Python数学建模-2.9Matplotlib库

2024-03-21 06:36
文章标签 python matplotlib 建模 数学 2.9

本文主要是介绍Python数学建模-2.9Matplotlib库，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！

Matplotlib库是Python中一个非常流行的绘图库，它提供了大量的绘图工具，可以生成各种类型的静态、动态、交互式的图表。Matplotlib的设计初衷是为了与NumPy配合使用，从而提供一个强大的数学绘图工具。

1.Matplotlib的主要特点

  1. 丰富的图表类型：支持绘制线图、柱状图、散点图、饼图、等高线图、热力图、雷达图、三位曲线和曲面等多种类型的图表。
  2. 高度可定制性：允许用户通过调整各种参数来自定义图表的外观，包括线条样式、字体属性、轴属性、颜色、标签、图例等。
  3. 与NumPy等库的无缝集成：可以方便地使用NumPy等科学计算库的数据进行绘图。
  4. 交互式绘图：通过集成工具包（如Tkinter），可以创建交互式图表，允许用户与图表进行交互。
  5. 导出功能：可以将图表保存为多种格式的图片或PDF文件，方便分享和展示。

使用Matplotlib库进行绘图的基本步骤如下：

  1. 导入Matplotlib库：使用import matplotlib.pyplot as plt导入Matplotlib库。
  2. 准备数据：准备要绘制的数据，可以是NumPy数组、列表或其他数据类型。
  3. 创建图表：使用Matplotlib提供的函数创建图表，设置图表的类型、坐标轴范围等。
  4. 添加数据到图表：将准备好的数据添加到图表中，设置数据点的样式、颜色等。
  5. 定制图表外观：通过调整参数来自定义图表的外观，如添加标题、标签、图例等。
  6. 显示或保存图表：使用plt.show()显示图表，或使用plt.savefig()将图表保存为文件。

 下面是一个简单的Matplotlib绘图示例：

import matplotlib.pyplot as plt
import numpy as np# 准备数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 创建图表
plt.figure()# 添加数据到图表
plt.plot(x, y)# 定制图表外观
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置默认字体为新创建的字体
plt.title('Sine 图')
plt.xlabel('x')
plt.ylabel('y')# 显示图表
plt.show()

注意：Matplotlib画图显示中文时通常为乱码，如果想在图形中显示中文字符、负号等，则需要使用如下代码进行设置：

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置默认字体为新创建的字体 plt.rcParams['axes.unicode_minus'] = False # 用于正常显示负号

或者等价地写为：

rc('font',family='SimHei')# 设置默认字体为新创建的字体

rc('axes',unicode_minus=False)# 用于正常显示负号

2.二维绘图

2.1折线图 （plot）

matplotlib.pyplot 是 Matplotlib 库中的一个模块，它提供了一套命令风格的函数接口，用于控制 Matplotlib 的图形生成过程。通过 pyplot，用户可以方便地创建各种类型的图表，控制图表的各个部分（如坐标轴、标题、图例等），以及将图表保存到文件或显示在屏幕上。

matplotlib.pyplot 的常用函数包括：

  • plot()：绘制线图。
  • scatter()：绘制散点图。
  • bar()：绘制柱状图。
  • hist()：绘制直方图。
  • pie()：绘制饼图。
  • xlabel() 和 ylabel()：设置 x 轴和 y 轴的标签。
  • title()：设置图表的标题。
  • legend()：添加图例。
  • grid()：添加网格线。
  • xlim() 和 ylim()：设置 x 轴和 y 轴的范围。
  • show()：显示图表。
  • savefig()：将图表保存到文件。

以下是一个使用 matplotlib.pyplot 的简单示例：

import matplotlib.pyplot as plt
import numpy as np# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 绘制线图
plt.plot(x, y, label='sin(x)')# 设置图表标题和坐标轴标签
plt.title('Simple Plot of sin(x)')
plt.xlabel('x')
plt.ylabel('y')# 添加图例
plt.legend()# 显示网格线
plt.grid(True)# 设置坐标轴范围
plt.xlim(0, 10)
plt.ylim(-1.5, 1.5)# 显示图表
plt.show()

