基本使用
关键是如何根据数据特点找到合适的图形来呈现（图形的绘制以及具体参数设计需要经验）
Matplotlib库的效果
数据可视化第三方库，由各种可视化类构成，内部结构复杂，受Matlab启发
mtaplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式
简单使用
1
2
3
4
5
| import matplotlib.pyplot as plt
plt.plot([3,1,4,5,2])
plt.ylabel("Grade")
plt.savefig('test',dpi=600)
plt.show()
|
plt.savefig()将输出图形存储为文件，默认PNG格式，可以通过dpi修改输出质量（每一英寸中包含点的数量）
1
2
3
4
5
| import matplotlib.pyplot as plt
plt.plot([0,2,4,6,8],[3,1,4,5,2])
plt.ylabel("Grade")
plt.axis([-1,10,0,6])
plt.show()
|
绘图区域
1
2
3
4
| plt.subplot(nrows,ncols,plot_number)
plt.subplot(3,2,4)
plt.subplot(324)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| import numpy as np
import matplotlib.pyplot as plt
def f(t):
return np.exp(-t)*np.cos(2*np.pi*t)
a = np.arange(0.0,5.0,0.02)
plt.subplot(211)
plt.plot(a,f(a))
plt.subplot(2,1,2)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()
|
Pyplot的plot()函数
plt.plot(x,y,format_string,**kwargs)
- x：X轴数据，列表或数组，可选。
- y：Y轴数据，列表或数组。
- format_string：控制曲线的格式字符串，可选。
- **kwargs：第二组或更多(x,y,format_string)
- color：控制颜色，color=’green’
- linestyle：线条风格，linestyle=’dashed’
- marker：标记风格，marker=’o’
- markerfacecolor：标记颜色，markerfacecolor=’blue’
- markersize：标记尺寸，markersize=20
1
2
3
|
a = np.arange(10)
plt.plot(a,a*1.5,'go-',a*2.5,'rx',a,a*3.5,'*',a,a*4.5,'b-.')
|
控制曲线的格式字符串，可选由颜色字符、风格字符和标记字符组成
颜色字符
| 颜色字符 |
说明 |
颜色字符 |
说明 |
| ‘b’ |
蓝色 |
‘m’ |
洋红色 magenta |
| ‘g’ |
绿色 |
‘y’ |
黄色 |
| ‘r’ |
红色 |
‘k’ |
黑色 |
| ‘c’ |
青绿色 |
‘w’ |
白色 |
| ‘#008000’ |
RGB某颜色 |
‘0.8’ |
灰度值字符串 |
风格字符
| 风格字符 |
说明 |
| ‘-‘ |
实线 |
| ‘—‘ |
破折线 |
| ‘-.’ |
点划线 |
| ‘:’ |
虚线 |
| ‘ ‘ ‘ ‘ |
无线条 |
标记字符
| 标记字符 |
说明 |
标记字符 |
说明 |
标记字符 |
说明 |
| ‘.’ |
点标记 |
‘1’ |
下花三角标记 |
‘h’ |
竖六边形标记 |
| ‘,’ |
像素标记(极小点) |
‘2’ |
上花三角标记 |
‘H’ |
横六边形标记 |
| ‘o’ |
实心圈标记 |
‘3’ |
左花三角标记 |
‘+’ |
十字标记 |
| ‘v’ |
倒三角标记 |
‘4’ |
右花三角标记 |
‘x’ |
x标记 |
| ‘^’ |
上三角标记 |
‘s’ |
实心方形标记 |
‘D’ |
菱形标记 |
| ‘>’ |
右三角标记 |
‘p’ |
实心五角标记 |
‘d’ |
瘦菱形标记 |
| ‘<’ |
左三角标记 |
‘*’ |
星形标记 |
‘\ |
‘ |
垂直线标记 |
Pyplot的中文显示
pyplot并不默认支持中文显示
rcParams
rcParams修改字体实现
| 属性 |
说明 |
| ‘font.family’ |
用于显示字体的名字 |
| ‘font.style’ |
字体风格，正常’normal’或斜体’italic’ |
| ‘font.size’ |
字体大小，整数字号或者’large’、’x-small’ |
1
2
3
4
5
6
7
8
9
10
| import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family']='SimHei'
