Detaillierte Erläuterung der Matplotlib-Zeichnungsbibliothek in Python

Pythons Matplotlib-Zeichnungsbibliothek ist ein sehr leistungsfähiges Datenvisualisierungstool. Es kann zum Zeichnen verschiedener Arten von Diagrammen verwendet werden, darunter Liniendiagramme, Streudiagramme, Balkendiagramme, Histogramme, Kreisdiagramme und mehr. Aufgrund seiner einfachen Erlernbarkeit und Verwendung sowie der Community-Unterstützung ist matplotlib zu einem der Standard-Visualisierungstools in der Python-Community für wissenschaftliches Rechnen geworden. In diesem Artikel wird detailliert beschrieben, wie Sie die Matplotlib-Zeichenbibliothek verwenden und gängige Grafiken zeichnen.

1. Matplotlib-Grundlagen

1. Matplotlib importieren

Bevor Sie Matplotlib verwenden, müssen Sie es zuerst importieren. Wird normalerweise mit dem folgenden Code importiert:

import matplotlib.pyplot as plt

wobei plt ein herkömmlicher Name ist, der zur Vereinfachung der Verwendung von Matplotlib verwendet wird.

2. Zeichenfenster

Bevor Sie Grafiken zeichnen, müssen Sie ein Zeichenfenster erstellen. Das einfachste Zeichenfenster kann mit dem folgenden Code erstellt werden:

plt.figure()

Wenn keine Parameter übergeben werden, wird standardmäßig ein Fenster mit einer Größe von (8, 6) Zoll erstellt.

3. Grafiken zeichnen

Nachdem Sie das Zeichenfenster erstellt haben, können Sie mit dem Zeichnen von Grafiken beginnen. Um beispielsweise eine einfache gerade Linie zu zeichnen, können Sie den folgenden Code verwenden:

import numpy as np

x = np.array([0, 1, 2, 3, 4])
y = np.array([0, 1, 2, 3, 4])

plt.plot(x, y)
plt.show()

wobei np ein Alias ​​für die NumPy-Bibliothek ist, die zum Generieren von Daten auf der x- und y-Achse verwendet wird. Die Plot-Funktion wird zum Zeichnen gerader Linien und die Show-Funktion zum Anzeigen von Grafiken verwendet. Nach der Ausführung dieses Codes öffnet sich ein Zeichenfenster und zeigt die gerade Linie an.

2. Gängige Methoden zum Zeichnen von Diagrammen

1. Liniendiagramm

Liniendiagramm ist ein Diagramm, das zum Zeichnen kontinuierlicher Daten verwendet wird. Es kann mit der Plot-Funktion geplottet werden. Der folgende Code zeichnet beispielsweise eine Sinusfunktionskurve:

x = np.arange(0, 10, 0.1)
y = np.sin(x)

plt.plot(x, y)
plt.show()

wobei x von 0 bis 10 in Schritten von 0,1 reicht und y der entsprechende Sinusfunktionswert ist.

2. Streudiagramm

Das Streudiagramm wird verwendet, um die Beziehung zwischen zwei Variablen, z. B. X- und Y-Koordinaten, darzustellen. Sie können die Streufunktion zum Zeichnen verwenden. Der folgende Code erstellt beispielsweise ein Streudiagramm mit Zufallsdaten:

x = np.random.rand(50)
y = np.random.rand(50)

plt.scatter(x, y)
plt.show()

wobei x und y beide Zufallszahlen der Länge 50 sind.

3. Balkendiagramm

Balkendiagramm wird verwendet, um die numerischen Werte in verschiedenen Kategorien zu vergleichen. Es kann mit der Balkenfunktion gezeichnet werden. Der folgende Code zeichnet beispielsweise ein einfaches Histogramm:

x = ["A", "B", "C", "D", "E"]
y = [10, 5, 8, 12, 7]

plt.bar(x, y)
plt.show()

wobei x die Kategorie und y die numerische Größe unter jeder Kategorie ist.

4. Histogramm

Histogramm wird verwendet, um die Verteilung eines Datensatzes anzuzeigen. Es kann mit der hist-Funktion gezeichnet werden. Der folgende Code zeichnet beispielsweise ein Histogramm zufälliger Daten auf:

x = np.random.randn(1000)

plt.hist(x)
plt.show()

wobei x eine Zufallszahl der Länge 1000 ist.

5. Kreisdiagramm

Kreisdiagramm wird verwendet, um den Anteil verschiedener Kategorien anzuzeigen. Sie können die Kreisfunktion zum Zeichnen verwenden. Der folgende Code zeichnet beispielsweise ein einfaches Kreisdiagramm:

labels = ["A", "B", "C", "D", "E"]
sizes = [15, 30, 45, 10, 5]

plt.pie(sizes, labels=labels)
plt.show()

wobei „sizes“ die Größe jeder Kategorie und „labels“ der Name jeder Kategorie ist. 3. Matplotlib erweitert legend, Wird zur Unterscheidung verschiedener Datensätze verwendet:

plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Title")
plt.plot(x, y)
plt.show()

Unter diesen wird der Beschriftungsparameter zur Unterscheidung verschiedener Datensätze und die Legendenfunktion zur Anzeige der Legende verwendet.

1. Formatierungsstileinstellungen

Mit dem fmt-Parameter können Sie den Stil der Linie festlegen, z. B. Farbe, Linienform und Linienbreite:

x1 = np.arange(0, 10, 0.1)
y1 = np.sin(x1)

x2 = np.arange(0, 10, 0.1)
y2 = np.cos(x2)

plt.plot(x1, y1, label="sin")
plt.plot(x2, y2, label="cos")
plt.legend()
plt.show()

wobei r-- eine rot gepunktete Linie und die Linienbreite darstellt Mit dem Parameter wird die Linienbreite eingestellt.

Subplot-Einstellungen

Mit der Subplot-Funktion können Sie mehrere Subplots zeichnen:

plt.plot(x, y, "r--", linewidth=2)
plt.show()

Unter diesen akzeptiert die Subplot-Funktion drei Parameter, die die Anzahl der Zeilen, die Anzahl der Spalten und die Seriennummer des Subplots darstellen.

Grafiken speichern

Verwenden Sie die Savefig-Funktion, um Grafiken als Datei zu speichern:

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

plt.subplot(2, 2, 2)
plt.scatter(x, y)

plt.subplot(2, 2, 3)
plt.bar(x, y)

plt.subplot(2, 2, 4)
plt.hist(x)

plt.show()

wobei die Parameter den Dateinamen und den Pfad darstellen.
4. Fazit

In diesem Artikel werden die grundlegende Verwendung der Matplotlib-Zeichenbibliothek und die Zeichenmethoden gängiger Grafiken sowie einige fortgeschrittene Techniken vorgestellt. Als unverzichtbarer Bestandteil des wissenschaftlichen Rechnens mit Python hilft Ihnen das Erlernen der Matplotlib-Zeichnungsbibliothek dabei, die Datenvisualisierung und Datenanalyse besser durchzuführen.

Das obige ist der detaillierte Inhalt vonDetaillierte Erläuterung der Matplotlib-Zeichnungsbibliothek in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!