Python之matplotlib模块介绍及简单应用

冷不防 2021-09-07 06:14 726阅读 0赞

## Python之matplotlib模块介绍及简单应用 ##

在这里，我们将要介绍五个简单的案例及其实现  
（五个绘图实例，二个二维，三个三维）

## 一、还是老规矩，首先安装matplotlib库 ##

安装matplotlib库  
控制器命令：pip install matplotlib  
要是Linux的，我还真不会~~  
示例图如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center]

## 二、matplotlib模块简介 ##

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

总之就是说，它是一个绘图的库，可以用来绘图，这里我们采用与numpy合用的方式来绘图。  
至于numpy模块的使用，可以参见我的另一篇博文：  
“python 之 numpy 模块详细讲解及其应用案例”  
链接为：[https://blog.csdn.net/m0\_54218263/article/details/114272263][https_blog.csdn.net_m0_54218263_article_details_114272263]  
里面有详细讲解，同时也少量的应用了一点点matplotlib模块

## 三、matplotlib模块的实例 ##

## 第一个实例： ##

二维连续图像  
（显示一个二维的图像，连续的）

""" 导入模块 这里采用的模块的别名 是业界常用的操作 """
    
    import numpy as np
    import matplotlib.pyplot as plt
    # matplotlib 中的 pyplot 方法是我们最常用的一个方法，它也是为python设计使用的
    
    
    # 1、 构建 ： 图像的函数关系式
    X = np.arange(-5, 5, 0.1)
    Y = np.sin(X)
    
    # 2、 设置显示框的标题为 Matplotlib demo
    plt.title("Matplotlib demo")
    
    # 3、 设置X与Y轴并标出名称
    # 在这里尽量不要在标题中出现汉字！！否则会有乱码出现！！
    plt.xlabel("X") 
    plt.ylabel("Y")
    
    # 4、 选择所使用参数（此处即：X， Y）
    plt.plot(X, Y)  
    
    # 5、 显示出来：
    plt.show()

结果展示如下所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 2]  
在上例中，如果将语句：X = np.arange(-5, 5, 0.1) 改为：  
X = np.arange(-5, 5, 1)，则图像会有很大改变，如下所示（偏离了我们的期望）：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 3]  
所以说，合理的取点也很重要！！

## 第二个实例： ##

二维离散图像  
（显示一个二维的图像，离散的）  
本案例与前一个案例较为相似，故不多做解释了~~

import numpy as np
    import matplotlib.pyplot as plt
    
    # 为了可以看清楚，这里将间隔改为了 0.5
    # 即：第三个参数变为 0.5
    X = np.arange(-5, 5, 0.5)
    Y = np.sin(X)
    
    # 标题和坐标轴信息：
    plt.title("Demo 2")
    plt.xlabel("X")
    plt.ylabel("Y")
    
    
    # 参数'ob'表示使用散点图的形式输出图形！！
    
    """ 一般默认为曲线 但有参数则为不同样式（例如：‘ob’） o--->用圆点表示 b--->颜色是蓝色的 其他的字符表示方法请参见本案例的结尾处附表！！ """
    
    plt.plot(X, Y, 'ob')
    
    plt.show()

运行结果如下所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 4]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 5]

**附表（字符表示的含义，这个是从别的地方截图过来的）**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 6]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 7]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 8]

## 第三个实例： ##

三维连续图像  
（显示一个三维的图像，连续的）  
首先，用前面的方法会报错：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 9]  
（原因里面也写了，没有zlabel）

因此换用下方的方法来进行绘制：

import numpy as np
    import matplotlib.pyplot as plt
    # 导入库
    
    
    # 建立坐标系
    fig = plt.figure()
    # 构建三维空间
    ax_0 = plt.axes(projection='3d')
    # 设置X，Y（用arange的方法来实现）
    # 建议X与Y设置相同的范围和间隔！！
    X = np.arange(-3, 3, 0.1)
    Y = np.arange(-3, 3, 0.1)
    # meshgrid方法，
    """ meshgrid方法： 相当于是在这里进行建立了一个二维的网格，（二维坐标系）： 以（X， Y）为坐标单元建立的 例如：（-3， 2.9） （-2， -1） 等等 这只是一个简单的理解 具体的讲解请参见下方的链接！！！ 参见下方链接！！！ """
    x,y = np.meshgrid(X, Y)
    # 写出z的函数表达式
    z = np.exp(100 - x ** 2 - y ** 2) 
    # 绘制图像，cmap参数是设置图形的样式的，rainbow为彩虹状
    ax_0.plot_surface(x, y, z, cmap='rainbow')
    # 展示出来图像
    plt.show()