plt.plot([3,1,4,5,2])
plt.ylabel("纵轴(值)")
plt.savefig('test',dpi=600)
plt.show()
|
1
2
3
4
5
6
7
8
9
10
11
12
13
| import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family']='STSong'
matplotlib.rcParams['font,.size']=20
a = np.arange(0.0,5.0,0.02)
plt.xlabel('横轴：时间')
plt.ylabel('纵轴：振幅')
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()
|
fontproperties
在有中文输出的地方，增加一个属性：fontproperties
1
2
3
4
5
6
7
8
9
| import numpy as np
import matplotlib.pyplot as plt
a = np.arange(0.0,5.0,0.02)
plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=20)
plt.xlabel('纵轴：振幅',fontproperties='SimHei',fontsize=20)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()
|
Pyplot的文本显示
| 函数 |
说明 |
| plt.xlabel() |
对x轴增加文本标签 |
| plt.ylabel() |
对y轴增加文本标签 |
| plt.title() |
对图形整体增加文本标签 |
| plt.text() |
在任意位置增加文本 |
| plt.annotate() |
在图形中增加带箭头的注解 |
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| import numpy as np
import matplotlib.pyplot as plt
a = np.arange(0.0,5.0,0.02)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=15,color='green')
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=15)
plt.title(r'正弦波实例 $y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)
plt.text(2,1,r'$\mu=100$',fontsize=15)
plt.axis([-1,6,-2,2])
plt.grid(True)
plt.show()
|
plt.annotate()
1
| plt.annotate(s,xy=arrow_crd,xytext=text_crd,arrowprops=dict)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| import numpy as np
import matplotlib.pyplot as plt
a = np.arange(0.0,5.0,0.02)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=15,color='green')
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=15)
plt.title(r'正弦波实例 $y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)
plt.annotate(r'$\mu=100$',xy=(2,1),xytext=(3,1.5),
arrowprops=dict(facecolor='black',shrink=0.1,width=2))
plt.axis([-1,6,-2,2])
plt.grid(True)
plt.show()
|
PyPlot子绘图区域
subplot2grid
1
2
| plt.subplot2grid(GridSpec,CurSPec,colspan=1,rowspan=1)
|
1
2
3
4
5
6
7
8
9
10
| plt.subplot2grid((3,3),(0,0),colspan=3)
...
plt.subplot2grid((3,3),(1,0),colspan=2)
...
plt.subplot2grid((3,3),(1,2),rowspan=2)
...
plt.subplot2grid((3,3),(2,0))
...
plt.subplot2grid((3,3),(2,1))
...
