Matplotlib.pyplot.plot 绘图

这篇具有很好参考价值的文章主要介绍了Matplotlib.pyplot.plot 绘图。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Matplotlib.pyplot.scatter 散点图绘制
Matplotlib.pyplot 创建图形、在图形中创建创建一个绘图区域、在绘图区域中你那个绘制一些线、在图形中添加标签之类

画二维平面图

x = np.arange(0, 10, 2)
y1 = x
y2 = x ** 2
plt.plot(x, y1, '*g--') #g 表示颜色
plt.show()

Matplotlib.pyplot.plot 绘图

同一个坐标系里画多条线段

import matplotlib.pyplot as plt
import numpy as np

plt.plot([10, 20, 30, 40], [35, 45, 55, 65], '*g--')
plt.plot([[10, 20], [30, 40]], [[30, 40], [50, 60]], '*r--')
plt.show()

Matplotlib.pyplot.plot 绘图

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 2)
y1 = x
y2 = x ** 2

# 正常显示中文
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']

plt.xlabel('自变量')   # 若是使用 汉字,则显示出错
plt.ylabel('因变量')
plt.plot(x, y1, '*g--', y2, '^b-')
plt.legend(['y=x', '$y=x^2$'], loc='upper right')  # 显示每条线段的解释, $$ 里是 LaTeX语句
# 保存图片
plt.savefig('./Big Title.png')
# 防止图片部分缺失 方法一 增大画布
fig = plt.figure(figsize=(8,4))
# 防止图片部分缺失 方法一 紧致布局
plt.tight_layout()
#增大分辨率
plt.savefig('./Big Title.png', dpi=400)
plt.show()

Matplotlib.pyplot.plot 绘图

分别放两个框中

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 2)
y1 = x
y2 = x ** 2
# 1.创建画板fig
fig = plt.figure(figsize=(9, 6)) # 指定画板大小
# 参数解释,前两个参数 1,2 表示创建了一个一行两列的框 第三个参数表示当前所在的框
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot(x, y1, '*--', color="tab:blue")
ax2.plot(x, y2, '^-', color='tab:orange')
plt.show()

Matplotlib.pyplot.plot 绘图

函数封装

import matplotlib.pyplot as plt

def show_plot(x_name: list, precision: list, recall: list, f1: list, AUC: list, path):
    plt.plot(x_name, precision, 'or-', recall, '^g-', f1, '*b-', AUC, '.y-.')
    plt.legend(['precision', 'recall', 'f1', 'AUC'], loc='upper right')
    plt.savefig(path, dpi=300)
    plt.show()
    pass

x_name = ['model1', 'model2', 'model3', 'model4']

y1 = [0.5, 0.6, 0.8, 0.9]
y2 = [0.6, 0.6, 0.85, 0.92]
y3 = [0.7, 0.66, 0.82, 0.91]
y4 = [0.8, 0.7, 0.82, 0.84, 0.93]
show_plot(x_name, y1, y2, y3, y4, r'test.png')

Matplotlib.pyplot.plot 绘图

画多条曲线

import numpy as np
import matplotlib.pyplot as plt

fig1 = plt.figure(num=1, figsize=(7, 5))  # 指定画板大小
x = np.linspace(0.0, np.pi * 2, 20)
y = np.sin(x)

plt.plot(x, y, 'rx-', x, 2 * x, 'go-.')  # 每条都指定x轴数据

fig2 = plt.figure(num=2)
plt.plot(x, y, 'rx-', 2 * x, 'go-.')  # 一条指定x轴数据,其他不指定

fig2 = plt.figure(num=3)
plt.plot(y, 'rx-', 2 * x, 'go-.')  # 都不指定
plt.show()

Matplotlib.pyplot.plot 绘图

说明

format_string 控制曲线的格式字符串,可选,由颜色字符风格字符和标记字符组成文章来源地址https://www.toymoban.com/news/detail-448851.html

颜色

字符 说明 字符 说明 字符 说明
'r' 红色 'g' 绿色 'b' 蓝色
'c' 青绿色 'k' 黑色 'y' 黄色
'w' 白色 'm' 洋红色

风格

字符 说明 字符 说明 字符 说明 字符 说明
'-' 实线 '–' 破折线 '-.' 点画线 ':' 虚线

风格

字符 说明 字符 说明 字符 说明
'.' 点标记 ',' 像素标记 'o' 实心圈标记
'v' 倒三角标记 '^' 上三角标记 '>' 右三角标记
'<' 左三角标记 'h' 竖六边形标记 'H' 横六边形标记
'+' 十字标记 'x' x标记 'D' 菱形标记
'd' 瘦菱形标记 '|' 垂直线标记 '*' 星形标记
'p' 实心五角标记 's' 实心方形标记 '4' 右花三角标记
'3' 左花三角标记 '2' 上花三角标记 '1' 下花三角标记

使用方法

plt.plot(x, y,'g')
plt.plot(x, y,color='green')

plt.plot(x, y,'go')
plt.plot(x, y,color='green',marker = 'o')

plt.plot(x, y,'go-.')

