python画图函数之间画线_python中matplotlib画图笔记

图形样式

%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

# x范围

x &＃61; np.linspace(-np.pi, np.pi, 200)

# 定义正弦、余弦函数

c, s &＃61; np.cos(x), np.sin(x)

# 画出正、余弦函数&＃xff0c;设置好线的颜色、线宽、线型号

plt.plot(x, c, color&＃61;&＃39;blue&＃39;, linewidth&＃61;2.0, linestyle&＃61;&＃39;-&＃39;, label&＃61;&＃39;cos&＃39;)

plt.plot(x, s, color&＃61;&＃39;red&＃39;, linewidth&＃61;2.0, linestyle&＃61;&＃39;-&＃39;, label&＃61;&＃39;sin&＃39;)

"""画出当x&＃61;2π/3 与 正余弦的交线(虚线)"""

# 设置坐标轴的长度范围: x,y的最大最小值*1.1&＃xff0c;多显示一点范围

plt.xlim(x.min() * 1.1, x.max() * 1.1)

plt.ylim(c.min() * 1.1, c.max() * 1.1)

# 设置坐标轴的刻度

plt.xticks((-np.pi, -np.pi/2, np.pi/2, np.pi),

(r&＃39;$\pi$&＃39;, r&＃39;$-\frac{\pi}{2}$&＃39;, r&＃39;$\frac{\pi}{2}$&＃39;, r&＃39;$\pi$&＃39;)) # 使用LaTeX格式显示π

plt.yticks([-1, -0.5, 0, 0.5, 1])

ax &＃61; plt.gca() # gca代表当前坐标轴&＃xff1a;get current axis

ax.spines[&＃39;right&＃39;].set_color(&＃39;none&＃39;) # 隐藏右边、和上边的坐标轴

ax.spines[&＃39;top&＃39;].set_color(&＃39;none&＃39;)

ax.xaxis.set_ticks_position(&＃39;bottom&＃39;) # 设置x轴刻度显示位置

ax.spines[&＃39;bottom&＃39;].set_position((&＃39;data&＃39;, 0)) # 将下边的坐标轴设置到原点0的位置

ax.yaxis.set_ticks_position(&＃39;left&＃39;) # 设置y轴刻度显示位置

ax.spines[&＃39;left&＃39;].set_position((&＃39;data&＃39;, 0)) # 将y轴坐标原点设置到0

# 图片左上角添加图例&＃xff0c;用于识别正余弦

plt.legend(loc&＃61;&＃39;upper left&＃39;)

# 画出 x&＃61; 2π/3处与正余弦相交的线

t &＃61; 2 * np.pi / 3

plt.plot([t, t], [np.sin(t), np.cos(t)], color&＃61;&＃39;green&＃39;, linewidth&＃61;1.5, linestyle&＃61;&＃39;--&＃39;)

# 画出两个交点

plt.scatter([t, ], [np.cos(t), ], 50, color&＃61;&＃39;blue&＃39;)

plt.scatter([t, ], [np.sin(t), ], 50, color&＃61;&＃39;red&＃39;)

