# python matplotlib study

Matplotlib是一个图形库，是以Numpy库为基础的一个库。我们主要看到的是Artist层。其结构如下图。

1.画线，

```import matplotlib.pyplot as plt
import numpy as npt=np.arange(0,6.28,0.1)
t1=np.arange(0,20,0.5)
y1=np.sin(t)
#y2=np.cos(t1)
plt.title('study the matplotlib',fontsize=20,fontname='Times New Roman')
plt.plot(t1,y2,'r--')```

2.画数学函数，

```import matplotlib.pyplot as plt
import numpy as np
t=np.arange(0,6.28,0.1)
t1=np.arange(0,20,0.5)
y1=np.sin(t)
y2=np.cos(t1)

plt.subplot(2,1,1)
plt.title('study the matplotlib',fontsize=20,fontname='Times New Roman')
plt.plot(t,y1,'b--')

plt.subplot(2,1,2)
plt.plot(t1,y2,'r--')
plt.plot(t)
plt.xlabel('the x axis value',color='red')
plt.ylabel('the y value',color='blue')
plt.text(0.8,0.8,'python_matplotlib')
plt.text(10,4,'\$y=cos(x)\$',fontsize=10,bbox={'facecolor':'yellow','alpha':0.9})
plt.grid(True)
plt.legend(['first series','second series'],loc=1)

plt.show()```

3.画直方图

```pop=np.random.randint(0,100,100)
plt.hist(pop,bins=30)
plt.show()```

4.画条状图，

```index=['A','B','C','D','E']
values=[5,7,3,4,7]
std1=[0.8,0.4,-.6,0.9,1.4]
plt.title('The bar chart')
plt.barh(index,values,xerr=std1,error_kw={'ecolor':'0.1','capsize':6},alpha=0.7,label='First')
plt.yticks(index,['A+B','B+C','C+D','D+E','E+F'])
plt.legend(loc=4)
plt.grid()
plt.show()```

5.多序列条状图（多序列水平条状图），

```# multiseries bar chart
series1=np.array([3,4,5,6,7])
series2=np.array([4,5,6,7,8])
series3=np.array([5,6,7,8,9])

index=np.arange(1,6)
plt.axis([0,8,0,30])
plt.bar(index,series1,color='b',hatch='xx')
plt.bar(index,series2,color='g',hatch='///',bottom=series1)
plt.bar(index,series3,color='r',hatch='\\\\\\',bottom=(series1+series2))
plt.xticks(index+0.1,['Jan13','Feb15','Mar16','Apr19','June1'])
plt.show()```

6.对比倒影条状图， y1=np.array([1,3,4,6,4,3,2,1]) y2=np.array([1,2,5,4,3,3,2,1]) plt.ylim([-7,7]) plt.bar(x0,y1,0.9,facecolor='r',edgecolor='w') plt.bar(x0,-y2,0.9,facecolor='b',edgecolor='w') plt.xticks(()) plt.grid(True) for x,y in zip(x0,y1): plt.text(x+0.2,y+0.1,'%d' %y,ha='center',va='bottom') for x,y in zip(x0,y2): plt.text(x+0.2,-y-0.5,'%d' %y,ha='center',va='bottom') plt.show()

7.画等高线图

```dx=0.01; dy=0.01
x=np.arange(-2,2,dx)
y=np.arange(-2,2,dy)
X,Y=np.meshgrid(x,y)
def f(x,y):
return (1-y**5+x**5)*np.exp(-x**2-y**2)
C=plt.contour(X,Y,f(X,Y),8,colors='black')
plt.contourf(X,Y,f(X,Y),8)
plt.clabel(C,inline=1,fontsize=10)
plt.colorbar()
plt.show()```

8.画多面板图形，

```gs=plt.GridSpec(3,3)
fig=plt.figure(figsize=(6,6))
x1=np.array([1,3,2,5])
y1=np.array([4,3,7,2])
x2=np.arange(5)
y2=np.array([3,2,4,6,4])
s1.plot(x1,y1,'r')
s2.bar(x2,y2)
s3.barh(x2,y2,color='g')
s4.plot(x2,y2,'k')
s5.plot(x1,y1,'b^',x2,y2,'yo')
plt.show()```

0 条评论

• ### PID控制算法原理，并用python实现演示

PID：比列(Proportion)，积分(Integral)，微分(Differential)

• ### 一些统计学基础知识，Statistics basics

全距：最大值与最小值的差。仅描述数据的宽度，并没有描述数据上界和下届间数据的分布。

• ### 统计学之假设检验

P-值规则：先把显著性水平α值转化为一定分布下的临界值，然后在计算检验统计值，最后把检验统计值与临界值相互比较来判断是否拒绝原假设。在双侧检验时，α平分在两侧，...

• ### 15 种最常用的 matplotlib 可视化图表（附 Python 源码）

开始练习之前，首先你需要安装 matplotlib。实验楼为大家提供了已经安装好了各个模块的实验环境，推荐直接来实验楼练习。

• ### 我的机器学习matplotlib篇导入画出第一个图形颜色，标记，线型刻度、标题、标签和图例!创建子图

前言： matplotlib是python最常用的绘图库，能帮你画出美丽的各种图 导入 包含了中文显示，屏外显示 import matplotlib.p...

• ### python常用可视化技巧

我们在对数据进行预处理时，常常需要对数据做一些可视化的工作，以便能更清晰的认识数据内部的规律。 这里我们以kaggle案例泰坦尼克问题的数据做一些常用的可视...

• ### matplotlib相关图形绘制(一)

折线图用于显示随时间或有序类别而变化的趋势。折线图其实是由多个点连接在一起得到了，当点足够多的时候，折线图就变成了平滑的曲线。

• ### Python数据处理从零开始----第四章（可视化）（18）一文解决柱状图barplot or barchart

柱状图（或条形图）是最常见的图类型之一。 它显示了数值变量和类别变量之间的关系。 (1)绘制基础柱状图

• ### Matplotlib可视化Pyplot Tutorial

MATLAB, and pyplot, have the concept of the current figure and the current axes....