 

2.2plot函数的调用格式

常用语法和参数含义如下：

plot(x,y,s)

其中，x为数据点的x坐标，y为数据的的y坐标，s为指定线条颜色、线条样式和数据点形状的字符串。

matplotlib.pyplot 中的 plot 函数是用于绘制线图的基本函数。它的调用格式非常灵活，可以接受多种参数来定制图表的外观和行为。以下是一些常见的调用格式和参数说明：

matplotlib.pyplot.plot(*args, **kwargs)

参数说明

必需参数（*args）
  • x, y：表示数据点的 x 和 y 坐标。这些可以是列表、数组、标量或其他可迭代对象。如果 x 和 y 都是序列，那么它们应该具有相同的长度。如果只有一个序列，则 x 的值会被当作索引（0 到 N-1）。
可选参数（**kwargs）
  • format string（格式字符串）：一个可选的格式字符串，用于指定线条的样式、颜色和标记。例如，'r-' 表示红色实线，'go' 表示带有绿色圆圈的线。
  • linewidth 或 lw：线条宽度，以点为单位。
  • linestyle 或 ls：线条样式，如 '-', --, '-.', ':', '.', ',', 'o', 'v', '^', '<', '>', '1', '2', '3', '4' 等。
  • color 或 c：线条颜色。可以是预定义的颜色名称、RGB 元组或十六进制颜色代码。
  • marker：用于数据点的标记样式，如 'o', '.', ',', 's', 'p', 'D', 'd', '|', '_' 等。
  • markersize 或 ms：标记的大小。
  • markerfacecolor 或 mfc：标记的填充颜色。
  • markeredgecolor 或 mec：标记边缘的颜色。
  • label：图例的标签。
  • alpha：透明度（0 表示完全透明，1 表示完全不透明）。
  • xscale, yscale：数据比例，可以是 'linear', 'log', 'symlog', 'logit' 等。
  • 等等：plot 函数支持许多其他可选参数，用于控制线图的各个方面。

示例

以下是一些使用 plot 函数的示例：

import matplotlib.pyplot as plt  
import numpy as np  # 创建一些示例数据  
x = np.linspace(0, 10, 100)  
y = np.sin(x)  # 使用默认设置绘制线图  
plt.plot(x, y)  
plt.show()  # 使用格式字符串定制线图  
plt.plot(x, y, 'r--')  # 红色虚线  
plt.show()  # 使用关键字参数定制线图  
plt.plot(x, y, linewidth=2, linestyle='-', color='g', marker='o')  # 绿色实线，带有圆圈标记，线宽为2  
plt.show()

 

案例操作1：

已知某店铺商品的销售量如下表所列。请画出商品销售趋势图。

date1：钻石和铂金销售数据

月份1月2月3月4月5月6月
钻石销量/个131027333045
铂金销量/只1107262025

解：

import pandas as pd
import pylab as plt
plt.rc('font',family='SimHei')  #用来正常显示中文标签
plt.rc('font',size=16)  #设置显示字体大小
a=pd.read_excel("data1.xlsx", header=None)
b=a.values  #提取其中的数据
x=b[0]; y=b[1:]
plt.plot(x,y[0],'-*b',label='铂金')
plt.plot(x,y[1],'--dr',label='铂金')
plt.xlabel('月份')
plt.ylabel('每月销量')
plt.legend(loc='upper left')
plt.grid(); plt.show()

关键代码注释：

# 使用pandas的read_excel函数读取名为"data1.xlsx"的Excel文件，header=None表示不将第一行视为列名，而是将其视为数据

a=pd.read_excel("data1.xlsx", header=None)

