Numpy入门[2]——Matplotlib 基础

参考：

https://ailearning.apachecn.org/

Python直接使用plot()函数画图

使用Jupyter进行练习

在使用Numpy之前，需要了解一些画图的基础。

Matplotlib是一个类似Matlab的工具包，主页地址为

http://matplotlib.org

导入 matplotlib 和 numpy：

import numpy as np
import matplotlib.pyplot as plt

plot二维图

plot(y)
plot(x, y)
plot(x, y, format_string)

只给定 y 值，默认以下标为 x 轴：

# 等距分
x = np.linspace(0, 2*np.pi,50)
plt.plot(np.sin(x))

[]

​

​

给定 x 和 y 值：

plt.plot(x,np.sin(x))

[]

​

多条数据线：

plt.plot(x, np.sin(x), x, np.sin(2*x))

[,]

​

使用字符串，给定线条参数：

plt.plot(x,np.sin(x),'r-^')

[]

​

多线条:

plt.plot(x, np.sin(x), "b-o",x, np.sin(2*x),"r-^")

[,]

​

scatter 散点图

scatter(x, y)
scatter(x, y, size)
scatter(x, y, size, color)

画二维散点图

plt.plot(x,np.sin(x),"bo")

[]

​

可以使用 scatter 达到同样的效果：

plt.scatter(x, np.sin(x))

​

scatter函数与Matlab的用法相同，还可以指定它的大小，颜色等参数：

from numpy import random
# 产生随机数组
x = random.rand(200)
y = random.rand(200)
size = random.rand(200) * 30
color = random.rand(200)
plt.scatter(x, y, size, color)
# 显示颜色条
plt.colorbar()

​

多图

使用figure()命令产生新的图像：

t = np.linspace(0, 2 * np.pi, 50)
x = np.sin(t)
y = np.cos(t)
plt.figure()
plt.plot(x)
plt.figure()
plt.plot(y)

[]

或者使用 subplot 在一幅图中画多幅子图：

subplot(row, column, index)

plt.subplot(1,2,1)
plt.plot(x)
plt.subplot(1,2,2)
plt.plot(y)

[]

​

标签

可以在 plot 中加入 label ，使用 legend 加上图例：

plt.plot(x, label='sin')
plt.plot(y, label='cos')
plt.legend()

​

或者直接在 legend中加入：

plt.plot(x)
plt.plot(y)
plt.legend(['sin','cos'])

坐标轴，标题，网格

可以设置坐标轴的标签和标题：

plt.plot(x,np.sin(x))
plt.xlabel("radians")
plt.ylabel("amplitude",fontsize="large")
plt.title('Sin(x)')
# 设置网格
plt.grid()

​

清除、关闭图像

• 清除已有图像使用：clf()
• 关闭当前图像：close()
• 关闭所有图像：close('all')

从脚本中运行

在脚本中使用 plot 时，通常图像是不会直接显示的，需要增加 show() 选项，只有在遇到 show() 命令之后，图像才会显示。

直方图

从高斯分布随机生成1000个点得到的直方图：

plt.hist(np.random.randn(1000))

(array([  2.,   5.,  33., 147., 266., 298., 171.,  68.,   9.,   1.]),array([-4.06787487, -3.28558599, -2.50329712, -1.72100825, -0.93871938,-0.15643051,  0.62585836,  1.40814724,  2.19043611,  2.97272498,3.75501385]),)

​