序言：
在python里面，數(shù)據(jù)可視化是python的一個(gè)亮點(diǎn)。在python里面，數(shù)據(jù)可視可以達(dá)到什么樣的效果，這當(dāng)然與我們使用的庫(kù)有關(guān)。python常常需要導(dǎo)入庫(kù)，并不斷調(diào)用方法，就很像一條流數(shù)據(jù)可視化的庫(kù)，有很多，很多都可以后續(xù)開(kāi)發(fā)，然后我們調(diào)用。了解過(guò)pyecharts美觀的可視化界面 ，將pyecharts和matplotlib相對(duì)比一下。
pyecharts和matplotlib的區(qū)別在哪里呢？Matplotlib是Python數(shù)據(jù)可視化庫(kù)的泰斗，盡管已有十多年的歷史，但仍然是Python社區(qū)中使用最廣泛的繪圖庫(kù)，它的設(shè)計(jì)與MATLAB非常相似，提供了一整套和MATLAB相似的命令A(yù)PI，適合交互式制圖，還可以將它作為繪圖控件，嵌入其它應(yīng)用程序中。
Pyecharts是一款將Python與Echarts相結(jié)合的數(shù)據(jù)可視化工具，可以高度靈活的配置，輕松搭配出精美的視圖。其中Echarts是百度開(kāi)源的一個(gè)數(shù)據(jù)可視化庫(kù)，而Pyecharts將Echarts與Python進(jìn)行有機(jī)對(duì)接，方便在Python中直接生成各種美觀的圖形。
數(shù)據(jù)可視化之matplotlib繪制正余弦曲線(xiàn)圖
我們先來(lái)看最終實(shí)現(xiàn)效果
上面這個(gè)圖是最終保存的圖片查看效果
我們一步一步來(lái)實(shí)現(xiàn)
1：首先我們需要導(dǎo)入基本的庫(kù)
matplotlib numpy
matplotlib 是我們本章需要的庫(kù)
numpy 是我們數(shù)據(jù)分析處理的常見(jiàn)庫(kù)，在機(jī)器學(xué)習(xí)時(shí)也會(huì)經(jīng)常用到。
一步一步來(lái)了
下面展示一些 內(nèi)聯(lián)代碼片。
第一步
#1：用到的方法及參數(shù)
# linspace(start, stop, num=50, endpoint=True,
# retstep=False, dtype=None)
# 相關(guān)參數(shù)的說(shuō)明
# 指定在start到stop均分?jǐn)?shù)值
# start:不可省略
# stop:有時(shí)包含有時(shí)不包含，根據(jù)endpoint來(lái)選擇，默認(rèn)包含
# num:指定均分的數(shù)量，默認(rèn)為50
# endpoint:布爾值，可選，默認(rèn)為T(mén)rue。包含stop就True,不包含就# False
# retstep : 布爾值，可選，默認(rèn)為False。如果為T(mén)rue,返回值和步長(zhǎng)
# dtype : 輸出數(shù)據(jù)類(lèi)型，可選。如果不指定，則根據(jù)前面參數(shù)的數(shù)據(jù)類(lèi)型
# 2：np.plot(x,y.color.lw,label，ls，mk，mec，mfc)
# 其中X由所有輸入點(diǎn)坐標(biāo)的x值組成，Y是由與X中包含的x對(duì)應(yīng)的y所組
# 成的向量
# color 指定線(xiàn)條的顏色
# lw指定線(xiàn)條的寬度
# lw指定線(xiàn)條的樣式，默認(rèn)為實(shí)現(xiàn)
# mk可以指定數(shù)據(jù)標(biāo)識(shí)符
# ms可以指定標(biāo)識(shí)符的大小
# mec可以指定標(biāo)識(shí)符的邊界色彩
# mfc標(biāo)識(shí)符內(nèi)部填充顏色
import matplotlib.pyplot as plt
import numpy as np
#用于正常顯示中文標(biāo)簽
plt.rcParams['font.sans-serif']=['SimHei']
# 用于正常顯示符號(hào)
plt.rcParams['axes.unicode_minus']=False
x = np.linspace(-np.pi,np.pi,256,endpoint = 256)
sin,cos = np.sin(x),np.cos(x)
#繪制，并設(shè)置相關(guān)的參數(shù),這里標(biāo)簽還不會(huì)顯示出來(lái)，因?yàn)檫€沒(méi)有
#添加圖例，具體往下面看
plt.plot(x,sin,color = 'blue',lw=2.5,label = '正弦sin',mec='red')
plt.plot(x,cos,color = 'red',lw = 2.5,label = '余弦cos()')
plt.show() #顯示
第二步
#用到的方法及參數(shù)
# plt.xlim(xmin, xmax)
# xmin：x軸上的最小值
# xmax：x軸上的最大值
#plt.ylim() 與上一樣的道理
#具體如何使用，可以看下面的實(shí)例代碼
plt.xlim(x.min()*1.5,x.max()*1.5) #將x軸拉伸1.5倍
plt.ylim(cos.min()*1.5,cos.max()*1.5) # 將y軸拉伸1.5倍
plt.show()
第三步
#用到的方法與參數(shù)
# plt.xticks([],[])
# plt.yticks([],[])
# plt.title('',color,color,..) #設(shè)置標(biāo)題，里面的相關(guān)參數(shù)可以# 指定
# plt.text(備注內(nèi)容x軸的坐標(biāo),備注內(nèi)容y軸的坐標(biāo) ,'備注內(nèi)容',fontsize,color,..) #給右下角添加備注
#想說(shuō)的說(shuō)這里面有連個(gè)參數(shù)，分別以列表的形式展示。
現(xiàn)在只需要介紹是用來(lái)設(shè)置坐標(biāo)刻度的。其中第二個(gè)參數(shù)列表
是用來(lái)轉(zhuǎn)義的。具體實(shí)例如下。
下面展示一些 內(nèi)聯(lián)代碼片。
在x軸的刻度上，我們需要我們需要按照規(guī)則的正余弦刻度來(lái)，而不是簡(jiǎn)單的實(shí)數(shù)，我們需要圓周率。因此在plt.xticks([],[])的第二個(gè)列表參數(shù)上需要轉(zhuǎn)義。
#這里的r'$代表開(kāi)始，$代表結(jié)尾，\代表轉(zhuǎn)義，\pi代表圓周率的意思，r代表原始字符串。因此可以一一對(duì)應(yīng)下來(lái)的。
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],
[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
plt.yticks([-1,0,1])
plt.title("繪圖正余弦函數(shù)曲線(xiàn)圖",fontsize = 16,color ='green')
#給圖片右下角添加備注標(biāo)簽
plt.text(+2.2,-1.4,"by:jgdabc",fontsize=16,color = 'purple')
plt.show()
第四步：
用到的方法及參數(shù)：
plt.gca()#這個(gè)方法有點(diǎn)東西。
我要簡(jiǎn)單的去理解，Python庫(kù)太繁雜了。有點(diǎn)頭大。
plt.gca(),可以獲得axes對(duì)象
什么又是axes對(duì)象？
在matplotlib中，整個(gè)圖表為一個(gè)figure對(duì)象。每個(gè)figure
對(duì)象中可以包含一個(gè)或多個(gè)axes，而axes為坐標(biāo)軸。每個(gè)axes
對(duì)象都是一個(gè)擁有自己坐標(biāo)系統(tǒng)的繪圖區(qū)域。我們可以理解為通
過(guò)這個(gè)方法我們可以獲得axes對(duì)象，而通過(guò)這個(gè)對(duì)象可以幫助我們
方便的操作坐標(biāo)軸，ok。具體操作看實(shí)例吧！
#我相信能看懂英文的不看注釋也可以看懂
ax = plt.gca() #獲取Axes對(duì)象
ax.spines['right'].set_color('none') #隱藏右邊界
ax.spines['top'].set_color('none')#隱藏上邊界
ax.xaxis.set_ticks_position('bottom') #x軸坐標(biāo)刻度設(shè)置在坐標(biāo)下面
ax.spines['bottom'].set_position(('data',0))#將x坐標(biāo)軸平移經(jīng)過(guò)(0,0)的位置
ax.yaxis.set_ticks_position('left')#將y軸坐標(biāo)刻度設(shè)置在坐標(biāo)軸左側(cè)
ax.spines['left'].set_position(('data',0))#將y軸坐標(biāo)軸平移到(0,0)位置
plt.show()
兄弟們是不是有點(diǎn)像了，還不夠。
第五步：
用到的方法及參數(shù)：
plt.legend（）
添加圖例
這樣才會(huì)把我上述label的內(nèi)容顯示出來(lái)。
plt.legend(loc ='upper left',fontsize=12)
plt.show()
第六步
注意第六步我們要描點(diǎn)，并畫(huà)線(xiàn)
用到的方法及參數(shù)
plt.plot() # 這個(gè)前面已經(jīng)有說(shuō)明，不再贅述，這里我們
要加一個(gè)參數(shù)linewidth指定，將其變?yōu)樘摼€(xiàn)
plt.scatter() #用來(lái)繪制兩個(gè)點(diǎn)的位置
plt.annotate #用來(lái)添加注釋文字，具體解釋我們?cè)趯?shí)例代碼中說(shuō)明
```javascript
t1 = 2*np.pi/3 #取一個(gè)x軸坐標(biāo)點(diǎn)
t2 = -np.pi # 取第二個(gè)坐標(biāo)點(diǎn)
#根據(jù)畫(huà)線(xiàn)，第一個(gè)列表是x軸坐標(biāo)值，第二個(gè)列表是y軸坐標(biāo)值
plt.plot([t1,t1],[0,np.sin(t1)],color = 'b',linewidth = 1.5,linestyle = '--')
#畫(huà)線(xiàn)
plt.plot([t2,t2],[0,np.cos(t2)],color ='r',linewidth=1.5,linestyle="--")
#標(biāo)注兩個(gè)點(diǎn)的位置(繪制散點(diǎn)圖的方法)
plt.scatter([t1,],[np.sin(t1),],50,color = 'b') #50為指定的大小
#為圖表添加注釋
plt.scatter([t2,],[np.cos(2),],50,color = 'r')
plt.annotate( r'$\sin(\frac{2\pi}{3}=\frac{\sqrt{3}}{2}$)',
xy = (t1,np.sin(t1)), #點(diǎn)的位置
xycoords = 'data', #注釋文字的偏移量
xytext = (+10,+30), #文字離點(diǎn)的橫縱距離
textcoords = 'offset points',
fontsize =14,#注釋的大小
arrowprops = dict(arrowstyle = '->',connectionstyle = 'arc3,rad=.2')#箭頭指向的彎曲度
)
plt.annotate(r'$\cos(-\pi)=-1$',
xy = (t2,np.cos(t2)),
xycoords = 'data', #注釋文字的偏移量
xytext = (0 ,-40), # 文字離點(diǎn)的橫縱距離
textcoords = 'offset points',
fontsize = 14,#注釋的大小
arrowprops = dict(arrowstyle = '->',connectionstyle='arc3,rad=.2')
) #點(diǎn)的位置
plt.show()
第七步：我想設(shè)置一下x軸和y軸的字體，一提到軸，就用ax.
我們直接上代碼去解釋
#遍歷獲取x軸和y軸的刻度，并設(shè)置字體
for label in ax.get_xticklabels() + ax.get_yticklabels() :
label.set_fontsize(18)
label.set_bbox(dict(facecolor = 'r',edgecolor='g',alpha=0.5))#alpha代表透明度
#繪制填充區(qū)域
plt.fill_between(x,np.abs(x)0.5,sin,sin>0.5,color='g',alpha =0.8)
plt.fill_between(x,cos,where = (-2.5x)(x-0.5),color = 'purple')
plt.grid() #繪制網(wǎng)格線(xiàn)
plt.savefig("D:\python學(xué)習(xí)數(shù)據(jù)可視化matplot學(xué)習(xí).png",dpi = 300)保存圖片
plt.show()
注意這里保存一定要先保存，后show。
最終效果
給大家完整代碼
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
x = np.linspace(-np.pi,np.pi,256,endpoint=256)
sin,cos = np.sin(x),np.cos(x)
plt.plot(x,sin,color = 'blue',lw=2.5,label = '正弦sin',mec='red')
plt.plot(x,cos,color = 'red',lw = 2.5,label = '余弦cos()')
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.ylim(cos.min()*1.5,cos.max()*1.5)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
plt.yticks([-1,0,1])
plt.title("繪圖正余弦函數(shù)曲線(xiàn)圖",fontsize = 16,color ='green')
plt.text(+2.2,-1.4,"by:jgdabc",fontsize=16,color = 'purple')
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.legend(loc ='upper left',fontsize=12)
t1 = 2*np.pi/3
t2 = -np.pi
plt.plot([t1,t1],[0,np.sin(t1)],color = 'b',linewidth = 1.5,linestyle = '--')
plt.plot([t2,t2],[0,np.cos(t2)],color ='r',linewidth=1.5,linestyle="--")
plt.scatter([t1,],[np.sin(t1),],50,color = 'b')
plt.scatter([t2,],[np.cos(2),],50,color = 'r')
plt.annotate( r'$\sin(\frac{2\pi}{3}=\frac{\sqrt{3}}{2}$)',
xy = (t1,np.sin(t1)),
xycoords = 'data',
xytext = (+10,+30),
textcoords = 'offset points',
fontsize =14,
arrowprops = dict(arrowstyle= '->',connectionstyle = 'arc3,rad=.2')#箭頭指向的彎曲度
)
plt.annotate(r'$\cos(-\pi)=-1$',
xy = (t2,np.cos(t2)),
xycoords = 'data',
xytext = (0 ,-40),
textcoords = 'offset points',
fontsize = 14,
arrowprops = dict(arrowstyle = '->',connectionstyle='arc3,rad=.2')
)
for label in ax.get_xticklabels() + ax.get_yticklabels() :
label.set_fontsize(18)
label.set_bbox(dict(facecolor = 'r',edgecolor='g',alpha=0.5))
plt.fill_between(x,np.abs(x)0.5,sin,sin>0.5,color='g',alpha =0.8)
plt.fill_between(x,cos,where = (-2.5x)(x-0.5),color = 'purple')
plt.grid()
plt.savefig("D:\python學(xué)習(xí)數(shù)據(jù)可視化matplot學(xué)習(xí).png",dpi = 300)
plt.show()
到此這篇關(guān)于matplotlib繪制正余弦曲線(xiàn)圖的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)matplotlib 正余弦曲線(xiàn)圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python matplotlib 繪制雙Y軸曲線(xiàn)圖的示例代碼
- matplotlib 曲線(xiàn)圖 和 折線(xiàn)圖 plt.plot()實(shí)例
