Python:Matplotlib 画图(Code)
2017-04-12 22:57
579 查看
首先补充一下:两种体系7种颜色 r g b y m c k (红,绿,蓝,黄,品红,青,黑)
在科研的过程中,坐标系中的XY不一定就是等尺度的。例如在声波中对Y轴取对数。肆意我们也必须知道这种坐标系如何画出来的。
1:对数坐标图
有3个函数可以实现这种功能,分别是:semilogx(),semilogy(),loglog()。它们分别表示对X轴,Y轴,XY轴取对数。下面在一个2*2的figure里面来比较这四个子图(还有plot())。
[python]
<span style="font-size:14px;"> 1 import numpy as np
2 import matplotlib.pyplot as plt
3 w=np.linspace(0.1,1000,1000)
4 p=np.abs(1/(1+0.1j*w))
5
6 plt.subplot(221)
7 plt.plot(w,p,lw=2)
8 plt.xlabel('X')
9 plt.ylabel('y')
10
11
12 plt.subplot(222)
13 plt.semilogx(w,p,lw=2)
14 plt.ylim(0,1.5)
15 plt.xlabel('log(X)')
16 plt.ylabel('y')
17
18 plt.subplot(223)
19 plt.semilogy(w,p,lw=2)
20 plt.ylim(0,1.5)
21 plt.xlabel('x')
22 plt.xlabel('log(y)')
23
24 plt.subplot(224)
25 plt.loglog(w,p,lw=2)
26 plt.ylim(0,1.5)
27 plt.xlabel('log(x)')
28 plt.xlabel('log(y)')
29 plt.show()
</span>
如上面的代码所示,对一个低通滤波器函数绘图。得到四个不同坐标尺度的图像。如下图所示:
2,极坐标图像
极坐标系中的点由一个夹角和一段相对于中心位置的距离来表示。其实在plot()函数里面本来就有一个polar的属性,让他为True就行了。下面绘制一个极坐标图像:
[python] view
plaincopy
1 import numpy as np
2 import matplotlib.pyplot as plt
3
4 theta=np.arange(0,2*np.pi,0.02)
5
6 plt.subplot(121,polar=True)
7 plt.plot(theta,2*np.ones_like(theta),lw=2)
8 plt.plot(theta,theta/6,'--',lw=2)
9
10 plt.subplot(122,polar=True)
11 plt.plot(theta,np.cos(5*theta),'--',lw=2)
12 plt.plot(theta,2*np.cos(4*theta),lw=2)
13 plt.rgrids(np.arange(0.5,2,0.5),angle=45)
14 plt.thetagrids([0,45,90])
15
16 plt.show()
~
整个代码很好理解,在后面的13,14行没见过。第一个plt.rgrids(np.arange(0.5,2,0.5),angle=45) 表示绘制半径为0.5 1.0 1.5的三个同心圆,同时将这些半径的值标记在45度位置的那个直径上面。plt.thetagrids([0,45,90]) 表示的是在theta为0,45,90度的位置上标记上度数。得到的图像是:
3,柱状图:
核心代码matplotlib.pyplot.bar(left, height, width=0.8, bottom=None, hold=None, **kwargs)里面重要的参数是左边起点,高度,宽度。下面例子:
[python] view
plaincopy
1 import numpy as np
2 import matplotlib.pyplot as plt
3
4
5 n_groups = 5
6
7 means_men = (20, 35, 30, 35, 27)
8 means_women = (25, 32, 34, 20, 25)
9
10 fig, ax = plt.subplots()
11 index = np.arange(n_groups)
12 bar_width = 0.35
13
14 opacity = 0.4
15 rects1 = plt.bar(index, means_men, bar_width,alpha=opacity, color='b',label= 'Men')
16 rects2 = plt.bar(index + bar_width, means_women, bar_width,alpha=opacity,col or='r',label='Women')
17
18 plt.xlabel('Group')
19 plt.ylabel('Scores')
20 plt.title('Scores by group and gender')
21 plt.xticks(index + bar_width, ('A', 'B', 'C', 'D', 'E'))
22 plt.ylim(0,40)
23 plt.legend()
24
25 plt.tight_layout()
26 plt.show()
得到的图像是:
再贴一图:
这是我关于pose识别率的实验结果,感觉结果真是令人不可思议!(非博主原文!)
