Matplotlib.pyplot.plot 绘图

简介: Matplotlib.pyplot.plot 绘图

Matplotlib.pyplot.scatter 散点图绘制

Matplotlib.pyplot 创建图形、在图形中创建创建一个绘图区域、在绘图区域中你那个绘制一些线、在图形中添加标签之类

画二维平面图

x = np.arange(0, 10, 2)
y1 = x
y2 = x ** 2
plt.plot(x, y1, '*g--') #g 表示颜色
plt.show()

同一个坐标系里画多条线段

import matplotlib.pyplot as plt
import numpy as np
plt.plot([10, 20, 30, 40], [35, 45, 55, 65], '*g--')
plt.plot([[10, 20], [30, 40]], [[30, 40], [50, 60]], '*r--')
plt.show()

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 2)
y1 = x
y2 = x ** 2
# 正常显示中文
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
plt.xlabel('自变量')   # 若是使用 汉字,则显示出错
plt.ylabel('因变量')
plt.plot(x, y1, '*g--', y2, '^b-')
plt.legend(['y=x', '$y=x^2$'], loc='upper right')  # 显示每条线段的解释, $$ 里是 LaTeX语句
# 保存图片
plt.savefig('./Big Title.png')
# 防止图片部分缺失 方法一 增大画布
fig = plt.figure(figsize=(8,4))
# 防止图片部分缺失 方法一 紧致布局
plt.tight_layout()
#增大分辨率
plt.savefig('./Big Title.png', dpi=400)
plt.show()

分别放两个框中

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 2)
y1 = x
y2 = x ** 2
# 1.创建画板fig
fig = plt.figure(figsize=(9, 6)) # 指定画板大小
# 参数解释,前两个参数 1,2 表示创建了一个一行两列的框 第三个参数表示当前所在的框
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot(x, y1, '*--', color="tab:blue")
ax2.plot(x, y2, '^-', color='tab:orange')
plt.show()

函数封装

import matplotlib.pyplot as plt
def show_plot(x_name: list, precision: list, recall: list, f1: list, AUC: list, path):
    plt.plot(x_name, precision, 'or-', recall, '^g-', f1, '*b-', AUC, '.y-.')
    plt.legend(['precision', 'recall', 'f1', 'AUC'], loc='upper right')
    plt.savefig(path, dpi=300)
    plt.show()
    pass
x_name = ['model1', 'model2', 'model3', 'model4']
y1 = [0.5, 0.6, 0.8, 0.9]
y2 = [0.6, 0.6, 0.85, 0.92]
y3 = [0.7, 0.66, 0.82, 0.91]
y4 = [0.8, 0.7, 0.82, 0.84, 0.93]
show_plot(x_name, y1, y2, y3, y4, r'test.png')

画多条曲线

import numpy as np
import matplotlib.pyplot as plt
fig1 = plt.figure(num=1, figsize=(7, 5))  # 指定画板大小
x = np.linspace(0.0, np.pi * 2, 20)
y = np.sin(x)
plt.plot(x, y, 'rx-', x, 2 * x, 'go-.')  # 每条都指定x轴数据
fig2 = plt.figure(num=2)
plt.plot(x, y, 'rx-', 2 * x, 'go-.')  # 一条指定x轴数据,其他不指定
fig2 = plt.figure(num=3)
plt.plot(y, 'rx-', 2 * x, 'go-.')  # 都不指定
plt.show()

说明

format_string 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 说明 字符 说明 字符 说明
'r' 红色 'g' 绿色 'b' 蓝色
'c' 青绿色 'k' 黑色 'y' 黄色
'w' 白色 'm' 洋红色

风格

字符 说明 字符 说明 字符 说明 字符 说明
'-' 实线 '–' 破折线 '-.' 点画线 ':' 虚线

风格

字符 说明 字符 说明 字符 说明
'.' 点标记 ',' 像素标记 'o' 实心圈标记
'v' 倒三角标记 '^' 上三角标记 '>' 右三角标记
'<' 左三角标记 'h' 竖六边形标记 'H' 横六边形标记
'+' 十字标记 'x' x标记 'D' 菱形标记
'd' 瘦菱形标记 '|' 垂直线标记 '*' 星形标记
'p' 实心五角标记 's' 实心方形标记 '4' 右花三角标记
'3' 左花三角标记 '2' 上花三角标记 '1' 下花三角标记