# 画出两个点的标注

plt.annotate(r&＃39;$cos(\frac{2\pi}{3})&＃61;-\frac{1}{2}$&＃39;, # cos(x)交点标注文本内容

xy&＃61;(t, np.cos(t)), # 被注释的坐标点的位置

xycoords&＃61;&＃39;data&＃39;, # 被注释点的坐标属性,data表示以xy为参考&＃xff0c;其他值表示以原点等为参考

ha&＃61;&＃39;center&＃39;, # 点在注释的中心&＃xff0c;水平方向。默认是文本左下角

va&＃61;&＃39;center&＃39;, # 垂直

xytext&＃61;(-50, -30), # 标注文本相对箭头的坐标位置

textcoords&＃61;&＃39;offset points&＃39;, # 相当于被注释点偏移量&＃xff0c;单位是点

fontsize&＃61;16, # 标注文本的字体大小

arrowprops&＃61;dict(arrowstyle&＃61;&＃39;->&＃39;, # 箭头属性

connectionstyle&＃61;&＃39;arc3&＃39;)) # 连接方式

plt.annotate(r&＃39;$sin(\frac{2\pi}{3})&＃61;\frac{1}{2}$&＃39;,

xy&＃61;(t, np.sin(t)),

xycoords&＃61;&＃39;data&＃39;,

xytext&＃61;(20, 30),

textcoords&＃61;&＃39;offset pixels&＃39;, # 相当于被注释点偏移量&＃xff0c;单位是像素

fontsize&＃61;16,

arrowprops&＃61;dict(arrowstyle&＃61;&＃39;-[&＃39;, # 箭头属性

connectionstyle&＃61;&＃39;angle&＃39;)) # 连接方式&＃xff1a;直角

for label in ax.get_yticklabels():

label.set_fontsize(16)

label.set_bbox(dict(facecolor&＃61;&＃39;white&＃39;, edgecolor&＃61;&＃39;None&＃39;, alpha&＃61;0.65))

图形对象

%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

x &＃61; np.linspace(-np.pi, np.pi, 200, endpoint&＃61;True)

c, s &＃61; np.cos(x), np.sin(x)

# 创建sin图像窗口

plt.figure(num&＃61;&＃39;sin&＃39;, figsize&＃61;(16, 4))

# 画图

plt.plot(x, s)

# 创建cos图像窗口

plt.figure(num&＃61;&＃39;cos&＃39;, figsize&＃61;(16, 4))

plt.plot(x, c)

# 选择sin窗口

plt.figure(num&＃61;&＃39;sin&＃39;)

# 在上面画图

plt.plot(x, c)

# 输出量窗口的编号

print(plt.figure(num&＃61;&＃39;sin&＃39;).number)

print(plt.figure(num&＃61;&＃39;cos&＃39;).number)

分区域作图

%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

plt.figure(figsize&＃61;(18, 4))

plt.subplot(2, 2, 1)

plt.xticks(()) # x,y轴不显示刻度

plt.yticks(())

# plt.axis(&＃39;off&＃39;) 不显示坐标轴&＃xff08;4个边框边界&＃xff09;

# 分别为文本显示的&＃xff1a;x、y坐标&＃xff0c;文本内容&＃xff0c;中心点&＃xff0c;文本大小&＃xff0c;透明度

plt.text(0.5, 0.5, &＃39;subplot(2, 2, 1)&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;20, alpha&＃61;.5)

plt.subplot(2, 2, 2)

plt.xticks(())

plt.yticks(())

plt.text(0.5, 0.5, &＃39;subplot(2, 2, 2)&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;20, alpha&＃61;.5)

plt.subplot(2, 2, 3)

plt.xticks(())

plt.yticks(())

plt.text(0.5, 0.5, &＃39;subplot(2, 2, 3)&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;20, alpha&＃61;.5)

plt.subplot(2, 2, 4)

plt.xticks(())

plt.yticks(())

plt.text(0.5, 0.5, &＃39;subplot(2, 2, 4)&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;20, alpha&＃61;.5)

# 自动调整子图参数&＃xff0c;使之填充整个图像区域。有时候可能不工作

# 仅仅检查坐标轴标签、刻度标签以及标题的部分

plt.tight_layout()

更复杂的子图布局

用gridspec来实现

%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

# 先导入模块

import matplotlib.gridspec as gridspec

plt.figure(figsize&＃61;(18, 4))

