Python matplotlib深度教程:画图与多图示例
48 浏览量
更新于2024-08-29
收藏 417KB PDF 举报
本文主要介绍了Python的matplotlib库用于数据可视化的基础使用方法,包括绘制基本图形、多图绘制以及直方图的制作。
在Python的数据分析和可视化领域,matplotlib是一个非常重要的库,它提供了丰富的图形绘制功能。首先,我们需要导入matplotlib.pyplot模块,通常简称为plt,以及用于数值计算的numpy库。
```python
import matplotlib.pyplot as plt
import numpy as np
```
一个简单的绘图例子是绘制一条正弦曲线。通过numpy的`arange`函数生成x轴上的等差序列,然后利用`sin`函数计算对应的y值,最后使用`plot`函数绘制图形。同时,我们可以添加x轴和y轴的标签以及图形的标题:
```python
t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2 * np.pi * t)
plt.plot(t, s)
plt.xlabel('时间 (s)')
plt.ylabel('电压 (mV)')
plt.title('简单示例')
```
为了显示图形,调用`show`函数。若想保存图形,可以使用`savefig`函数,例如保存为PNG格式的文件:
```python
plt.savefig("test.png")
plt.show()
```
对于绘制多张图,可以使用`subplot`函数来创建多个子图。例如,创建2行1列的布局,分别绘制两个图形:
```python
plt.subplot(2, 1, 1)
# 第一张图的绘制代码...
plt.subplot(2, 1, 2)
# 第二张图的绘制代码...
plt.show()
```
此外,matplotlib还支持绘制直方图。以下是一个创建正态分布直方图的例子:
```python
mu = 100 # 正态分布的均值
sigma = 15 # 标准差
x = mu + sigma * np.random.randn(10000) # 生成随机数据
plt.hist(x, bins=50, density=True, alpha=0.6, color='g')
plt.xlabel('值')
plt.ylabel('概率密度')
plt.title('正态分布直方图')
plt.show()
```
在这个例子中,`hist`函数用于绘制直方图,`bins`参数指定分箱的数量,`density=True`表示返回的是概率密度,`alpha`控制透明度,`color`设置填充颜色。
通过以上内容,我们可以了解到matplotlib的基本使用,包括绘制单一图形、多图以及直方图,这些都是进行数据分析和展示的重要工具。在实际应用中,还可以结合其他参数和方法,如改变线条样式、调整坐标轴范围、添加图例等,以实现更复杂、更具交互性的数据可视化。
2021-01-20 上传
2023-05-09 上传
2023-06-09 上传
2023-09-09 上传
2023-06-13 上传
2023-06-10 上传
2023-08-18 上传
2023-04-27 上传
weixin_38709312
- 粉丝: 3
- 资源: 913
最新资源
- 十种常见电感线圈电感量计算公式详解
- 军用车辆:CAN总线的集成与优势
- CAN总线在汽车智能换档系统中的作用与实现
- CAN总线数据超载问题及解决策略
- 汽车车身系统CAN总线设计与应用
- SAP企业需求深度剖析:财务会计与供应链的关键流程与改进策略
- CAN总线在发动机电控系统中的通信设计实践
- Spring与iBATIS整合:快速开发与比较分析
- CAN总线驱动的整车管理系统硬件设计详解
- CAN总线通讯智能节点设计与实现
- DSP实现电动汽车CAN总线通讯技术
- CAN协议网关设计:自动位速率检测与互连
- Xcode免证书调试iPad程序开发指南
- 分布式数据库查询优化算法探讨
- Win7安装VC++6.0完全指南:解决兼容性与Office冲突
- MFC实现学生信息管理系统:登录与数据库操作