #fontsize参数设置字体大小#\号两侧必须各有一个空格字符,否则无法解析plt.xlabel(r$the \ input \ value \ of \ x$,fontsize18,labelpad18.8) #labelpad参数设置描述距离轴远近plt.ylabel(r$yf(x)$,fontsize18,labelpad12.5)12345678910111213设置图片上的描述(1.)text方法设置图片上的文字描述和注解%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(0.,1,0.02)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)plt.text(0.8,2.9,r$x \in [0.0, \ 10.0]$,colork,fontsize10)plt.text(0.8,0.8,r$y \in [-1.0, \ 4.0]$,colork,fontsize10)123456789(2.)annotate方法对图片上某个点加注解%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(0.,10,0.2)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)plt.scatter([8,],[np.sqrt(8),],50,colorm) #使用散点图放大当前点plt.annotate(r$2\sqrt{2}$,xy(8,np.sqrt(8)),xytext(8.5,2.2),fontsize16,color#090909,\ arrowpropsdict(arrowstyle-,connectionstylearc3,rad0.1,color#090909))#xy参数设置被注解点的坐标,xytext参数设置注解文字的位置,arrowprops参数设置注解文字与被注解点的连接方式1234567891011(3.)legend方法设置图像图例可使用如下两种方式: 1: 在 plt.plot 函数中添加 label 参数后使用 plt.legend(loc’up right’)%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(0.,10,0.2)y1np.cos(x)y2np.sin(x)y3np.sqrt(x)plt.rcParams[figure.figsize](10,6) #reParams设置图片尺寸plt.plot(x,y1,colorblue,linewidth1.5,linestyle-,marker.,labelr$ycos{x}$)plt.plot(x,y2,colorgreen,linewidth1.5,linestyle-,marker*,labelr$ysin{x}$)plt.plot(x,y3,colorm,linewidth1.5,linestyle-,markerx,labelr$y\sqrt{x}$)plt.legend(locupper right) #loc参数设置图例在图片中的位置123456789101112132: 不使用参数 label, 直接使用如下命令%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(0.,10,0.2)y1np.cos(x)y2np.sin(x)y3np.sqrt(x)plt.rcParams[figure.figsize](10,6) #reParams设置图片尺寸plt.plot(x,y1,colorblue,linewidth1.5,linestyle-,marker.)plt.plot(x,y2,colorgreen,linewidth1.5,linestyle-,marker*)plt.plot(x,y3,colorm,linewidth1.5,linestyle-,markerx)plt.legend([cos(x),sin(x),sqrt(x)],locupper right) #对好顺序12345678910111213网格线开关plt.grid(True)plt.grid(True)1图像显示plt.show()plt.show()1图像保存savefig(‘../ / .png’)savefig(../imagetest/picname.png,dpi48)1常用图形(1)曲线图:描绘波动,2个维度matplotlib.pyplot.plot(data)%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(-5,5,0.1)yx**2plt.plot(x,y)plt.grid(True)plt.show()123456789(2)灰度图:直方图,1个维度matplotlib.pyplot.hist(data)%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.random.normal(size1000)plt.hist(x,bins10) #bins参数设置分桶数目123456(3)散点图:2个维度数据的关联程度matplotlib.pyplot.scatter(data)%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *plt.rcParams[figure.figsize](8,8)xnp.random.normal(size1000)ynp.random.normal(size1000)plt.scatter(x,y)12345678(4)箱式图:设定上下限,除数据噪声matplotlib.pyplot.boxplot(data) 箱式图(箱线图)科普 上边缘Q31.5IQR、下边缘Q1-1.5IQR、IQRQ3-Q1 上四分位数Q3、下四分位数Q1 中位数 异常值 处理异常值时与3σσ标准的异同统计边界是否受异常值影响、容忍度的大小%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *xnp.arange(-5,5,0.1)plt.boxplot(x)123456(5)饼状图:各类别占比matplotlib.pyplot.pie(data)%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *sort[Foxes,Cats,Dogs,Pigs]sizes[13,30,30,37]color[m,b,g,r]explode(0,0.1,0,0) #分离第2类,数值表示分离远近plt.pie(sizes,explodeexplode,labelssort,colorscolor,autopct%1.1f%%,shadowTrue) #autopct参数加百分比123456789--------------------- 作者Young_618 来源CSDN 原文https://blog.csdn.net/cymy001/article/details/78344316 版权声明本文为博主原创文章转载请附上博文链接转载于:https://www.cnblogs.com/longbaobao326/p/10878891.html