# 从DataFrame对象a中提取数据，并将其赋值给变量b，此时b是一个二维的numpy数组 b=a.values

# 将b数组的第一行赋值给变量x，这通常表示x轴的数据点

x=b[0]

# 将b数组的第二行到最后一行赋值给变量y，这通常表示y轴的数据点，这里y是一个二维数组 y=b[1:]

# 使用matplotlib的plot函数绘制线图，x为x轴数据，y[0]为y轴的第一个数据集，'-*b'表示线型为实线、数据点标记为星号、颜色为蓝色，label='铂金'表示图例的标签为'铂金'

plt.plot(x,y[0],'-*b',label='铂金')

# 再次使用matplotlib的plot函数绘制线图，但这次使用不同的线型和颜色，表示不同的数据集。

plt.plot(x,y[1],'--dr',label='铂金')

# 设置x轴的标签为'月份'

plt.xlabel('月份')

# 设置y轴的标签为'每月销量'

plt.ylabel('每月销量')

# 显示图例，并将其位置设置为左上角

plt.legend(loc='upper left')

# 显示网格线

plt.grid() 

案例操作2：

画出表date销售数据的柱状图。


import pandas as pd
import pylab as plt
plt.rc('font',family='SimHei')  #用来正常显示中文标签
plt.rc('font',size=16)  #设置显示字体大小
a=pd.read_excel("data2_52.xlsx",header=None)
b=a.T
b.plot(kind='bar')
plt.legend(['钻石', '铂金'])
plt.xticks(range(6), b[0], rotation=0); plt.show()

关键注释：

# 使用DataFrame的T属性对a进行转置，即行变列，列变行  
b = a.T  
  
# 使用DataFrame的plot方法绘制b的条形图，kind='bar'表示绘制条形图  
b.plot(kind='bar')  
  
# 设置图例，这里图例的内容是['钻石', '铂金']，但注意，由于前面没有对数据进行具体的分类，这里设置图例可能会与实际数据不匹配  
plt.legend(['钻石', '铂金'])  
  
# 设置x轴的刻度标签，range(6)表示设置6个刻度，b[0]为x轴刻度标签的数据，rotation=0表示标签不旋转  
plt.xticks(range(6), b[0], rotation=0)   

 

2.3子图 （subplot）

在Python中，特别是在使用matplotlib库时，我们可以创建子图（subplots），即将多个图表组合在同一个窗口中。这允许我们同时展示多个数据集，方便比较和展示。

matplotlib.pyplot模块中的subplots函数是创建子图的主要工具。下面是一个简单的例子，展示了如何创建和定制子图。

import matplotlib.pyplot as plt
import numpy as np
plt.rc('font',family='SimHei')  #用来正常显示中文标签
plt.rc('font',size=16)  #设置显示字体大小
plt.rcParams['axes.unicode_minus'] = False  # 用于正常显示负号# 创建一些示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 使用subplots函数创建子图，参数(2, 1)表示创建2行1列的子图网格，当前选中的是第1个子图
fig, axs = plt.subplots(2, 1, figsize=(6, 8))# 在第一个子图中绘制数据
axs[0].plot(x, y1)
axs[0].set_title('正弦函数')
axs[0].set_xlabel('x')
axs[0].set_ylabel('y')# 在第二个子图中绘制数据
axs[1].plot(x, y2)
axs[1].set_title('余弦函数')
axs[1].set_xlabel('x')
axs[1].set_ylabel('y')# 调整子图之间的间距
plt.tight_layout()# 显示图表
plt.show()

