【数学建模】——matplotlib简单应用

1.绘制带有中文标签和图例的正弦和余弦曲线

2. 绘制散点图

1.修改散点符号与大小

2.修改颜色

3.绘制饼状图

4.在图例中显示公式

5.多个图形单独显示

6.绘制有描边和填充效果的柱状图

7.使用雷达图展示学生成绩

8.绘制三维曲面

9.绘制三维曲线

10.设置图例样式

总结

专栏：数学建模学习笔记

matplotlib模块依赖于numpy模块和tkinter模块，可以绘制多种形式的图形，包括线图、直方图、饼状图、散点图、误差线图等等。

1.绘制带有中文标签和图例的正弦和余弦曲线

使用numpy创建自变量数组t。
计算正弦函数值s和余弦函数值z。
使用pylab绘制正弦和余弦曲线，并设置标签。
使用matplotlib.font_manager设置中文字体，确保字体文件路径正确。
设置x轴和y轴标签，使用中文字体。
设置图像标题，使用中文字体。
显示图例，使用中文字体。

import numpy as np
import pylab as pl
import matplotlib.font_manager as fm

# 必须使用关键参数fname，必须保证字体文件路径正确
myfont = fm.FontProperties(fname=r'C:\Windows\Fonts\STKAITI.ttf') #设置字体
t = np.arange(0.0, 2.0*np.pi, 0.01)        # 自变量取值范围
s = np.sin(t)                              # 计算正弦函数值
z = np.cos(t)                              # 计算余弦函数值
pl.plot(t, s, label='正弦')
pl.plot(t, z, label='余弦')
pl.xlabel('x-变量', fontproperties='STKAITI', fontsize=18)        # 设置x标签
pl.ylabel('y-正弦余弦函数值', fontproperties='simhei', fontsize=18)
pl.title('sin-cos函数图像', fontproperties='STLITI', fontsize=24)  # 标题
pl.legend(prop=myfont)                     # 设置图例
pl.show()

2. 绘制散点图

使用numpy创建数据数组a和b。
使用scatter函数绘制散点图。
通过参数修改散点符号、大小、颜色和线宽。
生成随机数据，使用scatter绘制散点图，设置符号形状、大小和颜色。

import numpy as np
import pylab as pl
a = np.arange(0, 2.0*np.pi, 0.1)
b = np.cos(a)
pl.scatter(a,b)
pl.show()

1.修改散点符号与大小

#修改散点符号与大小
pl.scatter(a, b, s=20, marker='+')
pl.show()

2.修改颜色

# 修改颜色
import matplotlib.pylab as pl
import numpy as np
x = np.random.random(100)
y = np.random.random(100)
pl.scatter(x, y, s=x*500, c=u'r', marker=u'*')
# s指大小，c指颜色，marker指符号形状
pl.show()

3.绘制饼状图

使用numpy创建数据数组。
使用pie函数绘制饼状图，设置标签、颜色和百分比格式。
使饼状图中的某些部分裂开，设置阴影和开始角度。
设置坐标轴刻度和标签。
设置坐标轴跨度和纵横比。

import numpy as np
import matplotlib.pyplot as plt

#The slices will be ordered and plotted counter-clockwise.
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
colors = ['yellowgreen', 'gold', '#FF0000', 'lightcoral']
explode = (0, 0.1, 0, 0.1)              # 使饼状图中第2片和第4片裂开

fig = plt.figure()
ax = fig.gca()
ax.pie(np.random.random(4), explode=explode, labels=labels, colors=colors,
       autopct='%1.1f%%', shadow=True, startangle=90,
       radius=0.25, center=(0, 0), frame=True)   # autopct设置饼内百分比的格式
ax.pie(np.random.random(4), explode=explode, labels=labels, colors=colors,
       autopct='%1.1f%%', shadow=True, startangle=45,
       radius=0.25, center=(1, 1), frame=True)
ax.pie(np.random.random(4), explode=explode, labels=labels, colors=colors,
       autopct='%1.1f%%', shadow=True, startangle=90,
       radius=0.25, center=(0, 1), frame=True)
ax.pie(np.random.random(4), explode=explode, labels=labels, colors=colors,
       autopct='%1.2f%%', shadow=False, startangle=135,
       radius=0.35, center=(1, 0), frame=True)
ax.set_xticks([0, 1])                    # 设置坐标轴刻度
ax.set_yticks([0, 1])