# 创建图像窗口

G &＃61; gridspec.GridSpec(3, 3)

axes_1 &＃61; plt.subplot(G[0, :]) # 占用第一行、所有的列

plt.xticks(())

plt.yticks(())

plt.text(0.5, 0.5, &＃39;Axes 1&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;24, alpha&＃61;.5)

axes_2 &＃61; plt.subplot(G[1:, 0]) # 占用第二行开始的所有行&＃xff0c;的第1列

plt.xticks(())

plt.yticks(())

plt.text(0.5, 0.5, &＃39;Axes 2&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;24, alpha&＃61;.5)

axes_3&＃61; plt.subplot(G[1:, -1]) # 占用第二行开始的所有行&＃xff0c;的最后1列

plt.xticks(())

plt.yticks(())

plt.text(0.5, 0.5, &＃39;Axes 3&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;24, alpha&＃61;.5)

axes_4 &＃61; plt.subplot(G[1, -2]) # 占用第二行&＃xff0c;倒数第2列

plt.xticks(())

plt.yticks(())

plt.text(0.5, 0.5, &＃39;Axes 4&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;24, alpha&＃61;.5)

axes_5 &＃61; plt.subplot(G[-1, -2]) # 占用最后1行&＃xff0c;倒数第2列

# plt.xticks(())

# plt.yticks(())

plt.text(0.5, 0.5, &＃39;Axes 5&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;24, alpha&＃61;.5)

plt.tight_layout()

创建坐标轴

plt.axes()

%matplotlib inline

import matplotlib.pyplot as plt

plt.figure(figsize&＃61;(18, 4))

# [left, botom, width, height]

plt.axes([.1, .1, .8, .8])

plt.xticks(())

plt.yticks(())

plt.text(.2, .5, &＃39;axes([0.1, 0.1, 0.8, 0.8])&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;20, alpha&＃61;.5)

plt.axes([.5, .5, .3, .3])

plt.xticks(())

plt.yticks(())

plt.text(.2, .5, &＃39;axes([.5, .5, .3, .3])&＃39;, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;,

size&＃61;16, alpha&＃61;.5)

Text(0.2, 0.5, &＃39;axes([.5, .5, .3, .3])&＃39;)

坐标刻度

%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

# 定义 画坐标轴的函数&＃xff0c;返回坐标轴

def tickline():

plt.xlim(0, 10) # 设置xy轴范围

plt.ylim(-1, 1)

plt.yticks([]) # 不显示y坐标刻度

# gca表示选择当前坐标轴

ax &＃61; plt.gca()

ax.spines[&＃39;right&＃39;].set_color(&＃39;none&＃39;) # 设置其他三个坐标轴边框不显示

ax.spines[&＃39;left&＃39;].set_color(&＃39;none&＃39;)

ax.spines[&＃39;top&＃39;].set_color(&＃39;none&＃39;)

ax.xaxis.set_ticks_position(&＃39;bottom&＃39;) # x轴刻度显示 位置

ax.spines[&＃39;bottom&＃39;].set_position((&＃39;data&＃39;, 0)) # 将x轴坐标原点设置到0

ax.yaxis.set_ticks_position(&＃39;none&＃39;) # y轴刻度 不显示&＃xff08;此代码可以省略&＃xff09;

# 显示坐标轴刻度&＃xff0c;步长为0.1

ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))

# 遍历x&＃xff0c;y轴的标签&＃xff0c;更改标签的 字体大小

for label in ax.get_xticklabels() &＃43; ax.get_yticklabels():

label.set_fontsize(16)

# 画出ax的图&＃xff0c;设定x&＃xff0c;y的数据集

ax.plot(np.arange(11), np.zeros(11))

return ax

# 定义标签选项&＃xff0c;便于后续遍历提取内容

locators &＃61;[

&＃39;plt.NullLocator()&＃39;, # 不显示坐标标签&＃xff0c; 只显示坐标刻度

&＃39;plt.MultipleLocator(base&＃61;1.0)&＃39;, # 以固定的步长&＃xff0c;显示多个坐标标签

&＃39;plt.FixedLocator(locs&＃61;[0, 2, 8, 9, 10])&＃39;, # 以列表形式&＃xff0c;显示固定的坐标标签

&＃39;plt.IndexLocator(base&＃61;3, offset&＃61;1)&＃39;, # 以offset为起点位置&＃xff0c;每隔base步长&＃xff0c;就画一个坐标标签

