python画图|垂线标记系列

2024-09-07 08:28

本文主要是介绍python画图|垂线标记系列,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

进行了一段时间的直方图学习之后,发现python的matplo居然还支持画垂线标记图,赶紧把它记录下来。

直方图绘制教程见下述链接:

【a】直方图绘制基础教程:python画图|直方图绘制教程-CSDN博客

【b】 直方图绘制进阶教程:python画图|直方图绘制教程进阶-CSDN博客

【c】 堆叠直方图绘制教程:python画图|堆叠直方图绘制-CSDN博客

【d】并列直方图绘制教程: python画图|并列直方图绘制-CSDN博客

【e】 水平直方图绘制教程:python画图|水平直方图绘制-CSDN博客

【1】官网教程

直接进入官网,点击下方链接直达:

https://matplotlib.org/stable/gallery/lines_bars_and_markers/stem_plot.html#sphx-glr-gallery-lines-bars-and-markers-stem-plot-py

进入官网以后,我们会看到Stem Plot标记,并且看到一行解释:

stem plots vertical lines from a baseline to the y-coordinate and places a marker at the tip.

stem 可以从基线(x坐标轴)画一条平行于y轴的直线到到目标点,并且给不标点做个突出标记。

然后把代码注释一下:

import matplotlib.pyplot as plt #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算x = np.linspace(0.1, 2 * np.pi, 41) #划分自变量的点,范围[0,1,2pi)
y = np.exp(np.sin(x)) #设置因变量plt.stem(x, y) #绘制垂线标记图
plt.show() #输出图形

输出图形为:

558b3e88430f4f2e9d01297ec15f1a85.png

图1

由图1可见,画出了一系列出现,垂线顶端做了圆点标记。

【2】stem属性修改

在官网担负打开stem,可点击下方链接直达:

https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.stem.html#matplotlib.pyplot.stem

会发现stem其实有大量属性可以可以设定:

matplotlib.pyplot.stem(*args, linefmt=None, markerfmt=None, basefmt=None, bottom=0, label=None, orientation='vertical', data=None)

这里的linefmt是线型显示的意思,markerfmt是顶端标记显示的意思,basefmt是基线显示的意思(可以理解为就是x轴),bottom是垂线起始的Y轴坐标值,label是标签,orientation是方向(存在沿着水平方向画垂线的机会)。data为可选输入,无需特别关注。

【2.1】改写bottom

bottom指定了垂线起始的位置,我们尝试将其分别设置为0.5和1.5,改后代码如下(每次输出只选择其中一个):

plt.stem(x, y,bottom=0.5) #绘制垂线标记图
plt.stem(x, y,bottom=1.5) #绘制垂线标记图

9631fa17b62c4500aecc131361745d81.png

图2

9f33c56d29354f56901a2cc639b75886.png

图3

由图3和图3可见,起始线从y=0.5变化到y=1.5。

【2.2】改写orientation

orientation指定了垂线起始的方向,我们尝试将其分别设置为水平和竖直,改后代码如下:

plt.subplot(1,2,1) #绘制左图
plt.stem(x, y,bottom=1.5,orientation='vertical') #绘制垂线标记图,自变量在x轴
plt.subplot(1,2,2)#绘制右图
plt.stem(x, y,bottom=1.5,orientation='horizontal') #绘制垂线标记图,自变量在x轴

输出结果为:

7ed0cc53d4904712b29b171a4f3c6b6f.png

图4

由图4可见,stem实现了对自变量在x轴和y轴的垂线划分和顶端标记。

【2.3】增加垂线密度

尝试把x = np.linspace(0.1, 2 * np.pi, 41)加密,把41更换为101,改后输出如下:

6644e9e6c3e74b058dc2b3bfbbf9e875.png

图5

由图5可见,垂线已经被加密。

【3】总结

本文学习了使用stem()画垂线标记系列,并尝试了改变垂线起始点、修改自变量方向和增高垂线密度等操作。

 

 

 

这篇关于python画图|垂线标记系列的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1144565

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

flume系列之:查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0