案例操作3： 

把一个窗口分成3个子窗口，分别绘制如下3个子图：

（1）一个柱状图；

（2）一个饼图；

（3）曲线y=sin(10x)/x。

解：

# 导入pylab模块，并使用plt作为别名，方便后续调用  
import pylab as plt  # 导入numpy模块，并使用np作为别名，方便后续调用  
import numpy as np  # 设置matplotlib的样式为默认样式  
plt.style.use('default')  # 生成一个包含6个随机整数的数组，这些整数的范围是2到4（包括2但不包括5）  
y1 = np.random.randint(2, 5, 6)  # 将y1数组中的每个元素除以y1数组所有元素的总和，使其总和为1  
y1 = y1 / sum(y1)  # 创建一个2x2的子图网格，并选择第一个位置（从1开始计数）进行绘图  
plt.subplot(2, 2, 1)  # 定义一个包含6个水果名称的字符串列表  
str = ['Apple', 'grape', 'peach', 'pear', 'banana', 'pineapple']  # 绘制一个水平条形图，其中str作为x轴标签，y1作为条形的高度  
plt.barh(str, y1)  # 水平条形图  # 选择子图网格的第二个位置进行绘图  
plt.subplot(222)  # 这里的222是matplotlib的旧式子图索引方式，等同于plt.subplot(2, 2, 2)  # 绘制一个饼图，其中y1作为饼图的各部分大小，str作为各部分的标签  
plt.pie(y1, labels=str)  # 饼图  # 选择子图网格的第三个位置进行绘图  
plt.subplot(212)  # 这意味着选择第2行第1列的位置，因为212是子图网格的行、列和索引的组合  # 生成一个包含100个元素的数组x2，这些元素从0.01线性增加到10  
x2 = np.linspace(0.01, 10, 100)  # 计算y2数组，其中每个元素是10*x2的正弦值除以x2的值  
y2 = np.sin(10*x2) / x2  # 绘制y2关于x2的曲线图  
plt.plot(x2, y2)  # 设置x轴的标签为'$x$'  
plt.xlabel('$x$')  # 设置y轴的标签为'$\mathrm{sin}(10x)/x$'，其中\mathrm{}用于设置字体样式  
plt.ylabel('$\\mathrm{sin}(10x)/x$')  # 显示所有绘制的图形  
plt.show()

3.三维绘图 

3.1三维曲线

在Python中，我们可以使用matplotlib库中的mplot3d工具包来绘制三维曲线。下面是一个简单的例子，演示了如何绘制一个三维正弦曲线：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D# 创建一个新的图形
fig = plt.figure()# 添加一个3D子图
ax = fig.add_subplot(111, projection='3d')# 创建x值范围
x = np.linspace(-2 * np.pi, 2 * np.pi, 100)# 对于每一个x值，计算对应的y和z值
y = np.sin(x)
z = np.cos(x)# 使用plot函数绘制三维曲线，其中x, y, z是坐标点
ax.plot(x, y, z)# 设置x, y, z轴的标签
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.set_zlabel('Z Axis')# 设置标题
ax.set_title('3D Curve Plot')# 显示图形
plt.show()

案例操作1：

画出三维曲线x=s^{_2{}}sins,y=s^{_2{}}coss,z=s(s\in [-50,50])的图形。

解：

import pylab as plt  # 导入pylab库，并使用plt作为别名  
import numpy as np   # 导入numpy库，并使用np作为别名  # 创建一个3D坐标轴的图形  
ax = plt.axes(projection='3d')  # 设置三维图形模式，返回一个3D坐标轴的实例，并赋值给变量ax  # 创建一个从-50到50的等差数列，共1000个元素，赋值给变量z  
z = np.linspace(-50, 50, 1000)  # 根据z的值计算x和y的值  
# x的值是z的平方乘以sin(z)的结果  
x = z**2 * np.sin(z)  
# y的值是z的平方乘以cos(z)的结果  
y = z**2 * np.cos(z)  # 使用plt.plot绘制三维曲线，曲线的x坐标是x，y坐标是y，z坐标是z，曲线颜色为黑色（'k'）  
plt.plot(x, y, z, 'k')  # 显示绘制的图形  
plt.show()