&＃39;plt.LinearLocator(numticks&＃61;5)&＃39;, # 把坐标轴的长度均分为numticks个数&＃xff0c;显示坐标标签

&＃39;plt.LogLocator(base&＃61;2, subs&＃61;[1.0])&＃39;, # 以对数为步长显示标签

&＃39;plt.MaxNLocator(nbins&＃61;3, steps&＃61;[1, 3, 5, 7, 9, 10])&＃39;, # 从提供的标签列表里&＃xff0c;显示出最大不超过nbins个数的标签

&＃39;plt.AutoLocator()&＃39; # 自动显示标签

]

n_locators &＃61; len(locators)

# 定义size&＃xff0c;元组形式

size &＃61; 1024, 60 * n_locators

dpi &＃61; 72.0

# 除以像素&＃xff0c;得到图像窗口大小

figsize &＃61; size[0] / float(dpi), size[1] / float(dpi)

# 定义图像窗口

fig &＃61; plt.figure(figsize&＃61;figsize, dpi&＃61;dpi)

# 设置图形的透明度

fig.patch.set_alpha(0)

# 遍历

for i, locator in enumerate(locators):

# 定义图像窗口&＃xff0c;从1开始&＃xff0c;所以i要&＃43;1

plt.subplot(n_locators, 1, i&＃43;1)

# 画出对应坐标轴&＃xff0c;并返回坐标轴对象ax

ax &＃61; tickline()

# 设置坐标轴的label显示方式&＃xff1b;eval()执行括号里面字符串的返回结果&＃xff0c;类似于计算器

ax.xaxis.set_major_locator(eval(locator))

# 在此坐标轴上写出文字

plt.text(5, 0.3, locator[3:], ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;center&＃39;, size&＃61;16)

# 调整图形周边空间的大小

fig.subplots_adjust(bottom&＃61;.01, top&＃61;.99, left&＃61;.01, right&＃61;.99)

画点与填充

%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

import random

散点图

n &＃61; 1024

# 生成1024个随机的数&＃xff0c;范围在0-1之间

x &＃61; np.random.normal(0, 1, n)

# x和y不一定相等

y &＃61; np.random.normal(0, 1, n)

# 反正切函数

t &＃61; np.arctan2(y, x)

plt.subplot(1, 2, 1)

plt.scatter(x, y, s&＃61;75, c&＃61;t, alpha&＃61;.5)

plt.xlim(-1.5, 1,5)

plt.xticks(())

plt.ylim(-1.5, 1.5)

plt.yticks(())

填充图

plt.fill_between()

n &＃61; 256

x &＃61; np.linspace(-np.pi, np.pi, n, endpoint&＃61;True)

y &＃61; np.sin(2 * x)

plt.subplot(1, 2, 2)

# 画出正弦图像&＃xff0c;图像y&＃43;1&＃xff0c;上移1个单位

plt.plot(x, y &＃43; 1, color&＃61;&＃39;blue&＃39;, alpha&＃61;1.00)

# 填充&＃xff1a;y&＃43;1的值&＃xff0c;和1之间的区域

plt.fill_between(x, 1, y &＃43; 1, color&＃61;&＃39;blue&＃39;, alpha&＃61;0.25)

plt.plot(x, y - 1, color&＃61;&＃39;blue&＃39;, alpha&＃61;1.00)

# 可以采用判断语句&＃xff0c;结果为bool型&＃xff0c;0或1

plt.fill_between(x, -1, (y - 1) > -1, color&＃61;&＃39;blue&＃39;, alpha&＃61;.25)

plt.fill_between(x, -1, (y - 1) <-1, color&＃61;&＃39;red&＃39;, alpha&＃61;.25)

plt.xlim(-np.pi, np.pi)

