前言

matplotlib 是Python最著名的繪圖庫，它提供了一整套和matlab相似的命令API，十分適合交互式地進行制圖。本文將以例子的形式分析matplot中支持的，分析中常用的幾種圖。其中包括填充圖、散點圖(scatter plots)、. 條形圖(bar plots)、等高線圖(contour plots)、 點陣圖和３Ｄ圖，下面來一起看看詳細的介紹：

一、填充圖

參考代碼

from matplotlib.pyplot import *
x=linspace(-3,3,100)
y1=np.sin(x)
y2=np.cos(x)
fill_between(x,y1,y2,where=(y1>=y2),color='red',alpha=0.25)
fill_between(x,y1,y2,where=(y<>y2),color='green',alpha=0.25)
plot(x,y1)
plot(x,y2)
show()

簡要分析

這里主要是用到了fill_between函數(shù)。這個函數(shù)很好理解，就是傳入x軸的數(shù)組和需要填充的兩個y軸數(shù)組；然后傳入填充的范圍，用where=來確定填充的區(qū)域；最后可以加上填充顏色啦，透明度之類修飾的參數(shù)。

當然fill_between函數(shù)還有更加高級的用法，詳見fill_between用法或者help文檔。

效果圖

二、散點圖(scatter plots)

參考代碼

from matplotlib.pyplot import *
n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
T = np.arctan2(Y,X)
scatter(X,Y, s=75, c=T, alpha=.5)
xlim(-1.5,1.5)
ylim(-1.5,1.5)
show()

簡要分析

首先介紹一下numpy 的normal函數(shù)，很明顯，這是生成正態(tài)分布的函數(shù)。這個函數(shù)接受三個參數(shù)，分別表示正態(tài)分布的平均值，標準差，還有就是生成數(shù)組的長度。很好記。

然后是arctan2函數(shù)，這個函數(shù)接受兩個參數(shù)，分別表示y數(shù)組和x數(shù)組，然后返回對應(yīng)的arctan(y/x)的值，結(jié)果是弧度制。

接下來用到了繪制散點圖的scatter方法，首先當然是傳入x和y數(shù)組，接著s參數(shù)表示scale，即散點的大??；c參數(shù)表示color，我給他傳的是根據(jù)角度劃分的一個數(shù)組，對應(yīng)的就是每一個點的顏色（雖然不知道是怎么對應(yīng)的，不過好像是一個根據(jù)數(shù)組內(nèi)其他元素進行的相對的轉(zhuǎn)換，這里不重要了，反正相同的顏色賦一樣的值就好了）；最后是alpha參數(shù)，表示點的透明度。

至于scatter函數(shù)的高級用法可以參見官方文檔scatter函數(shù)或者help文檔。

最后設(shè)置下坐標范圍就好了。

效果圖

三、條形圖(bar plots)

參考代碼

from matplotlib.pyplot import *
n = 12
X = np.arange(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)
bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
for x,y in zip(X,Y1):
 text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
for x,y in zip(X,Y2):
 text(x+0.4, -y-0.05, '%.2f' % y, ha='center', va= 'top')
xlim(-.5,n)
xticks([])
ylim(-1.25,+1.25)
yticks([])
show()

簡要分析

注意要手動導入pylab包，否則會找不到bar。。。

首先用numpy的arange函數(shù)生成一個[0,1,2,…,n]的數(shù)組。（用linspace也可以）

其次用numpy的uniform函數(shù)生成一個均勻分布的數(shù)組，傳入三個參數(shù)分別表示下界、上界和數(shù)組長度。并用這個數(shù)組生成需要顯示的數(shù)據(jù)。

