先看下jupyter和pycharm环境的差别
左边是jupyter----------------------------------------------------------右边是pycharm
以下都是使用pycharm环境
1.一个窗口画出一个线性方程
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列 print(x) y = 2*x plt.plot(x,y) plt.show()
2.两个窗口分别画出一个线性方程
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列 y1 = 2*x y2 = 3*x # 一个figure就是一个窗口 plt.figure() plt.plot(x,y1) # 一个figure就是一个窗口 plt.figure() plt.plot(x,y2) # 显示 plt.show()
3.一个窗口画出两个线性方程
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列 y1 = 2*x y2 = 3*x # 一个figure就是一个窗口 plt.figure() plt.plot(x,y1) plt.plot(x,y2) # 显示 plt.show()
4.定义画图的样式
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列 y = 2*x # 一个figure就是一个窗口 plt.figure(num=1) plt.plot(x,y) plt.figure(num=2) # color是线条的颜色 plt.plot(x,y,color="red") plt.figure(num=3) # linestyle 是线条的样式 plt.plot(x,y,linestyle="--") plt.figure(num=4) # linewidth 是线条的宽度 plt.plot(x,y,linewidth=3) # 显示 plt.show()
5.设置xy轴的范围，标签，刻度
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列
y = 2*x
plt.figure(num=1)# 这里是figure1
plt.plot(x,y)
plt.figure(num=2)# 这里是figure2
plt.plot(x,y)
plt.xlim(0,3)# 设置x轴范围
plt.ylim(0,3)# 设置y轴范围
plt.xlabel("this is x")# 设置x轴标签
plt.ylabel("this is y")# 设置y轴标签
plt.figure(num=3)# 这里是figure3
plt.plot(x,y)
# 设置x轴刻度
x_ticks = np.linspace(1,3,3)
plt.xticks(x_ticks)
plt.figure(num=4)# 这里是figure4
plt.plot(x,y)
plt.ylim(0,3)# 设置y轴范围
plt.yticks([1,2],["bad","good"])# 设置y轴刻度
# 显示
plt.show()
6.设置图例
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列 y1 = 2*x y2 = 3*x plt.figure() plt.plot(x,y1,label="y1") plt.plot(x,y2,label="y2") plt.legend() # 显示 plt.show()
7.散点图
import numpy as np import matplotlib.pyplot as plt x = np.random.randint(0,50,1024) y = np.random.randint(0,50,1024) plt.scatter(x,y,s=20) # 隐藏 x 轴刻度 plt.xticks(()) # 显示 plt.show()
8.柱状图
import numpy as np import matplotlib.pyplot as plt n = 6 x = np.arange(n) print(x) # 生成6个数，这6个数在0到1正态分布 y = np.random.uniform(0,1,n) print(y) plt.bar(x,y) # 显示 plt.show()
9.柱状图显示高度
import numpy as np
import matplotlib.pyplot as plt
n = 6
X = np.arange(n)
Y = np.random.uniform(0,1,n)
plt.figure(num=1)
plt.bar(X,Y)
for x,y in zip(X,Y):
plt.text(x,y,y)
plt.figure(num=2)
plt.bar(X,Y)
for x,y in zip(X,Y):
plt.text(x,y,"%.2f"%y)
plt.figure(num=3)
plt.bar(X,Y)
for x,y in zip(X,Y):
plt.text(x,y,"%.2f"%y,ha="center")
plt.figure(num=4)
plt.bar(X,Y)
for x,y in zip(X,Y):
plt.text(x,y+0.01,"%.2f"%y,ha="center")
# 显示
plt.show()
10.等高线图
import numpy as np
import matplotlib.pyplot as plt
def f(X,Y):
return X+Y
n = 256
x = np.linspace(0,3,n)
y = np.linspace(0,3,n)
X,Y=np.meshgrid(x,y)
plt.figure()
plt.contourf(X,Y,f(X,Y),4,cmap=plt.cm.hot)
plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
plt.contour(X,Y,f(X,Y),9)
plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
C = plt.contour(X,Y,f(X,Y),9)
plt.clabel(C,inline=True)
# 显示
plt.show()
11.一个窗口多个子图
import matplotlib.pyplot as plt plt.figure() # 两行两列的第一个位置，不加逗号也可以 plt.subplot(2,2,1) plt.plot([0,1],[0,1]) # 两行两列的第二个位置，不加逗号也可以 plt.subplot(2,2,2) plt.plot([0,2],[0,2]) # 两行两列的第三个位置，不加逗号也可以 plt.subplot(223) plt.plot([0,3],[0,3]) # 两行两列的第四个位置，不加逗号也可以 plt.subplot(224) plt.plot([0,4],[0,4]) plt.figure() # 两行两列的第一个位置，不加逗号也可以 plt.subplot(2,1,1) plt.plot([0,1],[0,1]) # 两行两列的第二个位置，不加逗号也可以 plt.subplot(2,3,4) plt.plot([0,2],[0,2]) # 两行两列的第三个位置，不加逗号也可以 plt.subplot(235) plt.plot([0,3],[0,3]) # 两行两列的第四个位置，不加逗号也可以 plt.subplot(236) plt.plot([0,4],[0,4]) # 显示 plt.show()
12.常用子图显示
plt.figure(figsize=(20,10))
for i in range(40):
plt.subplot(4,10,i+1)
plt.xticks()
plt.yticks()
plt.grid(False)
plt.imshow(train_images[i],cmap=plt.cm.binary_r)
plt.title(train_labels[i])
plt.show()
13.格子布局放置子图
import matplotlib.pyplot as plt
plt.figure()
# 三行三列的布局，从0行0列开始，占一行三列
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax1.plot([0,1],[0,1])
ax1.set_title("this is ax1")
# 三行三列的布局，从1行0列开始，占一行两列
ax2 = plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
# 三行三列的布局，从1行2列开始，占两行一列
ax3 = plt.subplot2grid((3,3),(1,2),colspan=1,rowspan=2)
# 三行三列的布局，从2行0列开始，占一行一列
ax4 = plt.subplot2grid((3,3),(2,0),colspan=1,rowspan=1)
# 三行三列的布局，从2行1列开始，占一行一列
ax5 = plt.subplot2grid((3,3),(2,1),colspan=1,rowspan=1)
# 显示
plt.show()
以上就是python可视化数据plt库实例的详细内容，更多关于python可视化数据plt库的资料请关注服务器之家其它相关文章！
原文链接：https://blog.csdn.net/u011250160/article/details/117923221