import matplotlib.pyplot as plot
时间: 2025-01-12 10:51:20 浏览: 44
### 使用 Matplotlib Pyplot 绘制图形
#### 导入必要的库
为了使用 `matplotlib` 进行绘图,首先需要导入该库中的 `pyplot` 模块:
```python
import matplotlib.pyplot as plt
```
#### 创建数据集
创建一些用于绘制的数据点。这里以简单的正弦波为例来展示如何绘制曲线。
```python
import numpy as np
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)
```
#### 基本折线图绘制
通过调用 `plt.plot()` 函数可以轻松地画出一条连接各个坐标点形成的线条[^1]。
```python
plt.figure(figsize=(8, 6))
plt.plot(x, y, label='Sine Wave', color='blue')
plt.title('Simple Sine Curve')
plt.xlabel('Angle (radians)')
plt.ylabel('sin(x)')
plt.legend()
plt.grid(True)
plt.show()
```
上述代码片段展示了怎样设置图像大小、添加标题、轴标签、网格线并显示图例说明。
#### 等高线填充图绘制
对于更复杂的可视化需求,比如地形高度变化或温度分布等情况,则可利用 `contourf()` 方法生成带有颜色渐变效果的等高线图[^2]。
假设有一个二维数组表示某区域内的海拔高度值Z,在给定X,Y坐标的条件下,可以通过下面的方式呈现出来:
```python
delta = 0.5
x_contour = np.arange(-3.0, 3.0, delta)
y_contour = np.arange(-3.0, 3.0, delta)
X, Y = np.meshgrid(x_contour, y_contour)
Z = X**2 + Y**2
plt.figure(figsize=(8, 6))
CS = plt.contourf(X, Y, Z, levels=15, cmap='viridis')
plt.colorbar(CS)
plt.title('Contour Plot with Filled Levels')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.show()
```
这段脚本构建了一个基于二次方程式的假想表面,并应用了不同级别的色彩映射方案来进行渲染。
#### 总结与扩展学习
以上仅是入门级的例子,实际上 `Matplotlib` 提供了许多高级特性支持更加丰富的图表定制化选项[^3]。随着实践深入,还可以探索更多类型的统计图表如柱状图、饼图或是三维立体视图等功能模块。
阅读全文
相关推荐

