# plt.xticks(())

plt.ylim(-2.5, 2.5)

# plt.yticks(())

(-2.5, 2.5)

柱状图

plt.bar()

n &＃61; 12

x &＃61; np.arange(n)

# 设置函数

y1 &＃61; (1 - x / float(n)) * np.random.uniform(0.5, 1.0, n)

y2 &＃61; (1 - x / float(n)) * np.random.uniform(0.5, 1.0, n)

# 定义窗口大小

plt.figure(figsize&＃61;(18, 10))

plt.subplot(1, 2, 1)

# 柱形图

plt.bar(x, &＃43;y1, facecolor&＃61;&＃39;#9999ff&＃39;, edgecolor&＃61;&＃39;black&＃39;) # edgecolor边框颜色

plt.bar(x, -y2, facecolor&＃61;&＃39;#ff9999&＃39;, edgecolor&＃61;&＃39;white&＃39;)

# 每个柱状图添加文字

# zip&＃xff1a;将x&＃xff0c;y数据组合起来&＃xff0c;再画图

for m, n in zip(x, y1):

plt.text(m, n &＃43; 0.02, &＃39;%.2f&＃39; % n, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;bottom&＃39;)

for m, n in zip(x, -y2):

plt.text(m, n - 0.05, &＃39;%.2f&＃39; % n, ha&＃61;&＃39;center&＃39;, va&＃61;&＃39;bottom&＃39;)

网格图

plt.grid()

import numpy as np

import matplotlib.pyplot as plt

数据类型一&＃xff1a;点与点之间不连线

# x&＃xff0c;y的值

x &＃61; np.array([0, 1, 2, 0, 1, 2])

y &＃61; np.array([0, 0, 0, 1, 1, 1])

plt.plot(x, y,

color&＃61;&＃39;red&＃39;, # 全部点设置为红色

marker&＃61;&＃39;.&＃39;, # 点的形状为圆点

linestyle&＃61;&＃39;&＃39;) # 线型为空&＃xff0c;也即点与点之间不用线连接

plt.grid(True)

plt.show()

数据类型一&＃xff1a;点与点之间连线

# x&＃xff0c;y的值

x &＃61; np.array([0, 1, 2, 0, 1, 2])

y &＃61; np.array([0, 0, 0, 1, 1, 1])

plt.plot(x, y,

color&＃61;&＃39;red&＃39;, # 全部点设置为红色

marker&＃61;&＃39;.&＃39;, # 点的形状为圆点

linestyle&＃61;&＃39;-&＃39;) # 线型&＃xff08;画出的线会根据画点的顺序依次连接&＃xff09;

plt.grid(True)

plt.show()

数据类型二&＃xff1a;点与点之间连线&＃xff08;纵向&＃xff09;

x &＃61; np.array([[0, 1, 2],

[0, 1, 2],

[0, 1, 2],

[0, 1, 2]])

y &＃61; np.array([[0, 0, 0],

[1, 1, 1],

[2, 2, 2],

[3, 3, 3]])

plt.plot(x, y,

color&＃61;&＃39;red&＃39;, # 全部点设置为红色

marker&＃61;&＃39;.&＃39;, # 点的形状为圆点

markersize&＃61;10, # 设置点大小

linestyle&＃61;&＃39;-.&＃39;) # 设置线型&＃xff0c;matplot中会把每一列的点连成一条线

plt.grid(True)

plt.show()

如果网格比较多&＃xff0c;用上述方法就比较笨&＃xff0c;

所以需要用numpy.meshgrid()函数

import numpy as np

import matplotlib.pyplot as plt

x &＃61; np.array([0, 1, 2, 3, 4])

y &＃61; np.array([0, 2, 4, 6])

"""