案例操作2： 

画出三维曲面图z=50sin(x+y))。

解：

import pylab as plt  # 导入pylab库，并使用plt作为别名，pylab是matplotlib的一个模块，提供了类似MATLAB的绘图接口  
import numpy as np   # 导入numpy库，并使用np作为别名，numpy是Python中用于数值计算的库  # 创建一个等差数列，从-4到4，包含100个元素，赋值给变量x  
x = np.linspace(-4, 4, 100);  # 使用numpy的meshgrid函数生成两个二维数组x和y，它们分别表示x和y坐标的所有可能组合  
# 这里x和y是形状相同的二维数组，用于后续的三维绘图  
x, y = np.meshgrid(x, x)  # 计算z的值，根据x和y的组合，用50乘以(x+y)的正弦值，生成一个与x和y形状相同的二维数组z  
z = 50 * np.sin(x + y);  # 创建一个3D坐标轴的图形，返回一个3D坐标轴的实例，并赋值给变量ax  
ax = plt.axes(projection='3d')  # 使用ax的plot_surface方法绘制三维曲面，x和y是曲面的网格坐标，z是曲面在z轴上的高度  
# color='y'表示曲面的颜色为黄色  
ax.plot_surface(x, y, z, color='y')  # 显示绘制的图形  
plt.show()

案例操作3： 

画出三维表面图z=sin(\sqrt{x^2+y^2})

解：

import pylab as plt  # 导入pylab库，并使用plt作为别名。pylab是matplotlib的一个模块，提供了类似于MATLAB的绘图接口。
import numpy as np  # 导入numpy库，并使用np作为别名。numpy是Python中用于数值计算的库。ax = plt.axes(projection='3d')  # 创建一个3D坐标轴的图形，并返回该坐标轴的实例赋值给变量ax。# 生成一维数组X，范围从-6到6，步长为0.25
X = np.arange(-6, 6, 0.25)
# 生成一维数组Y，范围从-6到6，步长为0.25
Y = np.arange(-6, 6, 0.25)# 使用np.meshgrid函数根据X和Y生成二维网格坐标数组
# X和Y现在是形状相同的二维数组，包含了绘制三维曲面所需的网格点的x和y坐标
X, Y = np.meshgrid(X, Y)# 计算Z的值，这里Z是每个网格点上对应的高度，根据X和Y的坐标计算得到
# 使用np.sin函数和欧几里得距离公式（np.sqrt(X**2 + Y**2)）来计算Z的值
Z = np.sin(np.sqrt(X ** 2 + Y ** 2))# 使用ax的plot_surface方法绘制三维曲面
# X, Y是曲面的网格坐标，Z是曲面在z轴上的高度
# cmap='coolwarm'表示使用'coolwarm'颜色映射来显示曲面上的颜色变化
surf = ax.plot_surface(X, Y, Z, cmap='coolwarm')# 添加颜色条来显示曲面上的颜色与Z值之间的对应关系
plt.colorbar(surf)# 显示绘制的图形
plt.show()

这篇关于Python数学建模-2.9Matplotlib库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/831999。

相关文章

Python 字符串占位

Python 字符串占位

在Python中，可以使用字符串的格式化方法来实现字符串的占位。常见的方法有百分号操作符 % 以及 str.format() 方法 百分号操作符 % name = "张三"age = 20message = "我叫%s，今年%d岁。" % (name, age)print(message) # 我叫张三，今年20岁。 str.format() 方法 name = "张三"age
阅读更多...
一道经典Python程序样例带你飞速掌握Python的字典和列表

一道经典Python程序样例带你飞速掌握Python的字典和列表

Python中的列表（list）和字典（dict）是两种常用的数据结构，它们在数据组织和存储方面有很大的不同。 列表（List） 列表是Python中的一种有序集合，可以随时添加和删除其中的元素。列表中的元素可以是任何数据类型，包括数字、字符串、其他列表等。列表使用方括号[]表示，元素之间用逗号,分隔。 定义和使用 # 定义一个列表 fruits = ['apple', 'banana
阅读更多...
Python应用开发——30天学习Streamlit Python包进行APP的构建（9）