[python] view
plain copy
def drawBarChartPoseRatio():
n_groups = 5
means_VotexF36 = (0.84472049689441, 0.972477064220183, 1.0, 0.9655172413793104, 0.970970970970971)
means_VotexF50 = (1.0, 0.992992992992993, 1.0, 0.9992348890589136, 0.9717125382262997)
means_VFH36 = (0.70853858784893, 0.569731081926204, 0.8902900378310215, 0.8638638638638638, 0.5803008248423096)
means_VFH50 = (0.90786948176583, 0.796122576610381, 0.8475120385232745, 0.8873762376237624, 0.5803008248423096)
fig, ax = plt.subplots()
index = np.arange(n_groups)
bar_width = 0.3
opacity = 0.4
rects1 = plt.bar(index, means_VFH36, bar_width/2, alpha=opacity, color='r', label='VFH36' )
rects2 = plt.bar(index+ bar_width/2, means_VFH50, bar_width/2, alpha=opacity, color='g', label='VFH50' )
rects3 = plt.bar(index+bar_width, means_VotexF36, bar_width/2, alpha=opacity, color='c', label='VotexF36')
rects4 = plt.bar(index+1.5*bar_width, means_VotexF50, bar_width/2, alpha=opacity, color='m', label='VotexF50')
plt.xlabel('Category')
plt.ylabel('Scores')
plt.title('Scores by group and Category')
#plt.xticks(index - 0.2+ 2*bar_width, ('balde', 'bunny', 'dragon', 'happy', 'pillow'))
plt.xticks(index - 0.2+ 2*bar_width, ('balde', 'bunny', 'dragon', 'happy', 'pillow'),fontsize =18)
plt.yticks(fontsize =18) #change the num axis size
plt.ylim(0,1.5) #The ceil
plt.legend()
plt.tight_layout()
plt.show()
柱状图显示:
4:散列图,由离散的点构成的。
函数是:
matplotlib.pyplot.scatter(x, y, s=20, c='b', marker='o', cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, hold=None,**kwargs),其中,xy是点的坐标,s点的大小,maker是形状可以maker=(5,1)5表示形状是5边型,1表示是星型(0表示多边形,2放射型,3圆形);alpha表示透明度;facecolor=‘none’表示不填充。例子如下:
[python] view
plaincopy
1 import numpy as np
2 import matplotlib.pyplot as plt
3
4 plt.figure(figsize=(8,4))
5 x=np.random.random(100)
6 y=np.random.random(100)
7 plt.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none')
8 plt.xlim(0,1)
9 plt.ylim(0,1)
10
11 plt.show()
上面代码的facecolors参数使得前面的c=‘y’不起作用了。图像:
5,3D图像,主要是调用3D图像库。看下面的例子:
[python] view
plaincopy
1 import numpy as np
2 import matplotlib.pyplot as plt
3 import mpl_toolkits.mplot3d
4
5 x,y=np.mgrid[-2:2:20j,-2:2:20j]
6 z=x*np.exp(-x**2-y**2)
7
8 ax=plt.subplot(111,projection='3d')
9 ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8)
10 ax.set_xlabel('x')
11 ax.set_ylabel('y')
12 ax.set_zlabel('z')
13
14 plt.show()
得到的图像如下图所示:
到此,matplotlib基本操作的学习结束了,相信大家也可以基本完成自己的科研任务了。