然后就是bar函數(shù)的使用了，基本用法也和之前的plot、scatter類似，傳入橫縱坐標和一些修飾性參數(shù)。

接著我們需要用for循環(huán)來為柱狀圖顯示數(shù)字：用python的zip函數(shù)將X和Y1兩兩配對并循環(huán)遍歷，得到每一個數(shù)據(jù)的位置，然后用text函數(shù)在該位置上顯示一個字符串（注意位置上的細節(jié)調(diào)整）。text傳入橫縱坐標，要顯示的字符串，ha參數(shù)制定橫向?qū)R，va參數(shù)制定縱向?qū)R。

最后調(diào)整下坐標范圍，并且取消橫縱坐標上的刻度以保持美觀即可。

至于bar函數(shù)的具體用法可以參照bar函數(shù)用法或者help文檔。

效果圖

四、等高線圖(contour plots)

參考代碼

from matplotlib.pyplot import *
def f(x,y):
 return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
X,Y = np.meshgrid(x,y)
contourf(X, Y, f(X,Y), 8, alpha=.75, cmap=cm.hot)
C = contour(X, Y, f(X,Y), 8, colors='black', linewidth=.5)
clabel(C, inline=1, fontsize=10)
show()

簡要分析

首先要明確等高線圖是一個三維立體圖，所以我們要建立一個二元函數(shù)f，值由兩個參數(shù)控制，(注意，這兩個參數(shù)都應(yīng)該是矩陣)。

然后我們需要用numpy的meshgrid函數(shù)生成一個三維網(wǎng)格，即，x軸由第一個參數(shù)指定，y軸由第二個參數(shù)指定。并返回兩個增維后的矩陣，今后就用這兩個矩陣來生成圖像。

接著就用到coutourf函數(shù)了，所謂contourf，大概就是contour fill的意思吧，只填充，不描邊；這個函數(shù)主要是接受三個參數(shù)，分別是之前生成的x、y矩陣和函數(shù)值；接著是一個整數(shù)，大概就是表示等高線的密度了，有默認值；然后就是透明度和配色問題了，cmap的配色方案這里不多研究。

隨后就是contour函數(shù)了，很明顯，這個函數(shù)是用來描線的。用法可以類似的推出來，不解釋了，需要注意的是他返回一個對象，這個對象一般要保留下來個供后續(xù)的加工細化。

最后就是用clabel函數(shù)來在等高線圖上表示高度了，傳入之前的那個contour對象；然后是inline屬性，這個表示是否清除數(shù)字下面的那條線，為了美觀當然是清除了，而且默認的也是1；再就是指定線的寬度了，不解釋，。

效果圖

五、點陣圖

參考代碼

from matplotlib.pyplot import *
def f(x,y):
 return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
n = 10
x = np.linspace(-3,3,3.5*n)
y = np.linspace(-3,3,3.0*n)
X,Y = np.meshgrid(x,y)
Z = f(X,Y)
imshow(Z,interpolation='nearest', cmap='bone', origin='lower')
colorbar(shrink=.92)
show()

簡要分析

這段代碼的目的就是將一個矩陣直接轉(zhuǎn)換為一張像照片一樣的圖，完整的進行顯示。

前面的代碼就是生成一個矩陣Z，不作解釋。

接著用到了imshow函數(shù)，傳人Z就可以顯示出一個二維的圖像了，圖像的顏色是根據(jù)元素的值進行的自適應(yīng)調(diào)整，后面接了一些修飾性的參數(shù)，比如配色方案（cmap），零點位置（origin）。

最后用colorbar顯示一個色條，可以不傳參數(shù)，這里傳進去shrink參數(shù)用來調(diào)節(jié)他的長度。

效果圖

六、３Ｄ圖

參考代碼

import numpy as np
from pylab import *
from mpl_toolkits.mplot3d import Axes3D
fig = 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)
Z = np.sin(R)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.cm.hot)
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.cm.hot)
ax.set_zlim(-2,2)
show()

簡要分析

有點麻煩，需要用到的時候再說吧，不過原理也很簡單，跟等高線圖類似，先畫圖再描線，最后設(shè)置高度，都是一回事。

效果圖

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家學習或者使用python能帶來一定的幫助，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

最新評論