Python应用开发——30天学习Streamlit Python包进行APP的构建（9）

st.area_chart 显示区域图。 这是围绕 st.altair_chart 的语法糖。主要区别在于该命令使用数据自身的列和指数来计算图表的 Altair 规格。因此，在许多 "只需绘制此图 "的情况下，该命令更易于使用，但可定制性较差。 如果 st.area_chart 无法正确猜测数据规格，请尝试使用 st.altair_chart 指定所需的图表。 Function signa
阅读更多...
python实现最简单循环神经网络(RNNs)

python实现最简单循环神经网络(RNNs)

Recurrent Neural Networks（RNNs） 的模型： 上图中红色部分是输入向量。文本、单词、数据都是输入，在网络里都以向量的形式进行表示。 绿色部分是隐藏向量。是加工处理过程。 蓝色部分是输出向量。 python代码表示如下： rnn = RNN()y = rnn.step(x) # x为输入向量，y为输出向量 RNNs神经网络由神经元组成， python
阅读更多...
python 喷泉码

python 喷泉码

因为要完成毕业设计，毕业设计做的是数据分发与传输的东西。在网络中数据容易丢失，所以我用fountain code做所发送数据包的数据恢复。fountain code属于有限域编码的一部分，有很广泛的应用。 我们日常生活中使用的二维码，就用到foutain code做数据恢复。你遮住二维码的四分之一，用手机的相机也照样能识别。你遮住的四分之一就相当于丢失的数据包。 为了实现并理解foutain
阅读更多...
python 点滴学

python 点滴学

1 python 里面tuple是无法改变的 tuple = （1,）,计算tuple里面只有一个元素，也要加上逗号 2  1 毕业论文改 2 leetcode第一题做出来
阅读更多...
Python爬虫-贝壳新房

Python爬虫-贝壳新房

前言 本文是该专栏的第32篇，后面会持续分享python爬虫干货知识，记得关注。 本文以某房网为例，如下图所示，采集对应城市的新房房源数据。具体实现思路和详细逻辑，笔者将在正文结合完整代码进行详细介绍。接下来，跟着笔者直接往下看正文详细内容。（附带完整代码） 正文 地址：aHR0cHM6Ly93aC5mYW5nLmtlLmNvbS9sb3VwYW4v 目标：采集对应城市的
阅读更多...
python 在pycharm下能导入外面的模块，到terminal下就不能导入

python 在pycharm下能导入外面的模块，到terminal下就不能导入

项目结构如下，在ic2ctw.py 中导入util，在pycharm下不报错，但是到terminal下运行报错  File "deal_data/ic2ctw.py", line 3, in <module>     import util 解决方案： 暂时方案：在终端下：export PYTHONPATH=/Users/fujingling/PycharmProjects/PSENe
阅读更多...
将一维机械振动信号构造为训练集和测试集（Python）

将一维机械振动信号构造为训练集和测试集（Python）

从如下链接中下载轴承数据集。 https://www.sciencedirect.com/science/article/pii/S2352340918314124 import numpy as npimport scipy.io as sioimport matplotlib.pyplot as pltimport statistics as statsimport pandas
阅读更多...
青龙面板2.9之Cdle傻妞机器人编译教程

青龙面板2.9之Cdle傻妞机器人编译教程

看到有的朋友对傻妞机器人感兴趣，这里写一下傻妞机器人的编译教程。 第一步，这里以linux amd64为例，去官网下载安装go语言安装包： 第二步，输入下方指令 cd /usr/local && wget https://golang.google.cn/dl/go1.16.7.linux-amd64.tar.gz -O go1.16.7.linux-amd64.tar.gz
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2