python → matplotlib

函数曲线

 matpotlib+numpy

 matpotlib和numpy可以配合在一起使用。numpy主要是进行数学的计算，matplotlib主要是用于数学的绘图。

from matplotlib import pyplot as plt
import numpy as np
 
def deal(a,b):
    x1=list(np.arange(a,b,0.1))#此处可调整自变量取值范围，以便选择合适的观察尺度
    try:
        x1.remove(0)
    except:
        pass
    x1=list(map(float,x1))
    y=[]
    for i in range(len(x1)):
        y.append(((-3)**x1[i])/x1[i])
    plt.plot(x1,y,color='lightblue')
 
deal(-100,0)
deal(0,100)
plt.show()

生成图如下：

又如下代码所示：

from matplotlib import pyplot as plt
import numpy as np
 
x=np.linspace(-np.pi,np.pi,256,endpoint=True) 

y1=np.sin(x)
y2=np.cos(x)

plt.plot(x,y2)
plt.plot(x,y1)

plt.show()

可以生成如下图：

正弦函数和余弦函数。

（伊戈尔：《Python数据可视化编程实战》，颛清山译，北京：人民邮电出版社，2018年，第74页。）

可以调整该函数，代码如下：

from matplotlib import pyplot as plt
import numpy as np
 
x=np.linspace(-np.pi*10,np.pi*10,256,endpoint=True) 

y1=np.sin(x)
y2=np.cos(x)

#y3=x

plt.plot(x,y2,color="lightgreen")
plt.plot(x,y1,color="lightblue")
#plt.plot(x,y3)
plt.show()

生成图如下：

可以调整界面。

这样就可以调整大小宽窄高低。

如果想要x和y一致，还可以进行如下操作：

如下代码所示：

from matplotlib import pyplot as plt
import numpy as np
 
x=np.linspace(-np.pi*10,np.pi*10,256,endpoint=True) 

y1=np.sin(x)
y2=np.cos(x)

y3=x

plt.plot(x,y2,color="lightgreen")
plt.plot(x,y1,color="lightblue")
plt.plot(x,y3)
plt.show()

生成图如下：

如此，可以看到正弦函数和余弦函数的具体数值变化，即可完成。

matplotlib + Latex

CSDN中公式一栏，亦可以插入Latex函数。

以函数 为例

也可以用Latex写如下代码：

\documentclass{article}
\usepackage{amsmath}
\begin{document}
\[
y=
\frac{n}{n+30}
\]
\end{document}

如下：

那么，该函数图像如何呢？于是在python上写如下代码：

from matplotlib import pyplot as plt
import numpy as np
import math
x=list(np.arange(-29,100,1))
y=[]

for i in range(len(x)):
    y.append(i/(i+30))
plt.plot(x,y,color='lightseagreen')
plt.show()

得到函数如如下所示：

这条曲线很像对数函数。

再回到最开始的函数。它似乎是通过函数的平移得到的。

不过，细细检查一些，这个代码写错了。错误的原因，是x列表中的数就是自变量，并不需要计算len（x）,于是，更正代码如下：

from matplotlib import pyplot as plt
import numpy as np
import math
x=list(np.arange(10,100,1))
y=[]
 
for i in x:
    y.append(i/(i+30))
plt.plot(x,y,color='lightseagreen')
plt.show()

形成函数图如下：

可以在界面中，调整鼠标所在位置，知道具体的函数值。也可以通过左下角的按键，放大或者缩小显示图。总之很方便。在数学的学习中，程序是一个很好的工具。

以下面函数为例： ​

对于自变量的不同区域，可以写成函数形式，然后依次选择（-100，0）和（0，100）两个区间。如下代码所示：

from matplotlib import pyplot as plt
import numpy as np

def deal(a,b):
    x1=list(np.arange(a,b,1))#此处可调整自变量取值范围，以便选择合适的观察尺度
    try:
        x1.remove(0)
    except:
        pass
    x1=list(map(float,x1))
    y=[]
    for i in range(len(x1)):
        y.append(((-1)**x1[i])/x1[i])
    plt.plot(x1,y,color='lightseagreen')

deal(-100,0)
deal(0,100)
plt.show()

效果图如下所示：

程序代码和数学结合，威力无比。

数据可视化matplotlib

坐标点

数据可视化 matploactlib基本语法 确定纵坐标点 导入包

from matplotlib.pyplot import *
plot([1,2,3,2,3,2,2,1])#纵坐标的值。横坐标默认为纵坐标所在的序列。
show()

运行这段代码，执行效果如下：

即可完成。

横坐标为：1936，1937，1938，1939，单位为“年” 纵坐标：8431006，8626006，8994487，10040319，单位为“亩”。 请用python中的matplotlib,将其转化为图。

import matplotlib.pyplot as plt

# 横坐标数据
years = [1936, 1937, 1938, 1939]

# 纵坐标数据
acres = [8431006, 8626006, 8994487, 10040319]

# 创建图形和轴
fig, ax = plt.subplots()#fig不能缺少，不过名字可以是多样的，fi也可以。但是逗号前面不能没有。

# 绘制折线图
ax.plot(years, acres, marker='o', linestyle='-', color='b')

# 设置标题和标签
ax.set_title('Yearly Acreage')#需要用英文，如果用汉语则matplotlib中显示不出来。 Acreage种地面积
ax.set_xlabel('Year')
ax.set_ylabel('Acres')#Acres亩

