快捷導(dǎo)航

python必備庫(kù)Matplotlib畫(huà)圖神器

更新時(shí)間：2022年03月16日 09:32:30 作者：易烊千蟈

這篇文章主要介紹了python必備庫(kù)Matplotlib畫(huà)圖神器，Matplotlib 是 Python 中最受歡迎的數(shù)據(jù)可視化軟件包之一，支持跨平臺(tái)運(yùn)行，它是 Python 常用的 2D 繪圖庫(kù)，同時(shí)它也提供了一部分 3D 繪圖接口，更多詳細(xì)內(nèi)容，需要的小伙伴可以參考一下下面文章具體內(nèi)容

Matplotlib 是 Python 中類(lèi)似 MATLAB 的繪圖工具，如果您熟悉 MATLAB，那么可以很快的熟悉它。Matplotlib 提供了一套面向?qū)ο罄L圖的 API，它可以輕松地配合 Python GUI 工具包（比如 PyQt，WxPython、Tkinter）在應(yīng)用程序中嵌入圖形。與此同時(shí)，它也支持以腳本的形式在 Python、IPython Shell、Jupyter Notebook 以及 Web 應(yīng)用的服務(wù)器中使用。

官網(wǎng)地址：

https://matplotlib.org/

可以看看docs

官網(wǎng)就相當(dāng)詳細(xì)了，可以直接參考官網(wǎng)。

1.安裝方法

pip安裝：

pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

conda安裝：

conda install matplotlib

測(cè)試是否成功：

import numpy as np?
from matplotlib import pyplot as plt?
?
x = np.arange(1,11)?
y = ?2 ?* x + ?5?
plt.title("Matplotlib demo")?
plt.xlabel("x axis caption")?
plt.ylabel("y axis caption")?
plt.plot(x,y)?
plt.show()

成功出現(xiàn)下圖就可以動(dòng)手改造了。

2.用好官網(wǎng)的例子

最簡(jiǎn)單的應(yīng)用-折線圖

fig, ax = plt.subplots() ?# Create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]); ?# Plot some data on the axes.

添加注釋的方法

fig, ax = plt.subplots(figsize=(5, 2.7))

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)
line, = ax.plot(t, s, lw=2)

ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
? ? ? ? ? ? arrowprops=dict(facecolor='black', shrink=0.05))

ax.set_ylim(-2, 2);

柱狀圖-Bar Label

import matplotlib.pyplot as plt
import numpy as np
N = 5
menMeans = (20, 35, 30, 35, -27)
womenMeans = (25, 32, 34, 20, -25)
menStd = (2, 3, 4, 1, 2)
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N) ? ?# the x locations for the groups
width = 0.35 ? ? ? # the width of the bars: can also be len(x) sequence
fig, ax = plt.subplots()
p1 = ax.bar(ind, menMeans, width, yerr=menStd, label='Men')
p2 = ax.bar(ind, womenMeans, width,
? ? ? ? ? ? bottom=menMeans, yerr=womenStd, label='Women')
ax.axhline(0, color='grey', linewidth=0.8)
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(ind, labels=['G1', 'G2', 'G3', 'G4', 'G5'])
ax.legend()
# Label with label_type 'center' instead of the default 'edge'
ax.bar_label(p1, label_type='center')
ax.bar_label(p2, label_type='center')
ax.bar_label(p2)
plt.show()

正常run會(huì)出現(xiàn)下圖：

折線圖之CSD

計(jì)算兩個(gè)信號(hào)的交叉譜密度Compute the cross spectral density of two signals

import numpy as np
import matplotlib.pyplot as plt


fig, (ax1, ax2) = plt.subplots(2, 1)
# make a little extra space between the subplots
fig.subplots_adjust(hspace=0.5)

dt = 0.01
t = np.arange(0, 30, dt)

# Fixing random state for reproducibility
np.random.seed(19680801)


nse1 = np.random.randn(len(t)) ? ? ? ? ? ? ? ? # white noise 1
nse2 = np.random.randn(len(t)) ? ? ? ? ? ? ? ? # white noise 2
r = np.exp(-t / 0.05)

cnse1 = np.convolve(nse1, r, mode='same') * dt ? # colored noise 1
cnse2 = np.convolve(nse2, r, mode='same') * dt ? # colored noise 2

# two signals with a coherent part and a random part
s1 = 0.01 * np.sin(2 * np.pi * 10 * t) + cnse1
s2 = 0.01 * np.sin(2 * np.pi * 10 * t) + cnse2

ax1.plot(t, s1, t, s2)
ax1.set_xlim(0, 5)
ax1.set_xlabel('time')
ax1.set_ylabel('s1 and s2')
ax1.grid(True)

cxy, f = ax2.csd(s1, s2, 256, 1. / dt)
ax2.set_ylabel('CSD (db)')
plt.show()