基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解
matplotlib.pyplot是一个命令型函数集合,它可以让我们像使用MATLAB一样使用matplotlib。pyplot中的每一个函数都会对画布图像作出相应的改变,如创建画布、在画布中创建一个绘图区、在绘图区上画几条线、给图像添加文字说明等。下面我们就通过实例代码来领略一下他的魅力。
import matplotlib.pyplot as plt plt.plot([1,2,3,4]) plt.ylabel('some numbers') plt.show()
上图是我们通过plt.plot([1,2,3,4])这一行代码画出的图像,这时候有的小伙伴可能会有一个疑问,“为什么X轴的坐标轴范围是0-3,而Y轴的坐标轴围是1-4呢?”
这是因为,在我们使用plot()命令函数的时候,如果只给函数传递了一个数值列表或数组作为参数,matplotlib会把这个数值列表当作Y轴的数值,然后根据Y轴的数值个数N自动生成一个数值列表[0,N-1]作为X轴的数值。所以上图中Y轴数值就是我们给定的列表[1,2,3,4],X轴数值是自动生成的列表[0,1,2,3]。
看到这里有的小伙伴可能会想,这也太弱了吧。大家不要着急,我们一步步的来学习,上图只是一个非常简单例子,其实plot() 命令的功能非常强大,通过该命令我们可以同时传递多个图像参数。比如说,我们想同时给定X轴和Y轴的数值,我们就可以通过下面一行代码实现:
plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) #X:[1, 2, 3, 4],Y:[1, 4, 9, 16]
此外,我们还可以像MATLAB一样在每一组X轴和Y轴数值的后面传递一个形式为“颜色+线型”的字符串参数,这个参数可以设置我们图像中的线的颜色和类型,默认的参数为'b-',代表蓝色实线。
命令支持的颜色字符有:
'b':蓝色
'g':绿色
'r':红色
'c':青色
'm':洋红色
'y':黄色
'k':黑色
'w':白色
命令支持的线型字符:
所以,当我们想要用红色圆点展示上面代码中的数据时,我们可以通过下面的代码实现:
import matplotlib.pyplot as plt plt.plot([1,2,3,4], [1,4,9,16], 'ro') plt.axis([0, 6, 0, 20]) plt.show()
当我们有多组数据时,我们可在每组后面分别设置线型及颜色:
import matplotlib.pyplot as plt import numpy as np t = np.arange(0., 5., 0.2) plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') plt.show()
以上这篇基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
您可能感兴趣的文章:
- Python数据可视化利器Matplotlib,绘图入门篇,Pyplot介绍
- Python进阶(三十九)-数据可视化の使用matplotlib进行绘图分析数据
- 基于Python的数据可视化 matplotlib seaborn pandas
- Python进阶(四十)-数据可视化の使用matplotlib进行绘图
- 【数据可视化】Daft:(Python)基于matplotlib绘制精美概率图模型
- 【转】Python数据可视化利器Matplotlib,colors系列,颜色的指定形式
- matplotlib数据可视化入门-python
- python数据分析之(6)简单绘图matplotlib.pyplot
- Python图表绘制:matplotlib绘图库入门/python之import机制详解
- matplotlib -- 使用python中的matplotlib进行绘图分析数据
- python使用matplotlib绘图详解
- [置顶] Python数据可视化—matplotlib笔记
- Python数据可视化:Matplotlib 直方图、箱线图、条形图、热图、折线图、散点图。。。
- 读书笔记--python数据可视化--001_matplotlib学习
- matplotlib.pyplot 绘图详解 matplotlib 安装
- IPython绘图和可视化---matplotlib 入门
- 压力测试监控数据通过python matplotlib进行可视化
- Python--matplotlib绘图可视化知识点整理
- Python--matplotlib绘图可视化知识点整理
- [python之数据分析] 基础篇1- Numpy,Scipy,Matplotlib 快速入门攻略