# 使用函数&＃xff0c;将x,y生成上述方法中的矩阵

# 相当于将x中的每个元素&＃xff0c;要映射到y中的每个元素&＃xff0c;所有元素两两组合形成的坐标&＃xff0c;不是一一对应关系

# 生成网格数据&＃xff0c;1个x对应所有的y

# 将 x一行的数据&＃xff0c;重复y行

# 将 y的每个元素重复x次&＃xff0c;生成y行

# 生成后的数据&＃xff0c;实现一一对应功能。

"""

X, Y &＃61; np.meshgrid(x, y)

print(X)

print(Y)

plt.plot(X, Y,

color&＃61;&＃39;red&＃39;, # 全部点设置为红色

marker&＃61;&＃39;.&＃39;, # 点的形状为圆点

linestyle&＃61;&＃39;&＃39;) # 线型为空&＃xff0c;也即点与点之间不用线连接

plt.grid(True)

plt.show()

[[0 1 2 3 4]

[0 1 2 3 4]

[0 1 2 3 4]

[0 1 2 3 4]]

[[0 0 0 0 0]

[2 2 2 2 2]

[4 4 4 4 4]

[6 6 6 6 6]]

plt.figure(figsize&＃61;(15, 9))

# 生成0-1000之间&＃xff0c;20个平均分布的点

x &＃61; np.linspace(0,1000,20)

y &＃61; np.linspace(0,500,20)

X,Y &＃61; np.meshgrid(x, y)

plt.plot(X, Y,

color&＃61;&＃39;limegreen&＃39;, # 设置颜色为limegreen

marker&＃61;&＃39;.&＃39;, # 设置点类型为圆点

linestyle&＃61;&＃39;&＃39;) # 设置线型为空&＃xff0c;也即没有线连接点

plt.grid(True)

plt.show()

网格图2

plt.figure(figsize&＃61;(18, 9))

# 创建窗口

ax &＃61; plt.subplot(1, 2, 1)

ax.set_xlim(0, 4)

ax.set_ylim(0, 3)

"""刻度"""

# x轴每间隔1个单位&＃xff0c;取一个值&＃xff1a;major

ax.xaxis.set_major_locator(plt.MultipleLocator(1.0))

# x轴最小刻度单位为0.1:minor

ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))

# y轴

ax.yaxis.set_major_locator(plt.MultipleLocator(1.0))

ax.yaxis.set_minor_locator(plt.MultipleLocator(0.1))

"""表格线"""

# 设置线宽等参数

ax.grid(which&＃61;&＃39;major&＃39;, axis&＃61;&＃39;x&＃39;, linewidth&＃61;&＃39;1&＃39;, linestyle&＃61;&＃39;-.&＃39;, color&＃61;&＃39;0.1&＃39;)

ax.grid(which&＃61;&＃39;minor&＃39;, axis&＃61;&＃39;x&＃39;, linewidth&＃61;&＃39;0.25&＃39;, linestyle&＃61;&＃39;-&＃39;, color&＃61;&＃39;0.75&＃39;)

ax.grid(which&＃61;&＃39;major&＃39;, axis&＃61;&＃39;y&＃39;, linewidth&＃61;&＃39;1&＃39;, linestyle&＃61;&＃39;-.&＃39;, color&＃61;&＃39;0.1&＃39;)

ax.grid(which&＃61;&＃39;minor&＃39;, axis&＃61;&＃39;y&＃39;, linewidth&＃61;&＃39;0.25&＃39;, linestyle&＃61;&＃39;-&＃39;, color&＃61;&＃39;0.75&＃39;)

ax.set_xticklabels(())

ax.set_yticklabels(())

等高线图

plt.contour()

# 定义等高线的方程&＃xff1a;类似于圆的方程

def f(x, y):

return(1 - x / 2 &＃43; x**5 &＃43; y**3) * np.exp(-x**2 - y**2)