到了这里,关于Matplotlib.pyplot.plot 绘图的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python 数据可视化之密度散点图 Density Scatter Plot

    🍉 CSDN 叶庭云 : https://yetingyun.blog.csdn.net/ 密度散点图 (Density Scatter Plot),也称为密度点图或核密度估计散点图,是一种数据可视化技术,主要用于展示大量数据点在二维平面上的分布情况。与传统散点图相比, 它使用颜色或阴影来表示数据点的密度 ,从而更直观地展示

    2024年02月22日
    浏览(42)
  • python matplotlib.pyplot下载

    1,打开cmd 2,使用pip下载

    2024年02月08日
    浏览(35)
  • 【Matplotlib】pyplot的高级功能

    代码 运行结果 代码分析 首先,在第09和第11行为曲线添加了标签属性,然后在第16行,通过设置plt.legend(loc=‘best’)使图例能够在画布的“最佳”位置显示,这里的“最佳”是由系统自动判别的,通常哪里留白较多,系统就将图例放到哪里,loc参数是location(位置)的简写,表

    2023年04月10日
    浏览(41)
  • 【Python百日进阶-数据分析】Day325 - plotly.express.scatter_3d():3D散点图

    data_frame ( DataFrame or array-like or dict ) – 这个参数需要传递给要使用的列名(而不是名)。Array-like 和 dict 在内部转换为 Pandas DataFrame。可选:如果丢失,则使用其他参数在幕后构造一个 DataFrame。 x ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或arra

    2024年02月04日
    浏览(47)
  • plt.grid()、plt.scatter()、plt.plot()、plt.arrow()、plt.text()函数讲解

            plt.grid(True),用于显示点状网格线,它有助于辅助构图,尤其是需要放置文本信息时。如果不包含这个命令,网格线就不会显示。想要关闭网格线的话,把True改为False即可。注意True和False的首字母大写,并且不需要引号。和plt.axisO一样,在plt.grid(True) 和plt.grid(Fals

    2024年01月21日
    浏览(48)
  • Python-使用matplotlib.pyplot实现实时数据动态显示

    目录 一、引言 二、从一块代码开始 1、%matplotlib qt5 2、plt.icon 三、另一种在行内(Jupyter Notebook内)展示动态图形的方法 1、display和display.clear_output() 用python做仿真一个痛点就是不能像netlogo等一些其他软件可以很方便地实现实时数据可视化,也正是由于这一点,调试仿真系统时

    2024年02月14日
    浏览(34)
  • 详解 matplotlib.pyplot ,Python 初学者真能看懂

    Matplotlib 是一个 Python 中的 2D 绘图库, pyplot 模块是一个方便使用 Matplotlib 的接口。 下面是 pyplot 模块中的五个重要的知识点: 【创建图形】: pyplot 模块提供了许多简单易用的函数来创建图形,如 plot、scatter、bar、hist 等。这些函数可以绘制不同类型的图形,例如散点图、折

    2024年02月02日
    浏览(45)
  • 【Python_Matplotlib学习笔记(一)】pyplot模块的基本用法

    Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形(来自:百度百科)。pyplot 模块是 Matplotlib 模块提供的快速绘图模块,它模仿了 MATLAB 的部分功能。在本文中主要介绍 pyplot 模块的基本用法,会进行持续的更新,欢迎各位

    2024年02月12日
    浏览(41)
  • PyCharm中使用matplotlib.pyplot.show()报错MatplotlibDeprecationWarning的解决方案

    其实这只是一个警告,忽略也可。 MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework attribute was deprecated in Matplotlib 3.6 and will be removed two minor releases later. MatplotlibDeprecationWarning:在Matplotlib 3.6中,对不带required_interactive_framework属性的FigureCanvas的支持已被

    2024年02月09日
    浏览(38)
  • python 设置Pyplot的动态rc参数、绘图的填充

    目录 1.全局参数定制 2.rc参数设置 例1.rc参数设置例1  例2.rc参数设置例2 例3.用set_xticks设置刻度 例4.用set_xticklabels改变刻度  3.绘图的填充 3.1调用函数fill_between()实现曲线下面部分的填充 3.2 部分区域填充 3.3 两条曲线之间的区域填充例7 使用fill_between()填充曲线之间的区域  

    2023年04月09日
    浏览(29)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包