python必备库Matplotlib画图神器

前言：

matplotlib 通常与 numpy、pandas 一起使用，是数据分析中不可或缺的重要工具之一。

matplotlib 是 python 中类似 matlab 的绘图工具，如果您熟悉 matlab，那么可以很快的熟悉它。matplotlib 提供了一套面向对象绘图的 api，它可以轻松地配合 python gui 工具包（比如 pyqt，wxpython、tkinter）在应用程序中嵌入图形。与此同时，它也支持以脚本的形式在 python、ipython shell、jupyter notebook 以及 web 应用的服务器中使用。

官网地址：

https://matplotlib.org/

可以看看docs

官网就相当详细了，可以直接参考官网。

1.安装方法

pip安装：

pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

conda安装：

conda install matplotlib

测试是否成功：

import numpy as np 
from matplotlib import pyplot as plt 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y) 
plt.show()

成功出现下图就可以动手改造了。

2.用好官网的例子

最简单的应用-折线图

fig, ax = plt.subplots()  # create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]);  # plot some data on the axes.

添加注释的方法

fig, ax = plt.subplots(figsize=(5, 2.7))

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)
line, = ax.plot(t, s, lw=2)

ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
            arrowprops=dict(facecolor='black', shrink=0.05))

ax.set_ylim(-2, 2);

柱状图-bar label

import matplotlib.pyplot as plt
import numpy as np
n = 5
menmeans = (20, 35, 30, 35, -27)
womenmeans = (25, 32, 34, 20, -25)
menstd = (2, 3, 4, 1, 2)
womenstd = (3, 5, 2, 3, 3)
ind = np.arange(n)    # the x locations for the groups
width = 0.35       # the width of the bars: can also be len(x) sequence
fig, ax = plt.subplots()
p1 = ax.bar(ind, menmeans, width, yerr=menstd, label='men')
p2 = ax.bar(ind, womenmeans, width,
            bottom=menmeans, yerr=womenstd, label='women')
ax.axhline(0, color='grey', linewidth=0.8)
ax.set_ylabel('scores')
ax.set_title('scores by group and gender')
ax.set_xticks(ind, labels=['g1', 'g2', 'g3', 'g4', 'g5'])
ax.legend()
# label with label_type 'center' instead of the default 'edge'
ax.bar_label(p1, label_type='center')
ax.bar_label(p2, label_type='center')
ax.bar_label(p2)
plt.show()

正常run会出现下图：

折线图之csd

计算两个信号的交叉谱密度compute the cross spectral density of two signals

import numpy as np
import matplotlib.pyplot as plt


fig, (ax1, ax2) = plt.subplots(2, 1)
# make a little extra space between the subplots
fig.subplots_adjust(hspace=0.5)

dt = 0.01
t = np.arange(0, 30, dt)

# fixing random state for reproducibility
np.random.seed(19680801)


nse1 = np.random.randn(len(t))                 # white noise 1
nse2 = np.random.randn(len(t))                 # white noise 2
r = np.exp(-t / 0.05)

cnse1 = np.convolve(nse1, r, mode='same') * dt   # colored noise 1
cnse2 = np.convolve(nse2, r, mode='same') * dt   # colored noise 2

# two signals with a coherent part and a random part
s1 = 0.01 * np.sin(2 * np.pi * 10 * t) + cnse1
s2 = 0.01 * np.sin(2 * np.pi * 10 * t) + cnse2

ax1.plot(t, s1, t, s2)
ax1.set_xlim(0, 5)
ax1.set_xlabel('time')
ax1.set_ylabel('s1 and s2')
ax1.grid(true)

cxy, f = ax2.csd(s1, s2, 256, 1. / dt)
ax2.set_ylabel('csd (db)')
plt.show()

 到此这篇关于python必备库matplotlib画图神器的文章就介绍到这了,更多相关matplotlib画图神器内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！