python35种绘图函数总结，3D、统计、流场，实用性拉满

news2024/10/5 4:36:37

文章目录

    • 基础图
    • 误差线
    • 三维图
    • 等高线图
    • 场图
    • 统计图
    • 非结构坐标图

基础图

下面这8种图像一般只有两组坐标，直观容易理解。

函数坐标参数图形类别
plotx,y曲线图
stackplotx,y散点图
stemx,y茎叶图
scatterx,y散点图
polarx,y极坐标图
stepx,y步阶图
barx,y条形图
barhx,y横向条形图

其中，除了极坐标需要添加一个极坐标映射之外，其他函数均在直角坐标系中绘制，效果如下

在这里插入图片描述

绘图代码如下

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(25)/3
y = np.sin(x)

fDct = {"plot" : plt.plot,  "stackplot": plt.stackplot,
        "stem" : plt.stem,  "scatter"  : plt.scatter,         
        "polar": plt.polar, "step"     : plt.step, 
        "bar"  : plt.bar,   "barh"     : plt.barh, }

fig = plt.figure(figsize=(14,6))
for i,key in enumerate(fDct, 1):
    p = "polar" if key=="polar" else None
    ax = fig.add_subplot(2,4,i, projection=p)
    fDct[key](x, y)
    plt.title(key)

plt.tight_layout()
plt.show()

误差线

实际绘图时，误差线这种需求十分常见，尤其是在做拟合的时候，除了要画出趋势线之外，还可能要画出其抖动的范围，下面三种函数主要实现这个功能。

函数坐标图形类别
errorbarx,y,xerr,yerr误差线
fill_betweenx,y1,y2纵向区间图
fill_betweenxy, x1, x2横向区间图

图像效果为

在这里插入图片描述

绘图代码如下，errorbar函数的误差方向，与输入的参数有关。

x = np.arange(25)/3
y = np.sin(x)
y1, y2 = 0.9*y, 1.1*y
x1, x2 = 0.9*x, 1.1*x
xerr = np.abs([x1, x2])/10
yerr = np.abs([y1, y2])/10

fig = plt.figure(figsize=(12,6))

ax = fig.add_subplot(221)
ax.errorbar(x, y, yerr=yerr)
plt.title("errorbar with yerr")

ax = fig.add_subplot(222)
ax.errorbar(x, y, xerr=xerr)
plt.title("errorbar with xerr")

ax = fig.add_subplot(223)
ax.fill_between(x, y1, y2)
plt.title("fill_between")

ax = fig.add_subplot(224)
ax.fill_betweenx(y, x1, x2)
plt.title("fill_betweenx")

plt.tight_layout()
plt.show()

三维图

绘图函数坐标绘图类型坐标说明
plotx,y,z三维曲线图
scatterx,y,z三维散点图
plot_surfacex,y,z三维曲面图x,y必须是网格
plot_wireframex,y,z三维网格图x,y必须是网格
plot_trisurfx,y,z三角曲面图x,y,z是一维数组

plot和scatter虽然是二维绘图函数，但如果新增一个三维坐标，就可以摇身一变，成为三维曲线图或者三维散点图

在这里插入图片描述
绘图代码如下

x = np.arange(100)/10
y,z = np.sin(x), np.cos(x)

fig = plt.figure(figsize=(8,4))

ax = fig.add_subplot(121, projection='3d')
ax.plot(x,y,z)
plt.title("plot")

ax = fig.add_subplot(122, projection='3d')
ax.scatter(x,y,z)
plt.title("scatter")

plt.tight_layout()
plt.show()

真正专业的三维图是plot_surface, plot_wireframe和plot_trisurf

在这里插入图片描述

如果仔细看就会发现plot_trisurf的纹理和前两者不同，相比之下，前两者必须要求输入规整的数据。绘图代码如下

X, Y = np.indices([30, 30])/3 - 5
Z = np.sin(np.sqrt(X**2 + Y**2))

fig = plt.figure(figsize=(12,5))

ax = fig.add_subplot(131, projection='3d')
ax.plot_surface(X, Y, Z)
plt.title("plot_surface")

ax = fig.add_subplot(132, projection='3d')
ax.plot_wireframe(X, Y, Z)
plt.title("plot_wireframe")

ax = fig.add_subplot(133, projection='3d')
ax.plot_trisurf(X.reshape(-1), Y.reshape(-1), Z.reshape(-1))
plt.title("plot_trisurf")

plt.tight_layout()
plt.show()