在科研的过程中,坐标系中的XY不一定就是等尺度的。例如在声波中对Y轴取对数。肆意我们也必须知道这种坐标系如何画出来的。
1:对数坐标图
有3个函数可以实现这种功能,分别是:semilogx(),semilogy(),loglog()。它们分别表示对X轴,Y轴,XY轴取对数。下面在一个2*2的figure里面来比较这四个子图(还有plot())。
[python]
<span style="font-size:14px;"> 1 import numpy as np
2 import matplotlib.pyplot as plt
3 w=np.linspace(0.1,1000,1000)
4 p=np.abs(1/(1+0.1j*w))
5
6 plt.subplot(221)
7 plt.plot(w,p,lw=2)
8 plt.xlabel('X')
9 plt.ylabel('y')
10
11
12 plt.subplot(222)
13 plt.semilogx(w,p,lw=2)
14 plt.ylim(0,1.5)
15 plt.xlabel('log(X)')
16 plt.ylabel('y')
17
18 plt.subplot(223)
19 plt.semilogy(w,p,lw=2)
20 plt.ylim(0,1.5)
21 plt.xlabel('x')
22 plt.xlabel('log(y)')
23
24 plt.subplot(224)
25 plt.loglog(w,p,lw=2)
26 plt.ylim(0,1.5)
27 plt.xlabel('log(x)')
28 plt.xlabel('log(y)')
29 plt.show()
</span>
如上面的代码所示,对一个低通滤波器函数绘图。得到四个不同坐标尺度的图像。如下图所示:
2,极坐标图像
极坐标系中的点由一个夹角和一段相对于中心位置的距离来表示。其实在plot()函数里面本来就有一个polar的属性,让他为True就行了。下面绘制一个极坐标图像:
[python] view
plaincopy
1 import numpy as np
2 import matplotlib.pyplot as plt
3
4 theta=np.arange(0,2*np.pi,0.02)
5
6 plt.subplot(121,polar=True)
7 plt.plot(theta,2*np.ones_like(theta),lw=2)
8 plt.plot(theta,theta/6,'--',lw=2)
9
10 plt.subplot(122,polar=True)
11 plt.plot(theta,np.cos(5*theta),'--',lw=2)
12 plt.plot(theta,2*np.cos(4*theta),lw=2)
13 plt.rgrids(np.arange(0.5,2,0.5),angle=45)
14 plt.thetagrids([0,45,90])
15
16 plt.show()
~
整个代码很好理解,在后面的13,14行没见过。第一个plt.rgrids(np.arange(0.5,2,0.5),angle=45) 表示绘制半径为0.5 1.0 1.5的三个同心圆,同时将这些半径的值标记在45度位置的那个直径上面。plt.thetagrids([0,45,90]) 表示的是在theta为0,45,90度的位置上标记上度数。得到的图像是:
3,柱状图:
核心代码matplotlib.pyplot.bar(left, height, width=0.8, bottom=None, hold=None, **kwargs)里面重要的参数是左边起点,高度,宽度。下面例子:
[python] view
plaincopy
1 import numpy as np
2 import matplotlib.pyplot as plt
3
4
5 n_groups = 5
6
7 means_men = (20, 35, 30, 35, 27)
8 means_women = (25, 32, 34, 20, 25)
9
10 fig, ax = plt.subplots()
11 index = np.arange(n_groups)
12 bar_width = 0.35
13
14 opacity = 0.4
15 rects1 = plt.bar(index, means_men, bar_width,alpha=opacity, color='b',label= 'Men')
16 rects2 = plt.bar(index + bar_width, means_women, bar_width,alpha=opacity,col or='r',label='Women')
17
18 plt.xlabel('Group')
19 plt.ylabel('Scores')
20 plt.title('Scores by group and gender')
21 plt.xticks(index + bar_width, ('A', 'B', 'C', 'D', 'E'))
22 plt.ylim(0,40)
23 plt.legend()
24
25 plt.tight_layout()
26 plt.show()
得到的图像是:
再贴一图:
这是我关于pose识别率的实验结果,感觉结果真是令人不可思议!(非博主原文!)
