# 导入numpy数组 import numpy as np # 导入Matplotlib import matplotlib.pyplot as plt # 导入三维坐标轴图 from mpl_toolkits.mplot3d import Axes3D as plt_3d
# 等距离线性生成(0,50)的30个x数据 x = np.linspace(0, 50, 30) # 生成y加上随机偏移量 y = 3 * x + np.random.randn(30)*5 # 生成连续图 plt.plot(x, y) # 显示图形,在Jupyter中有没有这句都不影响 plt.show()
# 等距离线性生成(0,50)的30个x数据 x = np.linspace(-5, 5, 30) # 两种不同的关系式 y1 = 2*x + 8 y2 = x**2 - 3
# 使用一个图片框 plt.figure() plt.plot(x, y1) plt.show()
# 一个图片框也可以多个关系图 plt.figure() plt.plot(x, y1) # color=红色, linestyle=线条类型 plt.plot(x, y2, color='red', linestyle='--') plt.show()
# 新生成一个图片框 plt.figure() # 限制图片框的坐标限 plt.xlim((-3, 3)) plt.ylim((-5, 15)) plt.plot(x, y1) plt.plot(x, y2, color='red', linestyle='--') plt.show()
# 等距离线性生成(0,50)的30个x数据 x = np.linspace(-5, 5, 30) # 两种不同的关系式 y1 = 2*x + 8 y2 = x**2 - 3
# label=图标注解 plt.plot(x, y1, label='line', linestyle='--') plt.plot(x, y2, label='cur', color='r') # 显示图标 plt.legend() plt.show()
size = 128 # normal正态分布(均值,方差,数量) x = np.random.normal(0, 1, size) y = np.random.normal(0, 1, size) color = np.arctan2(y, x) # 设置两个坐标轴为空,即去除数字 plt.xticks(()) plt.yticks(()) # alpha: 透明度 plt.scatter(x, y, c=color, alpha=0.7) plt.show()
size = 16 x = np.arange(size) # 随便得出y值 y = x + np.random.randn(16)*(np.random.randint(16-x)) # 处理y为负值的情况 for i in range(16): if y[i]<0: y[i] = -y[i] # 设置两个坐标轴为空,即去除数字 plt.xticks(()) plt.yticks(()) # 柱状图 plt.bar(x, y) plt.show()
arr = np.random.randn(9).reshape(3, 3) # Image图片 plt.imshow(arr, origin='upper', cmap='bone', interpolation='nearest') # 颜色棒 plt.colorbar() # 设置两个坐标轴为空,即去除数字 plt.xticks(()) plt.yticks(()) plt.show()
fig = plt.figure() # 生成3D视图对象 ax = plt_3d(fig) # x、y、z 数值 x = np.arange(-4, 4, 0.25) y = np.arange(-4, 4, 0.25) x, y = np.meshgrid(x, y) R = np.sqrt(x**2 + y**2) z = np.sin(R) ax.plot_surface(x, y, z, cmap=plt.get_cmap('rainbow')) plt.show()
plt.figure() # 整个figure分成 2*2 个,即两行两列,相当于讲一个figure中分割成四个小的figure,然后在里面绘图 # 第一张小图,占据两格 plt.subplot(2, 1, 1) x = np.arange(16) y = x + np.abs(np.random.randn(16)*(16-x)) # 绘图 plt.plot(x, y) # 第二张小图 plt.subplot(2, 2, 3) plt.scatter(x, y, color='r', alpha=0.7) # 第三张小图 plt.subplot(2, 2, 4) plt.bar(x, y, color='g') plt.show()