快捷導(dǎo)航

Python實(shí)現(xiàn)區(qū)域填充的示例代碼

更新時(shí)間：2021年02月03日 10:37:47 作者：⑨⑨⑦④

這篇文章主要介紹了Python實(shí)現(xiàn)區(qū)域填充的示例代碼，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

所用的庫(kù)及環(huán)境:

　　IDE:Pycharm

　　Python環(huán)境：python3.7

　　Matplotlib: Matplotlib 1.11

　　Numpy： Numpy1.15.

區(qū)域填充

前言

如何填充一塊區(qū)域，就是給一塊區(qū)域上色

代碼及效果圖

fill()函數(shù)介紹

文檔：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.fill.html

介紹：繪制填充多邊形

屬性：

args：是一個(gè)x，y的序列，每個(gè)多邊形由其節(jié)點(diǎn)x和y的位置列表定義
color ：填充的顏色
alpha：透明度

只填充兩個(gè)圖形重合區(qū)域

代碼及效果圖

fill_between()函數(shù)介紹　　

x:一個(gè)序列，定義曲線的節(jié)點(diǎn)的x坐標(biāo)
y1:可以是一個(gè)序列，定義第一條曲線的y坐標(biāo)
y2:可以是一個(gè)序列，定義第二條曲線的y坐標(biāo)
where：一個(gè)可選參數(shù)，布爾值，y1>y2表示y1線在上時(shí)填充，y1<y2表示y2線在上時(shí)填充
interpolate :看圖中會(huì)發(fā)現(xiàn)有些填充的地方會(huì)有空白，此參數(shù)為Tur會(huì)自動(dòng)填充
facecolor：要填充的顏色

加入interpolate參數(shù)效果：

示例

import matplotlib.pyplot as plt
import numpy as np
 
x= np.linspace(0,5*np.pi, 1000)
 
y1 = np.sin(x)
y2 = np.sin(2*x)
 
#plt.plot(x,y1)
#plt.plot(x,y2)
 
plt.fill(x,y1,'b',alpha=0.5)
plt.fill(x,y2,'r',alpha=0.3)
 
plt.fill_between(x,y1,y2,facecolor='green')
plt.grid(True)
 
plt.show()
 
#########################################################
plt.plot(x,y1,'b',alpha=0.5)
plt.plot(x,y2,'r',alpha=0.3)
#添加條件
#如果數(shù)據(jù)點(diǎn)比較少的情況下，會(huì)有縫隙出現(xiàn)，使用interpolate可以填充縫隙
plt.fill_between(x,y1,y2,where=y1>=y2,facecolor='green',interpolate=True)
plt.fill_between(x,y1,y2,where=y2>y1,facecolor='yellow',interpolate=True)
plt.grid(True)
 
plt.show()
###########################################################
 
n = 256
X = np.linspace(-np.pi, np.pi, n, endpoint=True)
Y = np.sin(2 * X)
 
 
plt.plot(X, Y + 1, color='blue', alpha=1.00)
plt.fill_between(X, 1, Y + 1, color='blue', alpha=.25)
 
plt.plot(X, Y - 1, color='blue', alpha=1.00)
plt.fill_between(X, -1, Y - 1, (Y - 1) > -1, color='blue', alpha=.25)
plt.fill_between(X, -1, Y - 1, (Y - 1) < -1, color='red', alpha=.25)
 
plt.xlim(-np.pi, np.pi)
plt.xticks(())
plt.ylim(-2.5, 2.5)
plt.yticks(())

效果圖：