ax.set_xticklabels(["Sunny", "Cloudy"])  # 设置坐标轴刻度上的标签
ax.set_yticklabels(["Dry", "Rainy"])

ax.set_xlim((-0.5, 1.5))                 # 设置坐标轴跨度
ax.set_ylim((-0.5, 1.5))

ax.set_aspect('equal')                   # 设置纵横比相等

plt.show()

4.在图例中显示公式

使用numpy创建自变量数组x。
计算正弦函数值y和余弦函数值z。
使用plot函数绘制曲线，标签中包含LaTeX公式。
设置x轴和y轴标签。
设置图像标题。
设置y轴范围。
显示图例。

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2*np.pi, 500)
y = np.sin(x)
z = np.cos(x*x)
plt.figure(figsize=(8,4))
# 标签前后加$将使用内嵌的LaTex引擎将其显示为公式
plt.plot(x,y,label='$sin(x)$',color='red',linewidth=2)   # 红色，2个像素宽
plt.plot(x,z,'b--',label='$cos(x^2)$')                   # 蓝色，虚线
plt.xlabel('Time(s)')
plt.ylabel('Volt')
plt.title('Sin and Cos figure using pyplot')
plt.ylim(-1.2,1.2)
plt.legend()                                              # 显示图例
plt.show()                                                # 显示绘图窗口

5.多个图形单独显示

使用numpy创建自变量数组x。
计算正弦、余弦和其他函数值。
创建图形，使用subplot函数创建多个子图。
在每个子图中绘制曲线，设置颜色和样式。
限制y轴范围。

import numpy as np
import matplotlib.pyplot as plt

x= np.linspace(0, 2*np.pi, 500)            # 创建自变量数组
y1 = np.sin(x)                             # 创建函数值数组
y2 = np.cos(x)
y3 = np.sin(x*x)
plt.figure(1)                              # 创建图形
ax1 = plt.subplot(2,2,1)                   # 第一行第一列图形
ax2 = plt.subplot(2,2,2)                   # 第一行第二列图形
ax3 = plt.subplot(212, facecolor='y')      # 第二行
plt.sca(ax1)                               # 选择ax1
plt.plot(x,y1,color='red')                 # 绘制红色曲线
plt.ylim(-1.2,1.2)                         # 限制y坐标轴范围
plt.sca(ax2)                               # 选择ax2
plt.plot(x,y2,'b--')                       # 绘制蓝色曲线
plt.ylim(-1.2,1.2)
plt.sca(ax3)                               # 选择ax3
plt.plot(x,y3,'g--')
plt.ylim(-1.2,1.2)
plt.show()

6.绘制有描边和填充效果的柱状图

使用numpy创建数据数组x和y。
使用bar函数绘制柱状图，设置颜色、透明度、边框颜色和样式、填充效果。
为每个柱形添加文本标注。

import numpy as np
import matplotlib.pyplot as plt

#生成测试数据
x = np.linspace(0, 10, 11)
y = 11-x

#绘制柱状图
plt.bar(x, y,
        color='#772277',        #柱的颜色
        alpha=0.8,              #透明度
        edgecolor='blue',       #边框颜色
        linestyle='--',         #边框样式为虚线
        linewidth=1,            #边框线宽
        hatch='*')              #内部使用五角星填充

#为每个柱形添加文本标注
for xx, yy in zip(x,y):
    plt.text(xx-0.2, yy+0.1, '%2d' % yy)

#显示图形
plt.show()