|
GridSpec类
1
2
3
4
5
6
7
8
9
| import matplotlib.gridspec as gridspec
gs = gridspec.GridSpec(3,3)
ax1 = plt.subplot(gs[0,:])
ax2 = plt.subplot(gs[1,:-1])
ax3 = plt.subplot(gs[1:,-1])
ax4 = plt.subplot(gs[2,0])
ax5 = plt.subplot(gs[2,1])
|
Pyplot基础图标函数
| 函数 |
说明 |
函数 |
说明 |
| plt.plot(x,y,fmt,…) |
绘制一个坐标图 |
plt.psd(x,NFFT=256,pad_to,Fs) |
绘制功率密度图 |
| plt.boxplot(data,notch,position) |
绘制一个箱型图 |
plt.specgram(x,NFFT=256,pad_to,F) |
绘制谱图 |
| plt.bar(left,height,width,bottom) |
绘制一个条形图 |
pltcohere(x,y,NFFT=256,Fs) |
绘制X-Y的相关性函数 |
| plt.barh(width,bottom,left,height) |
绘制一个横向条形图 |
plt.scatter(x,y) |
绘制散点图，其中，x和y长度相同 |
| plt.polar(theta,r) |
绘制极坐标图 |
plt.step(x,y,where) |
绘制步阶图 |
| plt.pie(data,explode) |
绘制饼图 |
plt.hist(x,bins,normed) |
绘制直方图 |
| plt.contour(X,Y,Z,N) |
绘制等值图 |
plt.stem(x,y,linefmt,markerfmt) |
绘制柴火图 |
| plt.vlines() |
绘制垂直图 |
plt.plot_date() |
绘制数据日期 |
Pyplot的饼图绘制
1
2
3
4
5
6
7
8
9
10
11
12
13
| import matplotlib.pyplot as plt
labels = 'Forgs','Hogs','Dogs','Logs'
sizes = [15,30,45,10]
explode = (0,0.1,0,0)
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',
shadow=False,startangle=90)
plt.axis('equal')
plt.show()
|
Pyplot的直方图绘制
直方图，看数据分布
1
2
3
4
5
6
7
8
9
10
11
12
13
| import numpy as np
import matplotlib.pyplot as plt
np.random.seed(0)
mu,sigma = 100,20
a = np.random.normal(mu,sigma,size=100)
plt.hist(a,20,normed=1,histtype='stepfilled',facecolor='b',alpha=0.75)
plt.title('Histogram')
plt.show()
|
Pyplot极坐标绘制
面向对象绘制极坐标（体会即可）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| import numpy as np
import matplotlib.pyplot as plt
N = 20
theta = np.linspace(0.0,2*np.pi,N,edpoint=False)
radii = 10*np.random.rand(N)
width = np.pi / 4 * np.random.rand(N)
ax = plt.subplot(111,projection='ploar')
bars = ax.bar(theta,radii,wiidth=width,bottom=0.0)
for r,bar in zip(radii,bars):
bar.set_facecolor(plt.cm.viridis(r/10.))
bar.set_alpha(0.5)
plt.show()
|
Pyplot散点图绘制
1
2
3
4
5
6
7
8
9
10
| import numpy as np
import matplotlib.pyplot as plt
fig,ax = plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simple Scatter')
plt.show()
|
引力波的绘制示例
物理学中，引力波是因为时空弯曲对外以辐射形式传播的能量
爱因斯坦基于广义相对论预言了引力波的存在
绘制最原始的引力波和理想引力波
下载三个文件](https://python123.io/dv/grawave.html))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
| import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile
rate_h,hstrain = wavfile.read(r"H1_Strain.wav","rb")
rate_l,lstrain = wavfile.read(r"L1_Strain.wav","rb")
reftime,ref_H1 = np.genfromtxt('wf_template.txt').transpose()
htime_interval = 1/rate_h
ltime_interval = 1/rate_l
htime_len = hstrain.shape[0]/rate_h
htime = np.arange(-htime_len/2,htime_len/2,htime_interval)
ltime_len = lstrain.shape[0]/rate_l
ltime = np.arange(-ltime_len/2,ltime_len/2,ltime_interval)
fig = plt.figure(figsize=(12,6))
plth = fig.add_subplot(221)
plth.plot(htime,hstrain,'y')
plth.set_xlabel('Time(seconds)')
plth.set_ylabel('H1 Strain')
plth.set_title('H1 Strain')
pltl = fig.add_subplot(222)
pltl.plot(ltime,lstrain,'g')
pltl.set_xlabel('Time(seconds)')
pltl.set_ylabel('L1 Strain')
pltl.set_title('L1 Strain')
pltref = fig.add_subplot(212)
pltref.plot(reftime,ref_H1)
pltref.set_xlabel('Time(seconds)')
pltref.set_ylabel('Template Strain')
pltref.set_title('Template')
fig.tight_layout()
plt.savefig("Gravitational_waves_Original.png")
plt.show()
plt.close(fig)
|