使用方法

plt.plot(x, y,'g')
plt.plot(x, y,color='green')
plt.plot(x, y,'go')
plt.plot(x, y,color='green',marker = 'o')
plt.plot(x, y,'go-.')
目录
相关文章
|
6月前
|
数据可视化 数据挖掘 大数据
【数据分析与可视化】Matplotlib绘图基础语法讲解(图文解释 超详细)
【数据分析与可视化】Matplotlib绘图基础语法讲解(图文解释 超详细)
180 0
|
6月前
|
资源调度 自然语言处理 数据可视化
【数据分析与可视化】Matplotlib中十大绘图模型的讲解及实现(图文解释 附源码)
【数据分析与可视化】Matplotlib中十大绘图模型的讲解及实现(图文解释 附源码)
107 1
|
2月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 9
在本教程中,我们将探讨如何使用 Matplotlib 的 `plot()` 方法中的 `marker` 参数来自定义图表标记。您可以选择不同的线类型(如实线 `&#39;-&#39;`、虚线 `&#39;:&#39;` 等),以及颜色类型(如红色 `&#39;r&#39;`、绿色 `&#39;g&#39;` 等)。同时,通过调整 `markersize (ms)`、`markerfacecolor (mfc)` 和 `markeredgecolor (mec)` 参数,可以定制标记的大小和颜色。
31 1
|
2月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 3
这段Matplotlib教程展示了如何通过`plot()`方法的`marker`参数来自定义图表标记,为数据点添加独特的视觉风格。例如,通过设置`marker = &#39;*&#39;`,可以使每个数据点显示为星形标记。这在需要对坐标轴进行特殊标注时尤为有用。下面的示例代码生成了一个带有星形标记的简单折线图。
32 1
|
2月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 8
在 Matplotlib 中,可以通过 `plot()` 方法的 `marker` 参数自定义图表标记。此外,还可以设置线类型(如 `&#39;-&#39;` 实线、`&#39;:&#39;` 虚线等)和颜色(如 `&#39;r&#39;` 红色、`&#39;g&#39;` 绿色等)。使用 `markersize` (`ms`) 定义大小,`markerfacecolor` (`mfc`) 和 `markeredgecolor` (`mec`) 分别定义标记的内部和边框颜色。
31 0
|
2月前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 绘图标记 6
在本教程中,我们将探讨如何利用 Matplotlib 的 `plot()` 方法中的 `marker` 参数来自定义图表标记,以增强数据可视化效果。此外,还介绍了线类型(如实线 `&#39;-&#39;`、虚线 `&#39;:&#39;` 等)、颜色类型(如红色 `&#39;r&#39;`、绿色 `&#39;g&#39;` 等)以及如何通过 `markersize` (`ms`)、`markerfacecolor` (`mfc`) 和 `markeredgecolor` (`mec`) 来调整标记的大小和颜色。通过一个示例展示了如何设置标记大小。
25 0
|
2月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 5
使用 Matplotlib 的 `plot()` 方法通过 `marker` 参数来自定义图表标记,同时解释了如何利用 `fmt` 参数定义标记、线条样式及颜色,例如 &#39;o:r&#39; 分别表示实心圆标记、虚线及红色。并通过一个实例演示了其使用方法。
25 0
|
2月前
|
数据可视化 数据处理 Python
Matplotlib:Python绘图利器之王
Matplotlib:Python绘图利器之王
17 0
|
2月前
|
搜索推荐 数据可视化 Python
Matplotlib 教程 之 Matplotlib 绘图标记 4
本教程介绍如何使用 Matplotlib 的 `plot()` 方法中的 `marker` 参数来自定义图表标记,使你的数据可视化更加直观和个性化。通过实例演示了如何设置下箭头作为数据点标记。
23 0
|
2月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 2
在 Matplotlib 中使用 `plot()` 方法的 `marker` 参数来自定义图表标记。通过不同符号如 `&quot;o&quot;`(实心圆)、`&quot;v&quot;`(下三角)等,可实现多样化的标记效果。示例展示了实心圆标记的使用方法,提供了多种标记符号供选择,包括几何形状和特殊符号。
55 0

热门文章

最新文章