7.使用雷达图展示学生成绩

创建包含课程名称和成绩的数组。
计算角度数组，均匀分布在圆周上。
使用polar函数绘制雷达图，设置角度和数据，设置颜色、线型和端点符号。
设置角度网格标签，使用中文字体。
填充雷达图内部。

import numpy as np
import matplotlib.pyplot as plt

courses = ['C++', 'Python', '高数', '大学英语', '软件工程', '组成原理', '数字图像处理', '计算机图形学']
scores = [80, 95, 78, 85, 45, 65, 80, 60]
dataLength = len(scores)  # 数据长度

# angles数组把圆周等分为dataLength份
angles = np.linspace(0, 2 * np.pi, dataLength, endpoint=False)

# 闭合数据
scores.append(scores[0])
angles = np.append(angles, angles[0])

# 绘制雷达图
plt.polar(angles, scores, 'rv--', linewidth=2)

# 设置角度网格标签
plt.thetagrids(angles[:-1] * 180 / np.pi, courses, fontproperties='simhei')

# 填充雷达图内部
plt.fill(angles, scores, facecolor='r', alpha=0.6)

plt.show()

8.绘制三维曲面

使用numpy创建数据数组x、y和z。
使用mpl_toolkits.mplot3d中的plot_surface函数绘制三维曲面。
设置坐标轴标签。

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d

x,y = np.mgrid[-2:2:20j, -2:2:20j]        # 步长使用虚数
                                          # 虚部表示点的个数
                                          # 并且包含end
z = 50 * np.sin(x+y)                      # 测试数据
ax = plt.subplot(111, projection='3d')    # 三维图形
ax.plot_surface(x,y,z,rstride=2, cstride=1, cmap=plt.cm.Blues_r)
ax.set_xlabel('X')                        # 设置坐标轴标签
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()

import pylab as pl
import numpy as np
import mpl_toolkits.mplot3d
rho, theta = np.mgrid[0:1:40j, 0:2*np.pi:40j]
z = rho**2
x = rho*np.cos(theta)
y = rho*np.sin(theta)
ax = pl.subplot(111, projection='3d')
ax.plot_surface(x,y,z)
pl.show()

9.绘制三维曲线

使用numpy创建自变量数组theta和z。
计算极坐标下的x和y值。
使用mpl_toolkits.mplot3d中的plot函数绘制三维曲线。
设置图例。

import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

mpl.rcParams['legend.fontsize'] = 10  # 图例字号
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')  # 三维图形
theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-4, 4, 100) * 0.3  # 测试数据
r = z**3 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)
ax.plot(x, y, z, label='parametric curve')
ax.legend()
plt.show()

10.设置图例样式

使用numpy创建自变量数组t。
计算正弦函数值s和余弦函数值z。
使用plot函数绘制正弦和余弦曲线。
设置图像标题，使用中文字体。
使用legend函数设置图例字体、标题、位置、背景色、边框颜色和列数。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

t = np.arange(0.0, 2*np.pi, 0.01)
s = np.sin(t)
z = np.cos(t)

plt.plot(t, s, label='正弦')
plt.plot(t, z, label='余弦')
plt.title('sin-cos函数图像',          #标题文本
           fontproperties='STLITI',  #标题字体
           fontsize=24)              #标题字号

myfont = fm.FontProperties(fname=r'C:\Windows\Fonts\STKAITI.ttf')
plt.legend(prop=myfont,               #图例字体
           title='Legend',            #图例标题
           loc='lower left',    #图例左下角位于图形(0.43,0.75)的位置
           bbox_to_anchor=(0.43,0.75),
           shadow=True,               #显示阴影
           facecolor='yellowgreen',   #图例背景色
           edgecolor='red',           #图例边框颜色
           ncol=2,                    #显示为两列
           markerfirst=False)         #图例文字在前，符号在后

plt.show()

总结

Matplotlib 是一个强大的 Python 可视化库，广泛应用于绘制各种图形。其基本用法包括导入必要的模块，如 numpy 和 matplotlib.pyplot，并生成数据进行绘图。例如，可以通过线图、散点图、柱状图和雷达图来展示数据。创建三维图形需要使用 mpl_toolkits.mplot3d 库。使用 matplotlib 进行可视化可以通过简单的代码实现，包括设置标签、图例、颜色和线型等，以生成直观的图表来分析和展示数据。