[python] view
plain copy
def drawBarChartPoseRatio():
n_groups = 5
means_VotexF36 = (0.84472049689441, 0.972477064220183, 1.0, 0.9655172413793104, 0.970970970970971)
means_VotexF50 = (1.0, 0.992992992992993, 1.0, 0.9992348890589136, 0.9717125382262997)
means_VFH36 = (0.70853858784893, 0.569731081926204, 0.8902900378310215, 0.8638638638638638, 0.5803008248423096)
means_VFH50 = (0.90786948176583, 0.796122576610381, 0.8475120385232745, 0.8873762376237624, 0.5803008248423096)
fig, ax = plt.subplots()
index = np.arange(n_groups)
bar_width = 0.3
opacity = 0.4
rects1 = plt.bar(index, means_VFH36, bar_width/2, alpha=opacity, color='r', label='VFH36' )
rects2 = plt.bar(index+ bar_width/2, means_VFH50, bar_width/2, alpha=opacity, color='g', label='VFH50' )
rects3 = plt.bar(index+bar_width, means_VotexF36, bar_width/2, alpha=opacity, color='c', label='VotexF36')
rects4 = plt.bar(index+1.5*bar_width, means_VotexF50, bar_width/2, alpha=opacity, color='m', label='VotexF50')
plt.xlabel('Category')
plt.ylabel('Scores')
plt.title('Scores by group and Category')
#plt.xticks(index - 0.2+ 2*bar_width, ('balde', 'bunny', 'dragon', 'happy', 'pillow'))
plt.xticks(index - 0.2+ 2*bar_width, ('balde', 'bunny', 'dragon', 'happy', 'pillow'),fontsize =18)
plt.yticks(fontsize =18) #change the num axis size
plt.ylim(0,1.5) #The ceil
plt.legend()
plt.tight_layout()
plt.show()
柱状图显示:
4:散列图,由离散的点构成的。
函数是:
matplotlib.pyplot.scatter(x, y, s=20, c='b', marker='o', cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, hold=None,**kwargs),其中,xy是点的坐标,s点的大小,maker是形状可以maker=(5,1)5表示形状是5边型,1表示是星型(0表示多边形,2放射型,3圆形);alpha表示透明度;facecolor=‘none’表示不填充。例子如下:
[python] view
plaincopy
1 import numpy as np
2 import matplotlib.pyplot as plt
3
4 plt.figure(figsize=(8,4))
5 x=np.random.random(100)
6 y=np.random.random(100)
7 plt.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none')
8 plt.xlim(0,1)
9 plt.ylim(0,1)
10
11 plt.show()
上面代码的facecolors参数使得前面的c=‘y’不起作用了。图像:
5,3D图像,主要是调用3D图像库。看下面的例子:
[python] view
plaincopy
1 import numpy as np
2 import matplotlib.pyplot as plt
3 import mpl_toolkits.mplot3d
4
5 x,y=np.mgrid[-2:2:20j,-2:2:20j]
6 z=x*np.exp(-x**2-y**2)
7
8 ax=plt.subplot(111,projection='3d')
9 ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8)
10 ax.set_xlabel('x')
11 ax.set_ylabel('y')
12 ax.set_zlabel('z')
13
14 plt.show()
得到的图像如下图所示:
到此,matplotlib基本操作的学习结束了,相信大家也可以基本完成自己的科研任务了。
相关文章推荐
- python3使用matplotlib画图支持中文
- python的画图模块matplotlib
- 用 python matplotlib 画图 简单记录
- matplotlib python画图 的一些参考资源
- opensuse42下python matplotlib画图不显示
- Python画图工具matplotlib的使用(图形并茂)
- matplotlib InstallationError: Command python setup.py egg_info failed with error code 1
- python matplotlib画图
- Python点滴(三)—pandas数据分析与matplotlib画图
- python画图包seaborn和matplotlib中文字体显示(针对windows系统,,使用ipython notebook)
- python 的 matplotlib画图 画曲线图
- python中matplotlib和pandas画图
- 【python系列】matplotlib简单画图subplot
- python matplotlib.plot画图显示中文乱码的问题
- Python之Matplotlib画图方法
- Python 3下Matplotlib画图中文显示乱码的解决方法
- Python使用matplotlib和pandas实现的画图操作【经典示例】
- python matplotlib画图安装和使用
- python matplotlib画图细节实现
- 用python的matplotlib画图总结1