""" cmap取值 这里展示的十分全面，可以从中挑选作为cmap的值 cmap 的可取值如下： 'Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG', 'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap', 'CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens', 'Greens_r', 'Greys', 'Greys_r', 'OrRd', 'OrRd_r', 'Oranges', 'Oranges_r', 'PRGn', 'PRGn_r', 'Paired', 'Paired_r', 'Pastel1', 'Pastel1_r', 'Pastel2', 'Pastel2_r', 'PiYG', 'PiYG_r', 'PuBu', 'PuBuGn', 'PuBuGn_r', 'PuBu_r', 'PuOr', 'PuOr_r', 'PuRd', 'PuRd_r', 'Purples', 'Purples_r', 'RdBu', 'RdBu_r', 'RdGy', 'RdGy_r', 'RdPu', 'RdPu_r', 'RdYlBu', 'RdYlBu_r', 'RdYlGn', 'RdYlGn_r', 'Reds', 'Reds_r', 'Set1', 'Set1_r', 'Set2', 'Set2_r', 'Set3', 'Set3_r', 'Spectral', 'Spectral_r', 'Wistia', 'Wistia_r', 'YlGn', 'YlGnBu', 'YlGnBu_r', 'YlGn_r', 'YlOrBr', 'YlOrBr_r', 'YlOrRd', 'YlOrRd_r', 'afmhot', 'afmhot_r', 'autumn', 'autumn_r', 'binary', 'binary_r', 'bone', 'bone_r', 'brg', 'brg_r', 'bwr', 'bwr_r', 'cividis', 'cividis_r', 'cool', 'cool_r', 'coolwarm', 'coolwarm_r', 'copper', 'copper_r', 'cubehelix', 'cubehelix_r', 'flag', 'flag_r', 'gist_earth', 'gist_earth_r', 'gist_gray', 'gist_gray_r', 'gist_heat', 'gist_heat_r', 'gist_ncar', 'gist_ncar_r', 'gist_rainbow', 'gist_rainbow_r', 'gist_stern', 'gist_stern_r', 'gist_yarg', 'gist_yarg_r', 'gnuplot', 'gnuplot2', 'gnuplot2_r', 'gnuplot_r', 'gray', 'gray_r', 'hot', 'hot_r', 'hsv', 'hsv_r', 'inferno', 'inferno_r', 'jet', 'jet_r', 'magma', 'magma_r', 'nipy_spectral', 'nipy_spectral_r', 'ocean', 'ocean_r', 'pink', 'pink_r', 'plasma', 'plasma_r', 'prism', 'prism_r', 'rainbow', 'rainbow_r', 'seismic', 'seismic_r', 'spring', 'spring_r', 'summer', 'summer_r', 'tab10', 'tab10_r', 'tab20', 'tab20_r', 'tab20b', 'tab20b_r', 'tab20c', 'tab20c_r', 'terrain', 'terrain_r', 'turbo', 'turbo_r', 'twilight', 'twilight_r', 'twilight_shifted', 'twilight_shifted_r', 'viridis', 'viridis_r', 'winter', 'winter_r' """

（这两个 meshgrid 链接其实是一样的，  
如果没有办法打开，可以直接输入网址进行访问）  
加载的时候需要等上十几秒钟的时间！！

[meshgrid介绍网站连接][meshgrid]

[https://ww2.mathworks.cn/help/matlab/ref/meshgrid.html][meshgrid]

运行后的结果如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 10]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 11]  
（是不是有一点点彩虹rainbow的意味在内啊~~）

## 第四个实例 ##

三维离散图像  
（显示一个三维的图像，离散的）

import numpy as np
    import matplotlib.pyplot as plt
    
    # plt
    fig = plt.figure()
    ax_1 = plt.axes(projection='3d')
    
    
    """ random方法用来产生随机数，这里意为： 产生100个从0到1的随机数 """
    zd = 13*np.random.random(100)
    # 100 个0~1的随机数， 产生以后乘以13
    
