0.导语1.预备知识1.1 np.arange()1.2 numpy.random.uniform()1.3 zip()2.bar绘制3.散点图4.3D图5.参考文章6.作者的话
上次出了一篇matlibplot基础篇,本篇来主要学习matlibplot的各种图绘制!下面一起来嗨吧!!!
np.arange()返回的是numpy.ndarray() 三个参数(first,last,step) last必须提供,默认first从0开始,step为1, 生成的ndarray(),只包含first,不包含last
np.arange(3.0)
Out[6]: array([0., 1., 2.])
np.arange(1,3.0,.5)
Out[7]: array([1. , 1.5, 2. , 2.5])
函数原型:numpy.random.uniform(low,high,size) 功能:从一个均匀分布[low,high)中随机采样,注意定义域是左闭右开,即包含low,不包含high. 参数介绍: low: 采样下界,float类型,默认值为0; high: 采样上界,float类型,默认值为1; size: 输出样本数目,为int或元组(tuple)类型,例如,size=(m,n,k), 则输出mnk个样本,缺省时输出1个值。 返回值:ndarray类型,其形状和参数size中描述一致。 这里顺便说下ndarray类型,表示一个N维数组对象,其有一个shape(表维度大小)和dtype(说明数组数据类型的对象), 使用zeros和ones函数可以创建数据全0或全1的数组,原型: numpy.ones(shape,dtype=None,order='C'), 其中,shape表数组形状(m*n),dtype表类型,order表是以C还是fortran形式存放数据。
zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表。 如果各个迭代器的元素个数不一致,则返回列表长度与最短的对象相同,利用 * 号操作符,可以将元组解压为列表。 zip([iterable, …]) iterabl -- 一个或多个迭代器; 返回值 返回元组列表.
>>>a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b) # 打包为元组的列表
[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c) # 元素个数与最短的列表一致
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped) # 与 zip 相反,可理解为解压,返回二维矩阵式
[(1, 2, 3), (4, 5, 6)]
实现
import matplotlib.pyplot as plt
import numpy as np
# 生成n个柱状图
n = 12
X = np.arange(n) # [0,12)范围步长为1的array
'''
print(X)
print(X/float(n))
print(1-X/float(n))
'''
Y1 = (1-X/float(n)) * np.random.uniform(0.5, 1.0, n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5, 1.0, n)
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
for x,y in zip(X,Y1):
# ha: horizontal alignment
# va: vertical alignment
plt.text(x, y, '%.2f' % y, ha='center', va='bottom')
for x,y in zip(X,Y2):
# ha: horizontal alignment
# va: vertical alignment
plt.text(x, -y, '%.2f' % y, ha='center', va='top')
plt.xlim(-1,n)
plt.xticks(())
plt.ylim(-1.25, 1.25)
plt.yticks(())
plt.show()
输出
实现
import matplotlib.pyplot as plt
import numpy as np
n=1024
X=np.random.normal(0,1,n)
Y=np.random.normal(0,1,n)
T=np.arctan2(Y,X) # for color value
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.xlim(-1.5,1.5)
plt.ylim(-1.5,1.5)
plt.xticks(()) # 隐藏x轴内容
plt.yticks(()) # 隐藏y轴内容
plt.show()
输出
实现
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig=plt.figure()
ax=Axes3D(fig)
X=np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X,Y=np.meshgrid(X,Y)
R=np.sqrt(X**2+Y**2)
# height value
Z=np.sin(R)
# rstride行跨,cstride列跨
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
# 投影 offset表示把图形压缩到xoy面,z=-2的位置,zdir换成x,y类似
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')
ax.set_zlim(-2,2)
plt.show()
输出
https://morvanzhou.github.io/tutorials/data-manipulation/plt/2-1-basic-usage/
以上学习了matlibplot相关图的绘制,希望各位能够有所收获!