等高线图

绘图函数坐标说明
contour[x,y,]z等高线
contourf[x,y,]z填充等高线
pcolormesh[x,y,]z伪彩图
imshowz图像

其中，imshow就是正常的图片展示函数，这几个函数可以只指定z轴然后绘图

X, Y = np.indices([100,100])/30 - 1.5
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)

fDct = {"contour": plt.contour, "contourf":plt.contourf, 
    "pcolormesh" : plt.pcolormesh, "imshow":plt.imshow}

fig = plt.figure(figsize=(9,6))
for i,key in enumerate(fDct, 1):
    ax = fig.add_subplot(2,2,i)
    fDct[key](Z)
    plt.title(key)

plt.tight_layout()
plt.show()

绘图结果如下

在这里插入图片描述
可以看到，imshow和另外三种函数的区别是，其横坐标和纵坐标之间的比例始终是1：1，并不随着图像的拉伸而放大或者缩小。

除了imshow之外，另外三种函数还支持输入x,y,z三个坐标轴的数据来绘图，效果如下

在这里插入图片描述
绘图代码如下

X, Y = np.indices([100,100])/30 - 1.5
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)

fDct = {"contour": plt.contour, "contourf":plt.contourf, 
    "pcolormesh" : plt.pcolormesh}

fig = plt.figure(figsize=(9,3))
for i,key in enumerate(fDct, 1):
    ax = fig.add_subplot(1,3,i)
    fDct[key](X,Y,Z)
    plt.title(key)

plt.tight_layout()
plt.show()

场图

绘图函数坐标说明
quiverx,y,u,v向量场图
streamplotx,y,u,v流场图
barbsx,y,u,v风场图

quiver以单点为单位，绘制出某点处向量的方向；streamplot则在此之上，将每个点衔接到一起，显得更加有流动性；barbs则是以风向标志取代了向量，这个图过于专业，我应该没啥机会用到。

Y, X = np.indices([6,6])/0.75 - 4
U = X + Y
V = Y - X

dct = {"quiver":plt.quiver, "streamplot":plt.streamplot, 
       "barbs" :plt.barbs}

fig = plt.figure(figsize=(12,4))

for i,key in enumerate(dct, 1):
    ax = fig.add_subplot(1,3,i)
    dct[key](X,Y,U,V)
    plt.title(key)

plt.tight_layout()
plt.show()

在这里插入图片描述

统计图

绘图函数坐标说明
histx数据直方图
boxplotx箱线图
violinplotx小提琴图
enventplotx平行线疏密图
hist2dx,y二维直方图
hexbinx,y钻石图
piex饼图

其中hist, boxplot, violinplot, enventplot是统计一维数据的，可直接输入随机数，绘图函数会自行统计其区间

在这里插入图片描述
绘图代码如下

x = np.random.standard_normal(size=1000)

dct = {"hist"  : plt.hist, "violinplot" : plt.violinplot,
      "boxplot": plt.boxplot}

fig = plt.figure(figsize=(10,6))
for i,key in enumerate(dct, 1):
    ax = fig.add_subplot(2,2,i)
    dct[key](x)
    plt.title(key)

ax = fig.add_subplot(224)
ax.eventplot(x)
plt.title("eventplot")

plt.tight_layout()
plt.show()

hist2d和hexbin用于统计二维数据，最终以图像的形式展示出来，二者在观感上的主要区别是，hist2d的“像素”是方形的，而hexbin则是六边形的。

在这里插入图片描述

绘图代码如下

x = np.random.randn(5000)
y = 1.2 * x + np.random.randn(5000) / 3


fig = plt.figure(figsize=(10,5))

ax = fig.add_subplot(121)
ax.hist2d(x, y, bins=[np.arange(-3,3,0.1)] * 2)
plt.title("hist2d")

ax = fig.add_subplot(122)
ax.hexbin(x, y, gridsize=20)
plt.title("hexbin")

plt.tight_layout()
plt.show()

最后还有一个饼图，饼图要求输入坐标必须都大于0，绘图代码如下

plt.pie([1,2,3,4,5])
plt.tight_layout()
plt.show()

在这里插入图片描述

非结构坐标图

下面这四个绘图函数有一个特点，即其绘图坐标并不是格式化的，而支持随机坐标进行绘图，这一点和plot_trisurf比较相似

绘图函数坐标说明
tricontourx,y,z非结构等高线
tricontourfx,y,z非结构化填充等高线
tricolorx,y,z非结构化伪彩图
triplotx,y三角连线图

