Heim > Backend-Entwicklung > Python-Tutorial > Python-Tutorial zur Verwendung von Matplotlib zum Zeichnen eines Liniendiagramms

Python-Tutorial zur Verwendung von Matplotlib zum Zeichnen eines Liniendiagramms

高洛峰
Freigeben: 2017-02-10 09:40:44
Original
3305 Leute haben es durchsucht

Matplotlib ist eine Python-Toolbox zur Datenvisualisierung im wissenschaftlichen Rechnen. Damit kann Python eine Vielzahl von Datengrafiken wie Matlab und Octave zeichnen. Der folgende Artikel stellt hauptsächlich das Tutorial zum Zeichnen eines Liniendiagramms mit Matplotlib in Python vor. Freunde in Not können sich darauf beziehen.

Einführung in Matplotlib

Matplotlib ist die bekannteste Zeichenbibliothek in Python. Sie bietet eine Reihe von Befehls-APIs, die Matlab ähneln kartographisch sehr gut geeignet. Und es kann auch problemlos als Zeichensteuerung verwendet und in GUI-Anwendungen eingebettet werden.

Die Dokumentation ist ziemlich vollständig, und auf der Galerieseite gibt es Hunderte von Miniaturansichten und nach dem Öffnen gibt es Quellprogramme. Wenn Sie also einen bestimmten Diagrammtyp zeichnen müssen, durchsuchen/kopieren/einfügen Sie einfach diese Seite und schon sind Sie fertig.

Das bekanntere Datendiagramm-Tool unter Linux ist Gnuplot. Es gibt ein kostenloses Paket, das Gnuplot aufrufen kann, aber die Syntax ist nicht vertraut und die Zeichenqualität ist nicht hoch.

Matplotlib ist relativ stark: Matlabs Syntax, Python-Sprache und die Zeichenqualität von Latex (Sie können auch die integrierte Latex-Engine zum Zeichnen mathematischer Formeln verwenden).

So installieren Sie die Zeichenbibliothek Matplotlib: Klicken Sie hier

Matplotlib zeichnet ein Liniendiagramm

1. Liniendiagramm

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)
y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1)
plt.plot(x, y2)

plt.title('line chart')
plt.xlabel('x')
plt.ylabel('y')

plt.show()
Nach dem Login kopieren

Python-Tutorial zur Verwendung von Matplotlib zum Zeichnen eines Liniendiagramms

2. Legende

Geben Sie beim Plotten eine Beschriftung an und rufen Sie dann die Legendenmethode auf, um die Legende zu zeichnen. Beispiel:

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)
y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, label='y = sin(x)')
plt.plot(x, y2, label='y = cos(x)')
plt.legend()
plt.show()
Nach dem Login kopieren

Python-Tutorial zur Verwendung von Matplotlib zum Zeichnen eines Liniendiagramms
legend method akzeptiert einen loc-Schlüsselwortparameter, um die Position der Legende festzulegen , die möglichen Werte sind Zahlen oder Zeichenfolgen:

0: 'best'


1: 'upper right'


2: 'upper left '


3: 'unten links'


4: 'unten rechts'


5: 'rechts'


6: 'Mitte links'


7: 'Mitte rechts'


8: 'Mitte unten'


9: 'obere Mitte'


10: 'Mitte'


3. Linienstil

(1) Farbe

Der Schlüsselwortparameter color (oder c) der Plot-Methode wird verwendet, um die Farbe der Linie festzulegen. Mögliche Werte sind:

1. Farbname oder Abkürzung


b: blau


g: grün


r: Rot


c: Cyan


m: Magenta


y: Gelb


k : schwarz


w: weiß


2. (r, g, b) oder (r, g , b, a), wobei r g b a die Form einer Folge von Gleitkommazahlen zwischen [0, 1]


4 und [0, 1] annimmt, die Graustufenwerte darstellen. 0 bedeutet schwarz, 1 bedeutet weiß


(2) Stil

Der Schlüsselwortparameter linestyle (oder ls) der Plotmethode wird verwendet, um den Linienstil festzulegen. Mögliche Werte sind:

-, durchgezogen

  • --, gestrichelt

  • - ., Strichpunkt

  • :, gepunktet

  • '', ' ', Keine

  • ( 3 )Dicke

    Das Festlegen des Schlüsselwortparameters linewidth (oder lw) der Plotmethode kann die Dicke der Linie ändern, und ihr Wert ist eine Gleitkommazahl.

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)
y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, c='r', ls='--', lw=3)
plt.plot(x, y2, c='#526922', ls='-.')
plt.show()
Nach dem Login kopieren

4. MarkierungPython-Tutorial zur Verwendung von Matplotlib zum Zeichnen eines Liniendiagramms

Das Folgende Tasten Word-Parameter können verwendet werden, um den Markierungsstil festzulegen:

marker

  • markeredgecolor oder mec

  • markeredgewidth oder mew

  • markerfacecolor oder mfc

  • markerfacecoloralt oder mfcalt

  • markersize oder ms

  • Die möglichen Werte von marker sind:

'.': Punktmarker

  • ',': Pixelmarkierung

  • 'o': Kreismarkierung

  • 'v': Triangle_Down-Markierung

  • '^': Dreieck_Aufwärtsmarkierung

  • '<': Dreieck_Linksmarkierung

  • '>': triangle_right marker

  • '1': tri_down marker

  • '2': tri_up marker

  • '3': tri_left marker

  • '4': tri_right marker

  • 's': square marker

  • 'p': pentagon marker

  • '*': star marker

  • 'h': hexagon1 marker

  • 'H': hexagon2 marker

  • '+': plus marker

  • 'x': x marker

  • 'D': diamond marker

  • 'd': thin_diamond marker

  • '|': vline marker

  • '_': hline marker

例如:

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 10)
y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, marker=&#39;o&#39;, mec=&#39;r&#39;, mfc=&#39;w&#39;)
plt.plot(x, y2, marker=&#39;*&#39;, ms=10)
plt.show()
Nach dem Login kopieren

Python-Tutorial zur Verwendung von Matplotlib zum Zeichnen eines Liniendiagramms

另外,marker关键字参数可以和color以及linestyle这两个关键字参数合并为一个字符串。例如:

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 10)
y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, &#39;ro-&#39;)
plt.plot(x, y2, &#39;g*:&#39;, ms=10)
plt.show()
Nach dem Login kopieren

Python-Tutorial zur Verwendung von Matplotlib zum Zeichnen eines Liniendiagramms

更多Python-Tutorial zur Verwendung von Matplotlib zum Zeichnen eines Liniendiagramms相关文章请关注PHP中文网!

Verwandte Etiketten:
Quelle:php.cn
Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage