手把手教你Python yLab的繪制折線圖的畫法
Python的可視化工具有很多，數(shù)不勝數(shù)，各有優(yōu)劣。本文就對(duì)其中的pylab進(jìn)行介紹。之所以介紹這一款，是因?yàn)樗?code>Matlab的強(qiáng)烈相似度，如果你使用過(guò)Matlab，那么相信pylab你也會(huì)很快上手。
簡(jiǎn)單的plot函數(shù)
pylab繪圖，最基本的函數(shù)就是plot函數(shù)，當(dāng)然如果想要將圖片顯示出來(lái)，需要額外添加一個(gè)show函數(shù)。
在python的繪圖中，numpy是一個(gè)非常常用的工具，不太熟悉的可以參考博主的另一篇博文：【Python】Python之Numpy的超實(shí)用基礎(chǔ)詳細(xì)教程。
例如：
import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y = [i*i for i in np.arange(0, 1, 0.05)] pylab.plot(x, y) pylab.show()
運(yùn)行生成的圖片為：
規(guī)定兩個(gè)序列，只需要兩個(gè)序列的長(zhǎng)度相等，就可以以其中一個(gè)序列為橫坐標(biāo)，零一個(gè)序列為縱坐標(biāo)，進(jìn)行繪制。
但是也看得出來(lái)，這樣的圖片是比較寒磣的，簡(jiǎn)單樸素。我們可以對(duì)線條進(jìn)行一些修飾，比如線型、顏色、點(diǎn)型等等。只需要在plot函數(shù)中添加一個(gè)參數(shù)即可。這個(gè)參數(shù)用法比較靈活，特可以從下表的值中進(jìn)行組合選擇：
| 顏色 | 線型 | 點(diǎn)型 |
|---|---|---|
| ‘b' (藍(lán)色) | ‘-' (實(shí)線) | ‘,' (像素) |
| ‘g' (綠色) | ‘–' (虛線) | ‘o' (圓形) |
| ‘r' (紅色) | ‘-.' (虛點(diǎn)線) | ‘^' (上三角) |
| ‘y' (黃色) | ‘:' (點(diǎn)線) | ‘s' (方形) |
| ‘k' (黑色) | ‘.' (點(diǎn)) | ‘+' (加號(hào)) |
| ‘w' (藍(lán)色) | … | ‘x' (叉形) |
| … | … |
例如:
import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y = [i*i for i in np.arange(0, 1, 0.05)] pylab.plot(x, y, "b-.+") pylab.show()
運(yùn)行生成的圖片為：
如果，還想增加圖例，x軸、y軸的含義和刻度，標(biāo)題的信息，也可以通過(guò)添加一些函數(shù)來(lái)進(jìn)行。
例如：
# -*- coding:UTF-8 -*-
import pylab
import numpy as np
if __name__ == "__main__":
x = np.arange(0, 1, 0.05)
y = [i*i for i in np.arange(0, 1, 0.05)]
pylab.plot(x, y, "b-.+", label='line')
pylab.xlabel('x') # x、y軸的介紹
pylab.ylabel('y')
pylab.xlim([0, 1]) # x、y軸的長(zhǎng)度區(qū)間
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) # x、y軸的刻度
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y') # x、y的標(biāo)題
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) # 圖例的位置
pylab.show()
運(yùn)行生成的圖片為：
是不是瞬間就感覺(jué)豐富了許多！
多折線繪制
當(dāng)然，在很多時(shí)刻需要繪制多條折線。很明顯，可以選擇將多條直線繪制到同一張圖片上，也可以選擇在圖片上繪制不同的子圖。
多折線同圖
將多條折線繪制到同一張圖片上，這非常簡(jiǎn)單，直接再plot一條直線就可以了。
例如：
# -*- coding:UTF-8 -*-
import pylab
import numpy as np
if __name__ == "__main__":
x = np.arange(0, 1, 0.05)
y1 = [i*i for i in np.arange(0, 1, 0.05)]
y2 = [i+i for i in np.arange(0, 1, 0.05)]
pylab.plot(x, y1, "b-.+", label='line1')
pylab.plot(x, y2, "r-.+", label='line2')
pylab.xlabel('x')
pylab.ylabel('y')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.show()
多折線不同圖
將多條折線繪制到圖片上的不同子圖上，這就需要通過(guò)subplot進(jìn)行區(qū)域分割和指定。
subplot(numRows, numCols, plotNum)
該函數(shù)會(huì)將這個(gè)圖片分為numRows行、nulCols列，然后按照從左到右、從上到下的順序進(jìn)行編號(hào)，最左上的編號(hào)為1。plotNum參數(shù)指定子圖的所在區(qū)域。
例如：
# -*- coding:UTF-8 -*-
import pylab
import numpy as np
if __name__ == "__main__":
x = np.arange(0, 1, 0.05)
y1 = [i*i for i in np.arange(0, 1, 0.05)]
y2 = [i+i for i in np.arange(0, 1, 0.05)]
pylab.subplot(1, 2, 1)
pylab.plot(x, y1, "b-.+", label='line1')
pylab.xlabel('x')
pylab.ylabel('y1')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y1')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.subplot(1, 2, 2)
pylab.plot(x, y2, "r-.+", label='line2')
pylab.xlabel('x')
pylab.ylabel('y2')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y2')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.show()
運(yùn)行生成的圖片為：
這是比較規(guī)整的例子，如果是不規(guī)整的呢？例如，第一行兩張圖，第二行一張圖。這就要稍微變通一下了。
第一行其實(shí)是按照2*2分法的第一個(gè)和第二個(gè)，第二行其實(shí)是按照2*1分法的第二行。這樣思考就會(huì)迎刃而解了。
# -*- coding:UTF-8 -*-
import pylab
import numpy as np
if __name__ == "__main__":
x = np.arange(0, 1, 0.05)
y1 = [i*i for i in np.arange(0, 1, 0.05)]
y2 = [i+i for i in np.arange(0, 1, 0.05)]
pylab.subplot(2, 2, 1)
pylab.plot(x, y1, "b-.+", label='line1')
pylab.xlabel('x')
pylab.ylabel('y1')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y1')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.subplot(2, 2, 2)
pylab.plot(x, y2, "r-.+", label='line2')
pylab.xlabel('x')
pylab.ylabel('y2')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y2')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.subplot(2, 1, 2)
pylab.plot(x, y1, "b-.+", label='line1')
pylab.plot(x, y2, "r-.+", label='line2')
pylab.xlabel('x')
pylab.ylabel('y')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.show()
運(yùn)行生成的圖片為：
其他函數(shù)
除了上述函數(shù)之外，還有一些其他的常用函數(shù)。
pylab.grid() # 網(wǎng)格繪制 pylab.savefig(圖片存儲(chǔ)路徑, dpi=200) # 保存為圖片
掌握了這些基本的折現(xiàn)圖的繪制函數(shù)，相信一般的折線圖都可以輕松掌握。
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
python實(shí)現(xiàn)CSF地面點(diǎn)濾波算法原理解析
這篇文章主要介紹了python實(shí)現(xiàn)CSF地面點(diǎn)濾波算法原理，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-08-08
這篇文章主要介紹了Python 中的容器 collections的相關(guān)資料，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-08-08
這篇文章主要介紹了Tornado高并發(fā)處理方法實(shí)例代碼，具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01
這篇文章主要介紹了使用PyCharm批量爬取小說(shuō),本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-04-04
JPype實(shí)現(xiàn)在python中調(diào)用JAVA的實(shí)例
本篇文章主要介紹了JPype實(shí)現(xiàn)在python中調(diào)用JAVA的實(shí)例，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-07-07
opencv python 圖像輪廓/檢測(cè)輪廓/繪制輪廓的方法
這篇文章主要介紹了opencv python 圖像輪廓/檢測(cè)輪廓/繪制輪廓的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
這篇文章主要介紹了Python?Pandas條件篩選功能，篩選是在平時(shí)的工作中使用非常頻繁的功能了，下文詳細(xì)的相關(guān)資料介紹，需要的小伙伴可以參考一下2022-03-03
python 實(shí)現(xiàn)多線程下載視頻的代碼
這篇文章主要介紹了python 實(shí)現(xiàn)多線程下載視頻的代碼,代碼簡(jiǎn)單易懂，非常不錯(cuò)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2019-11-11
Python cx_freeze打包工具處理問(wèn)題思路及解決辦法
這篇文章主要介紹了Python cx_freeze打包工具處理問(wèn)題思路及解決辦法的相關(guān)資料,需要的朋友可以參考下2016-02-02
這篇文章介紹了Python中的numpy數(shù)組模塊，文中通過(guò)示例代碼介紹的非常詳細(xì)。對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2022-05-05