# 设置x轴和y轴的刻度
ax.set_xticks(years)
ax.grid(True)

# 显示图形
plt.show()

运行这段代码将生成一个包含年份和亩数的折线图。以下是代码的主要步骤：

1. 导入matplotlib.pyplot模块。
2. 定义年份和亩数的数据。
3. 创建一个图形和轴对象。
4. 使用ax.plot方法绘制折线图，其中marker='o'表示在数据点上绘制圆圈，linestyle='-'表示使用实线连接数据点，color='b'表示使用蓝色。
5. 设置图表的标题和轴标签。
6. 设置x轴的刻度为给定的年份。
7. 启用网格以便更好地查看数据。
8. 使用plt.show()显示图形。

生成图如下：

这里的le7,指的是10的7次方。后面需要加上7个0，这是数学的表示。

即可完成。

统计图

数据可视化； 基础语法； matplotlib 数据； 案例来自书籍。

from matplotlib.pyplot import * 
# some simple data 
x = [1,2,3,4] 
y = [5,4,3,2] 
# create new figure
figure()


# divide subplots into 2 x 3 grid 
# and select #1 
subplot(231) 
plot(x, y)
# select #2 
subplot(232) 
bar(x, y) 
 # horizontal bar-charts 
subplot(233) 
barh(x, y)

# create stacked bar charts 
subplot(234) 
bar(x, y) 
# we need more data for stacked bar charts 
y1 = [7,8,5,3] 
bar(x, y1, bottom=y, color = 'r') 
# box plot 
subplot(235) 
boxplot(x) 
# scatter plot 
subplot(236) 
scatter(x,y)

show()

运行这段代码，在出现的Figure界面，选择界面下方的保存按钮，

生成统计图，代码执行的效果如下：

对这段代码进行重新调试。

from matplotlib.pyplot import * 

x = [0,1,2,3,4] # some simple data 
y = [6,5,4,3,2] 

figure()# create new figure

subplot(231) # divide subplots into 2 x 3 grid # and select #1  把显示界面进行分割。如3 x 3分割,然后选择第1个。
plot(x, y)
 
subplot(232) # select #2选择第二个区域。
bar(x, y)  # horizontal bar-charts ，纵向统计图。

subplot(233) # select #3选择第三个区域。
barh(x, y) #横向统计图

subplot(234) # create stacked bar charts 选择第四个模块。
bar(x, y) 
y1 = [3,7,8,5,3] # we need more data for stacked bar charts 。纵坐标统计图中，y1之上为需要填充颜色染色部分。
bar(x, y1, bottom=y, color = 'r') #在y的基础上，又加了y1 长度。注意，需要保持y和y1元素个数的一致。

subplot(235) # box plot 选择第5个区域
boxplot(x) #统计x所在的范围，方块图。

subplot(236) 
scatter(x,y)# scatter plot ，散点图。


show()

所得效果如下：

正弦函数

数据可视化；绘制正弦曲线； 用qt matplotlib包

要想生成正弦函数，有如下代码：

import matplotlib.pyplot as pyplot
import numpy as np

m=int(input("请输入想要在1到10的距离内用多少点来表示这幅正弦函数图："))
x=np.linspace(-10,10,m)#横坐标x为1到10，m个横坐标点。
y=np.sin(x)
pyplot.plot(x,y,label=f"y=sin(x),x∈[-10,10],n={m})")
pyplot.legend()

pyplot.show()#展示这幅图。

生成图如下所示：

要想得到不同精度的图，可以进行如下设置：

import matplotlib.pyplot as pyplot
import numpy as np

for m in range(10,100,5):
    x=np.linspace(1,10,m)#横坐标x为1到10，m个横坐标点。
    y=np.sin(x)
    pyplot.plot(x,y,label=f"x=np.linspace(1,10,{m})")
    pyplot.legend()
    pyplot.show()

运行这段代码，可以依次得到不同的正弦函数图。原因在于有m个横坐标点。通过m坐标点数的变化，可以得到不同精度的图形。

图像调整

积累程序 ；数据可视化； matplotlib； 参数调整 ls lw color 等。

对于函数图像的颜色、宽度、形状等，都可以进行调整。

import matplotlib.pyplot as pyplot
import numpy as np


x=np.linspace(1,10,100)#横坐标x为1到10，m个横坐标点。
y=np.sin(x)
pyplot.plot(x,y,label=f"y=sin(x),x=∈(1,10),n=100",ls="-.",lw="0.5",color="r")
pyplot.legend()
pyplot.show()

生成图像如下所示：

ls ="- ."，指的是线条的形式。举例如下：

'-',   '--',   '-.',   ':'

lw="0.5"，指的是线条的宽度。

即可完成。