• Pthon Matplotlib 画图


    一、普通绘图

     1 import matplotlib.pyplot as plt
     2 import numpy as np
     3 
     4 # 绘制普通图像
     5 x = np.linspace(-1, 1, 50)
     6 y1 = 2 * x + 1
     7 y2 = x**2
     8 
     9 plt.figure()
    10 # 在绘制时设置lable, 逗号是必须的
    11 l1, = plt.plot(x, y1, label = 'line')
    12 l2, = plt.plot(x, y2, label = 'parabola', color = 'red', linewidth = 1.0, linestyle = '--')
    13 
    14 # 设置坐标轴的取值范围
    15 plt.xlim((-1, 1))
    16 plt.ylim((0, 2))
    17 
    18 # 设置坐标轴的lable
    19 plt.xlabel('X axis')
    20 plt.ylabel('Y axis')
    21 
    22 # 设置x坐标轴刻度, 原来为0.25, 修改后为0.5
    23 plt.xticks(np.linspace(-1, 1, 5))
    24 # 设置y坐标轴刻度及标签, $$是设置字体
    25 plt.yticks([0, 0.5], ['$minimum$', 'normal'])
    26 
    27 # 设置legend
    28 plt.legend(handles = [l1, l2,], labels = ['a', 'b'], loc = 'best')
    29 plt.show()

    二、自定义单峰函数

     1 import math
     2 import numpy as np
     3 import matplotlib.pyplot as plt
     4 
     5 x = np.linspace(-30, 30, 500)
     6 y = []
     7 y2 = []
     8 a = 3
     9 b = 0
    10 c = 25
    11 for i in x :
    12     # 类似高斯函数,a 代表峰值, b对称轴位置,c方差
    13     temp = a * math.exp(-(i-b)**2 / (2 * c))
    14     y.append(temp) 
    15     #对上一个单峰函数值进行放大处理,红色虚线部分
    16     y2.append(math.exp(temp))
    17 
    18 plt.figure()
    19 l1= plt.plot(x, y, label = 'line')
    20 l2, = plt.plot(x, y2, label = 'parabola', color = 'red', linewidth = 1.0, linestyle = '--')
    21 plt.show()

    三、画subplot子图(2 x 2 为例)

     1     import matplotlib.pyplot as plt
     2     t=np.arange(0.0,2.0,0.1)
     3     s=np.sin(t*np.pi)
     4     plt.subplot(2,2,1) #要生成两行两列,这是第一个图plt.subplot('行','列','编号')
     5     plt.plot(t,s,'b--')
     6     plt.ylabel('y1')
     7     plt.subplot(2,2,2) #两行两列,这是第二个图
     8     plt.plot(2*t,s,'r--')
     9     plt.ylabel('y2')
    10     plt.subplot(2,2,3)#两行两列,这是第三个图
    11     plt.plot(3*t,s,'m--')
    12     plt.subplot(2,2,4)#两行两列,这是第四个图
    13     plt.plot(4*t,s,'k--')
    14     plt.show()

     点图和线图

    fig = plt.figure()
    ax = fig.add_subplot(221, projection='3d')
    ax.plot(array_normal[:,0],array_normal[:,1],array_normal[:,2])
    plt.subplot(2,2,2)
    plt.plot(np.arange(0,sample_len,1), signal_normal)
    
    normal_pow = array_normal[:,2]
    
    ax3 = fig.add_subplot(223, projection='3d')
    ax3.plot(array_anomaly[:,0],array_anomaly[:,1],array_anomaly[:,2])
    
    anomaly_pow = array_anomaly[:,2]
    plt.subplot(2,2,4)
    plt.scatter(np.arange(0,sample_len,1), signal_anomaly)
    plt.show()

    【Reference】

    [1] https://www.jianshu.com/p/de223a79217a

    [2] https://www.cnblogs.com/xingshansi/p/6777945.html

  • 相关阅读:
    mysql替代like模糊查询的方法
    8个超实用的jQuery插件应用
    判断登陆设备是否为手机
    SQL tp3.2 批量更新 saveAll
    SQL-批量插入和批量更新
    防止手机端底部导航被搜索框顶起
    php COM
    thinkphp3.2 where 条件查询 复查的查询语句
    Form表单提交,js验证
    jupyter notebook 使用cmd命令窗口打开
  • 原文地址:https://www.cnblogs.com/hoojjack/p/9823410.html
Copyright © 2020-2023  润新知