    
    # xd，yd的函数关系（zd是自变量）
    xd = 5*np.sin(zd)
    yd = 5*np.cos(zd)
    
    
    
    ax_1.scatter3D(xd, yd, zd, cmap='Blues')  # 绘制散点图(三维的)
    plt.show() # 展示图像

结果的输出如下所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 12]  
图1  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 13]  
图2  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 14]  
比较图1 以及 图2 ，我们可以发现两张图不一样，即：两张图的点的分布是不同的。  
这也正是因为：random是随机产生点的；  
也恰恰验证了random确实是随机的生成数字！！

## 第五个实例 ##

等高线的绘制  
（三维空间中，一个函数会存在各个方向上的投影，我们在这里绘制等高线图，即就是：在x，y，z三个方向的投影）

import numpy as np
    import matplotlib.pyplot as plt
    fig = plt.figure()
    ax_2 = plt.axes(projection='3d')
    
    # 类似于上面的代码，构建三维函数（这里购进一个三维曲面）
    x = np.arange(-5, 5, 0.1)
    y = np.arange(-5, 5, 0.1)
    X, Y = np.meshgrid(x, y)
    Z = np.log(X ** 2 + Y ** 2 + 10)
    
    # 绘制曲面图像以及投影图：
    ax_2.plot_surface(X, Y, Z, cmap='winter')     # 三维的曲面图像
    ax_2.contour(X, Y, Z, zdir='z', offset=-3, cmap="rainbow")  # z方向投影，投到x-y平面
    ax_2.contour(X, Y, Z, zdir='x', offset=-6, cmap="rainbow")  # x方向投影，投到y-z平面
    ax_2.contour(X, Y, Z, zdir='y', offset=6, cmap="rainbow")   # y方向投影，投到x-z平面
    """ 解释一下在这里的offset参数： offset--->将投影放置在什么位置 例如： ax_2.contour(X, Y, Z, zdir='z', offset=-3, cmap="rainbow") 意为： 将 z 方向投影（即x-y平面）的曲线的投影放置在 z = -3 的平面之上!! """
    
    # 这里说明一下坐标轴的命名方法：
    ax_2.set_xlabel("X")
    ax_2.set_ylabel("Y")
    ax_2.set_zlabel("Z")
    
    # 展示图像：
    plt.show()

运行结果展示如下所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 15]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 16]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 17]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 18]  
（图形可以旋转）

*\*综上所述，上面便是所列举的五个例子，希望对大家有所帮助~~~~*\*  
*\*最后再感谢您能耐心读到最后~~~~*\*

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center]: /images/20210813/5d09542c1f784a18950a585aac97f8d4.png
[https_blog.csdn.net_m0_54218263_article_details_114272263]: https://blog.csdn.net/m0_54218263/article/details/114272263
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20210813/53d5572571cb4d41a38245b889630c09.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20210813/9dcda5f01502493ea3ecc0081cbd9efb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20210813/7f5ac23d46dc4ed990d241f95bbcabd9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20210813/5a924b524a214372bf7b069d5ec7ab38.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20210813/e2e353e2b215405a8bbd8af5aa817bb1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20210813/8b321ed8dcdd416d8492e3217b5ca236.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 7]: /images/20210813/a34d607cc55145df9d99a4f64a4cbcb4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 8]: /images/20210813/ee8aa10448a14dd28c836a5f065c7a71.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 9]: /images/20210813/172bf0716ec345e2bd4f4f02dc006995.png
[meshgrid]: https://ww2.mathworks.cn/help/matlab/ref/meshgrid.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 10]: /images/20210813/6063858d3cc545c4a69755b67f58b4d4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 11]: /images/20210813/3e256a848ea141e5a477704ed0a2a293.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 12]: /images/20210813/6bd03915d24347d890544fcf5b899502.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 13]: /images/20210813/2ffac7ccfb554e5e85c7490db78115f3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 14]: /images/20210813/48a11d3b4b4244fba22ed9ee798f42e1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 15]: /images/20210813/8ce01efd7525409db5703fe8104de080.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 16]: /images/20210813/7413c0e6d9ca4816a2ff481ed73a486f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 17]: /images/20210813/0d1b958383c84e46b5df9f9402308a74.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 18]: /images/20210813/ca60132315ea43d5b43dc7cb80d8298a.png