在这里插入图片描述

绘图代码如下

x = np.random.uniform(-4, 4, 256)
y = np.random.uniform(-2, 2, 256)
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)

levels = np.linspace(z.min(), z.max(), 7)

fig = plt.figure(figsize=(12,6))

ax = fig.add_subplot(221)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tricontour(x, y, z, levels=levels)
plt.title("tricontour")

ax = fig.add_subplot(222)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tricontourf(x, y, z, levels=levels)
plt.title("tricontourf")

ax = fig.add_subplot(223)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tripcolor(x, y, z)
plt.title("tripcolor")

ax = fig.add_subplot(224)
ax.triplot(x,y)
plt.title("triplot")

plt.tight_layout()
plt.show()

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/910633.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

中国社科院大学-美国杜兰大学能源管理硕士招生信息详情

中国社科院大学-美国杜兰大学能源管理硕士招生信息详情

中国社科院大学-美国杜兰大学能源管理硕士招生信息详情 金融硕士 中国社科院大学-美国杜兰大学能源管理硕士招生信息详情 能源与气候是21世纪人类所面临的最严峻挑战，当今世界能源格局面临深度调整，全球应对气候变化行动加速，国家间科技竞争…
阅读更多...
三维模型OSGB格式轻量化的纹理压缩和质量保持分析

三维模型OSGB格式轻量化的纹理压缩和质量保持分析

三维模型OSGB格式轻量化的纹理压缩和质量保持分析 在三维模型应用中，纹理数据是一个重要的部分，可以为模型增加更多的真实感和细节。但是，由于纹理数据通常会占用大量的存储空间和传输带宽，因此，在OSGB格式轻量化处理中…
阅读更多...
LeetCode.141,142——环形链表，环形链表Ⅱ

LeetCode.141,142——环形链表，环形链表Ⅱ

LeetCode.141——环形链表： 题目如下： 通过题目中对于环形链表的大体描述，可以知道，环形链表最后一个结点保存了一个地址，用于返回链表中某个结点。并且。这个返回的结点并不是返回图中保存数据的结点。而是返回链表…
阅读更多...
0603-指针和函数

0603-指针和函数

函数形参改变实参的值 值传递，形参不影响实参的值 地址传递，形参可以改变实参的值 数组名做函数参数 数组名做函数参数，函数的形参会退化为指针。这里的数组名不仅仅指一维数组的数组名，也包括多维数组的数组名，它们…
阅读更多...
数据结构算法--4堆排序

数据结构算法--4堆排序

堆排序过程: >建立堆(大根堆) >得到堆顶元素，为最大元素 >去掉堆顶，将堆最后一个元素放到堆顶，此时可通过一次调整使堆重新有序 >堆顶元素为第二大元素 >重复步骤3，直到堆变空 此时是建立堆后的大根堆模型 将…
阅读更多...
ssl卸载原理

ssl卸载原理

SSL卸载，也称为SSL解密，是一种将SSL加密数据流卸成非加密的明文数据流的过程。SSL卸载通常在负载均衡器、代理服务器、WAF等设备中实现，可以提高传输效率和安全性。 SSL卸载的原理是将SSL数据流拦截下来，通过设备内置的证书进行解…
阅读更多...
行为型（二） - 模板模式

行为型（二） - 模板模式

一、概念 模板模式（Template Pattern）：模板方法模式在一个方法中定义一个算法骨架，并将某些步骤推迟到子类中实现。模板方法模式可以让子类在不改变算法整体结构的情况下，重新定义算法中的某些步骤。 二、实现 这里…
阅读更多...
Fastadmin框架 聚合数字生活抵扣卡系统v2.8.6

Fastadmin框架 聚合数字生活抵扣卡系统v2.8.6

【2.8.6更新公告】 1.【优化】优化已知问题。 2.【新增 】新增区县影院。
阅读更多...
Nest（2）：Nest 应用目录结构和脚手架命令介绍

Nest（2）：Nest 应用目录结构和脚手架命令介绍

Nest 应用目录结构和脚手架命令介绍 在正式使用 NestJS 进行开发之前，先来了解下 Nest 应用的目录结构，和一些常用的脚本命令。 工程目录 下面是使用 nest/cli 创建的 Nest 项目的目录结构。 上篇文章中介绍了 src 目录以及目录下各个文件的作用。下面…
阅读更多...
胜者打仗，就像高山上决开积水，势不可挡

胜者打仗，就像高山上决开积水，势不可挡

胜者打仗，就像高山上决开积水，势不可挡 【安志强趣讲《孙子兵法》16讲】 【原文】 是故胜兵先胜而后求战，败兵先战而后求胜。善用兵者，修道而保法，故能为胜败之政。 【注释】 修道：指从各方面修治“先立于不…
阅读更多...
罗勇军 →《算法竞赛·快冲300题》每日一题：“超级骑士” ← DFS

