可视化——matplotlib常用api(一)
来源:互联网 发布:seo公司 编辑:程序博客网 时间:2024/06/06 16:35
可视化——matploblib常见api(二)
不经可视化的算法都是耍流氓。
可视化的目的之一是可视化,二是可视化要尽可能的美观大方
- 善用
alpha
(透明度)选项,例如取,alpha=0.4
*
- 善用
bar:条状
在一条plot语句中绘制多条曲线
此时无法分别指定color
,marker
以及legend
了,如需区别对待、精细绘图,还是分别调用各自的plot为最好,和matlab不同的是,不同的plot之间自带hold(保持属性),除非开辟新的figure。分别指定各自的图例(legend)可以使用plt.legend()
(如下所示):
plt.plot(x, peval(x, plesq[0]), x, y_meas, 'o', x, y_true)plt.legend(['Fit', 'Noisy', 'True'], loc='upper left')
figsize
plt.figure(num=None, figsize=(8, 6), dpi=80, facecolor=’w’, edgecolor=’k’)
# figsize=(8, 6),比例一般在4:3
# figsize=(width, height)plt.figure(figsize=(8, 6)) # defaultplt.figure(figsize=(12, 9)) plt.figure(figsize=(4, 3))plt.figure(figsize=(6, 4.5))# 当然有时表达一种横向展开的形式plt.figure(figsize=(10, 5))
使用Latex
$\sigma$
,以字符串形式,置于$$环境中;以字符串形式组织LaTex公式时,内部的
\
是有转义的意味\
出现的位置换成\\
,'$\sigma$'
->'$\\sigma$'
'$\sigma$'
换成r'$\sigma$'
多行多列的subplots
fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(8, 4))ax[0].plot(...)ax[0].set_xlabel(...)ax[0].set_title(...)ax[1].plot(...)ax[1].set_xlabel(...)...
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, sharex=True)
更一般的做法(也是matlab的风格)是这样的:
fig = plt.figure() # 创建一个figure对象,底下的一切显示均在此figure上完成plt.subplot(121)plt.imshow(img1)plt.subplot(122)plt.imshow(img2)plt.show()# 当然放在一个range里边for i in range(ndim): plt.subplot(ndim//5, 5, i+1) plt.hist()
可选参数(optional parameter)
o
, x
, ^
, v
, s
(square) markersize/ms linestyle/ls -
(solid), -.
(dashdot),:(dotted)
, --
(dashed) linewidth/lw 3 color/c label
使用plot散列点(此时不能使用ls
:表示线型的参数了):
plt.plot(x, y, '.k', alpha=.1) # plt.plot(x, y, ',k', alpha=.1)
使用plot关于一些点的位置上画圆或特殊形状:
plt.plot(x[outliers], y[outliers], 'o', ms=20, mfc='none', mec='red') # mfc: marker face color # mec: marker edge color
常用api
plt.yticks([]) 以tuple或者list为参数 关闭坐标轴 plt.axis(‘off’) 图例的使用 plt.legend(loc={‘best’, ‘upper left’}, frameon=False) 也即默认是加框的 坐标轴的范围 plt.ylim()
plt.xlim() x1_min, x1_max = x[:, 0].min()-1, x[:, 0].min()+1
x2_min, x2_max = x[:, 1].min()-1, x[:, 1].max()+1 坐标的刻度 plt.yscale(‘log’) 填写文本信息 plt.text(, , ) 前两个参数表示坐标
第三个参数对应文本信息 画水平或者垂线 plt.axhline()
plt.axvline()
figure的style
>>> import matplotlib.pyplot as plt>>> plt.style.use('ggplot')
查看所有可用的styles
:
>>> plt.style.available # 返回一个list
更多详细信息,参阅 matplotlib官方文档
柱状图
plt.bar(np.array(x)-.4, y) # 在一切默认的情况下,减去0.4是平移每一个条形柱的位置 # 可见每一个条形柱的宽度为0.8
plt.hist(histtype=”)
histtype={‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’};
optional
default为’bar’
histtype=’step’; 似乎感觉上更道地一点;
errorbar
plt.errorbar(x, y, xerr, yerr, fmt='ok', ecolor='gray', alpha=.5) # fmt='ok',表示的是(x, y)这一坐标位置的显示形式,实心(o)圆点,颜色是黑色 # ecolor='gray',表示错误线的颜色
plt.errorbar(x, y, e, fmt='.k', ecolor='gray', alpha=.4)
有规律的在figure中写东西
规律自然用到循环;
for i, (param, true, est) in enumerate(zip('ABCD', [A, B, C, D], plesq[0])): plt.text(10, 3-i*.5, '{} = {:.2f}, est({}) = {:.2f}'.format(param, true, param, est)) # text的前两个参数是需要根据图像的布局反复调整的
0 0
- 可视化——matplotlib常用api(一)
- 可视化——matplotlib常见api(四)
- 数据可视化——Matplotlib模块入门(一)
- matplotlib 可视化 —— matplotlib.patches
- matplotlib 可视化 —— 定制 matplotlib
- matplotlib绘图可视化知识点整理(一)
- 数据可视化(一)-Matplotlib简易入门
- matplotlib 可视化 —— 移动坐标轴(中心位置)
- Python学习(十一)——matplotlib与可视化
- python—matplotlib数据可视化实例注解系列-----设置标注字体样式(matplotlib颜色库)
- matplotlib 可视化 —— 绘制常见图形
- 数据可视化——matplotlib.pyplot
- matplotlib 可视化 —— style sheets
- python数据可视化——安装matplotlib
- Python数据可视化—matplotlib笔记
- Python数据可视化—matplotlib笔记
- HTML5 —— audio API 音乐可视化(一)
- Matplotlib.pyplot 常用方法(一)
- CSS之清除浮动
- Oracle字符串操作函数(CONCAT,REPLACE,SUBSTR ....)
- iOS 开发笔记和技巧总结 (三)
- JAVA eclipse CLASSPATH路径配置以及 【java.lang.UnsupportedClassVersionError】版本不一致出错解决方案
- 源码,反码,补码详解
- 可视化——matplotlib常用api(一)
- Linux kernel crash dumps with crash
- 杭电校赛(ACM组队安排)
- Duplicate files copied in APK META-INF/解决方式
- ubuntu14配置jdk1.7
- PCA原理以及为何要使用协方差矩阵
- 数据库之三大范式
- 反编译APK文件
- SecureCRT 绝佳配色方案, 保护你的眼睛