Python可视化笔记 – 学习经验分享

password

type

Post

status

Published

date

Feb 2, 2022

slug

summary

第一次美赛的备赛准备

引入Matplotlib作为函数库


import matplotlib.pyplot  as plt
import numpy as np
# 引入matplotlib.pyplpt 并且定义其简称为 plt ，在后续的代码中，可以通过plt.来调用matplotlib.pyplpt内的函数

在引入Matplotlib库的同时，引入numpy库

numpy：一个强大的、用于数字处理的第三方库，可以利用它来开多位数组，实现高级的矩阵运算。它是基于C语言的库，相比Python具有更高的效率。

建立画布（plt./ax.）

建立可视图（figure.）的方法有两种，类似于Unity的Canvas画布，可视图也建立在一张规定的画布之上，需要强调的是，想要生成可视图，就必须要调用plt.figure（）函数。

可以通过plt.或者ax.两种方式来部署。


fig,ax = plt.subplots()

效果上，这段代码等价于


fig = plt.figure()
ax = fig.add_subplots(1,1,1)

也可以利用plt.


plt.figure(num=1,figsize=(16,10))
# 其中 figsize内参数表示figure的长与宽 num=n(n表示任意整数)<=>Figure(n)

plt.plot(x,y1,color='',linewidth= ,linestyle=' ')
# 在图上绘制函数y1(x) 内包含参数color，行宽，线条形状

需要强调的是，每次绘制都是基于原先画布上的绘制，想要完整的绘制多张可视图，正确的操作应该是

plt.figure(...)==>多次使用plt.plot()来在同一张画布上绘制多条曲线

==>plt.figure()再生成一张画布进行之后的绘图

对于可视图进行细节处理


plt.title('the title of the plot')
# 设置轴的标题

plt.xlim(min,max)
plt.ylim(min,max)
# 对于x,y展示范围进行限制，仅绘制limitation内的图像

plt.xlabel('Label of X')
# 修改x轴的名称，显现在x轴下方 注意括号内需要加上单引号或者双引号

plt.xticks([-1,0,1],['bad','normal','good']
plt.yticks([0,2,4],['0B','2B','4B']
# 利用英文标签替换x轴的对应位置，代替原有数轴  也即 轴的标签
# 也可以将标签写为 '$bad$' 与 '$really\ good$'等类似形式来更改为美化字体，详情需要参考LaTex公式
# plt.xticks([-1,0,1,2],['$bad$','normal','$good\\alpha$','$really\ good$'])

plt.xlabel( )与plt.xticks( )的效果展示

plt.xlabel( )与plt.xticks( )的效果展示

title,yticks,scatter散点图


plt.plot(x,y1,label='the figure of y1')
plt.legend()
# 通过plt.legend()函数 在视图内添加对于图像的标注

plt.legend( )的效果图

绘制一个一次函数(y1=2x)和一个二次函数(y2=x2)


x=np.linspace(-3,3,200)
# 在[-3，3]内以等差数列的方式生成200个数，定义为函数的自变量
y1=x*2
y2=x**2
# 对函数值与自变量进行关联

plt.figure(num=2,figsize=(5,5))
plt.plot(x,y1)

# 建立画布，并且在画布上绘制第一张函数图像

plt.figure(num=-1,figsize=(5,5))
plt.plot(x,y2)
# 同理，绘制第二张函数图像

# 也可以通过 plt.plot(x,y1,x,y2)达到同时绘制两份函数曲线的效果
plt.show();

y=2x

y=x^2

自定义x与y的值


x = [1,2,3]
y = [1,2,3]
# 相当于在函数图像上标记了(1,1)(2,2)(3,3)三个点