罗勇军 →《算法竞赛·快冲300题》每日一题：“超级骑士” ← DFS

【题目来源】http://oj.ecustacm.cn/problem.php?id1810http://oj.ecustacm.cn/viewnews.php?id1023https://www.acwing.com/problem/content/3887/【题目描述】 现在在一个无限大的平面上，给你一个超级骑士。 超级骑士有N种走法，请问这个超级骑士能否…
阅读更多...
「我的编程笔记」——记录学习中的代码、函数、概念等

「我的编程笔记」——记录学习中的代码、函数、概念等

文章目录 每日一句正能量前言常用的代码登录存储 特定函数MD5加密 复杂概念1. 多线程2. 集合类3. 异常处理4 泛型5 反射 特定功能1. 文件操作2. 网络通信3. 图形绘制4. 数据库操作5. 多媒体处理 后记 每日一句正能量 不管昨天、今天、明天，能豁然开朗就是最美好的一…
阅读更多...
Hugging News #0821: 新的里程碑：一百万个代码仓库！

Hugging News #0821: 新的里程碑：一百万个代码仓库！

每一周，我们的同事都会向社区的成员们发布一些关于 Hugging Face 相关的更新，包括我们的产品和平台更新、社区活动、学习资源和内容更新、开源库和模型更新等，我们将其称之为「Hugging News」。本期 Hugging News 有哪些有趣的消息&#xff0…
阅读更多...
Mysql系列 - 第2天：详解mysql数据类型（重点）

Mysql系列 - 第2天：详解mysql数据类型（重点）

这是mysql系列第2篇文章。 环境：mysql5.7.25，cmd命令中进行演示。 主要内容 介绍mysql中常用的数据类型 mysql类型和java类型对应关系 数据类型选择的一些建议 MySQL的数据类型 主要包括以下五大类 整数类型：bit、bool、tinyint、smal…
阅读更多...
「对冲」布局？激光雷达行业大佬「个人投资」4D毫米波雷达

「对冲」布局？激光雷达行业大佬「个人投资」4D毫米波雷达

随着高阶智驾从高端车型逐步下沉中低价位市场，核心传感器，尤其是激光雷达和4D成像毫米波雷达的目标市场也在寻求分层和融合。 “激光雷达是在自动驾驶出现后才崭露头角。在这些系统开发的早期阶段，很多公司不惜一切代价使传感器尽可能强大。但…
阅读更多...
Profibus在工业通讯中的应用案例

Profibus在工业通讯中的应用案例

Profibus总线是现代自动化中应用非常广泛的一种标准网络通信方案，它具有高效、可靠、灵活等优势，可以实现设备之间的通信和数据交换。下面我们就来为大家介绍几个Profibus在工业通讯中的应用案例。 Profibus在工业通讯中的应用案例 1、汽车制造 在汽车…
阅读更多...
文件四剑客

文件四剑客

目录 前言 一、正则表达式 二、grep 三、find 四、sed 五、awk 前言 文件四剑客是指在计算机领域中常用的四个命令行工具，包括awk、find、grep和sed。它们在处理文本文件和搜索文件时非常强大和实用。 1. awk是一种强大的文本处理工具，它允许用户根据指…
阅读更多...
【Hugging Face】使用方法和如何挑选一个自己需要的模型

【Hugging Face】使用方法和如何挑选一个自己需要的模型

【界面介绍】 【个人主页】 注册之后（国内邮箱免费注册）会有个人主页，用来调试创建自己的模型和数据集 右边是网站中的模型使用趋势，左边： 注册账户后可以提供免费训练模型和数据集的工作台，创建即可&…
阅读更多...
算法基础(1)：排序和查找算法

算法基础(1)：排序和查找算法

1、排序算法 1.1、堆排序(大顶堆)-重点： 参考文章：堆排序1、堆排序二 前置知识： 大顶堆：完全二叉树，且父节点大于左右儿子，左右子树又是大顶堆，依赖数组来实现(vector)第一个节点的父节点&…
阅读更多...
接口性能测试 —— Jmeter并发与持续性压测

接口性能测试 —— Jmeter并发与持续性压测

接口压测的方式： 1、同时并发：设置线程组、执行时间、循环次数，这种方式可以控制接口请求的次数 2、持续压测：设置线程组、循环次数，勾选“永远”，调度器（持续时间），这种…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023