# return (x ** 2 &＃43; y**2)

# return x &＃43;y

n &＃61; 256

# 生成256个-3到3之间的点

x &＃61; np.linspace(-3, 3, n)

y &＃61; np.linspace(-3, 3, n)

# 生成网格数据&＃xff0c;1个x对应所有的y

# 将 x一行的数据&＃xff0c;重复y行

# 将 y的每个元素重复x次&＃xff0c;生成y行

# 生成后的数据&＃xff0c;实现一一对应功能。

x, y &＃61; np.meshgrid(x, y)

# print(x)

# print(y)

plt.figure(figsize&＃61;(18, 6))

plt.subplot(1, 2, 2)

# 热点图 背景&＃xff1a;背景根据数值不同&＃xff0c;分成多个层次&＃xff0c;以不同颜色显示

# 数字15代表层级&＃xff0c;数字越大&＃xff0c;层数越多

plt.contourf(x, y, f(x, y), 15, alpha&＃61;.75, cmap&＃61;plt.cm.hot)

# 等高线&＃xff1a; 根据数值不同&＃xff0c;画出不同的等高线

c &＃61; plt.contour(x, y, f(x, y), 10)

# 显示等高线 上面的标注文字

plt.clabel(c, inline&＃61;1, fontsize&＃61;10)

# plt.xticks(())

# plt.yticks(())

热成像图

plt.imshow()

plt.figure(figsize&＃61;(18, 10))

def f(x, y):

return(1 - x / 2 &＃43; x**5 &＃43; y**3) * np.exp(-x**2 - y**2)

# return x&＃43;y

plt.subplot(1, 2, 1)

n &＃61; 10

x &＃61; np.linspace(-3, 3, 4*n)

y &＃61; np.linspace(-3, 3, 3*n)

m, n &＃61; np.meshgrid(x, y)

# 画热成像图

plt.imshow(f(m, n), cmap&＃61;&＃39;hot&＃39;, origin&＃61;&＃39;low&＃39;)

# 颜色条

plt.colorbar(shrink&＃61;0.43)

plt.xticks(())

plt.yticks(())

饼图

plt.pie()

plt.figure(figsize&＃61;(18, 18))

plt.subplot(1, 2, 2)

n &＃61; 20

# 定义变量&＃xff0c;表示饼图中饼的个数

z &＃61; np.ones(n)

z[-1] *&＃61; 2 # 面积和其他19个 不一样&＃xff0c;是其他单个扇形的2倍

# explode表示中心圆的半径

# 不同部分&＃xff0c;颜色不一样

plt.pie(z, explode&＃61;z*0.2, colors&＃61;[&＃39;%f&＃39; % (i/float(n)*1000) for i in range(n)] )

plt.axis(&＃39;equal&＃39;)

# plt.xticks(())

# plt.yticks(())

(-1.3291114604228391,

1.5113406046531497,

-1.3204101114481226,

1.3204101082372062)

极坐标图

plt.figure(figsize&＃61;(18, 18))

# 创建极坐标 窗口

# 一定要加上polar&＃61;True&＃xff0c;不然就是条形图

ax &＃61; plt.subplot(1, 2, 2, polar&＃61;True)

n &＃61; 20

# 0-2π之间&＃xff0c;步长为2π/n

theta &＃61; np.arange(0.0, 2*np.pi, 2*np.pi/n)

# 生成20个随机数

radii &＃61; 10 * np.random.rand(n)

# 扇形宽度&＃xff1f;

width &＃61; np.pi / 4 * np.random.rand(n)

# 画图极坐标图

bars &＃61; plt.bar(theta, radii, width&＃61;width, bottom&＃61;0.0)

for r, bar in zip(radii, bars):

# 填充不同的颜色

bar.set_facecolor(plt.cm.jet(r/10))

bar.set_alpha(0.5)

ax.set_xticklabels([])

ax.set_yticklabels([])

参考自&＃xff1a;《scikit-learn机器学习&＃xff1a;常用算法原理及编程实战》黄永昌