


Daripada pemula kepada lanjutan, menggambarkan kaedah lukisan Matplotlib
Kaedah lukisan Matplotlib bergambar: daripada asas kepada lanjutan, contoh kod khusus diperlukan
Pengenalan:
Matplotlib ialah perpustakaan lukisan berkuasa yang biasa digunakan untuk visualisasi data. Sama ada carta garisan ringkas atau plot taburan kompleks atau carta 3D, Matplotlib boleh memenuhi keperluan anda. Artikel ini akan memperkenalkan kaedah lukisan Matplotlib secara terperinci, daripada asas kepada lanjutan, dan memberikan contoh kod khusus.
1. Pemasangan dan import Matplotlib
- Pasang Matplotlib
Gunakan arahan pip install matplotlib dalam terminal untuk memasang Matplotlib. - Import Matplotlib
Gunakan import matplotlib.pyplot sebagai plt untuk mengimport Matplotlib, dan bersetuju dengan alias plt yang biasa digunakan untuk memudahkan panggilan berikutnya.
2. Lukiskan carta garisan ringkas
Berikut ialah contoh carta garisan ringkas, menunjukkan perubahan jualan syarikat dalam tempoh 12 bulan yang lalu.
import matplotlib.pyplot as plt # 数据 months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'] sales = [100, 120, 150, 130, 140, 160, 180, 170, 190, 200, 210, 220] # 创建图表和画布 plt.figure(figsize=(8, 6)) # 绘制折线图 plt.plot(months, sales, marker='o', linestyle='-', color='blue') # 设置标题和标签 plt.title('Sales Trend') plt.xlabel('Months') plt.ylabel('Sales') # 显示图表 plt.show()
3. Gaya carta tersuai
Matplotlib menyediakan banyak tetapan gaya carta, yang boleh menjadikan carta anda lebih diperibadikan dan cantik.
Laraskan warna dan gaya garis
plt.plot(months, sales, marker='o', linestyle='-', color='blue')
Salin selepas log masukAnda boleh menetapkan gaya penanda melalui parameter penanda, parameter gaya garisan melalui parameter gaya garisan dan warna melalui parameter warna.
Tetapkan legenda
plt.plot(months, sales, marker='o', linestyle='-', color='blue', label='Sales') plt.legend()
Salin selepas log masukGunakan parameter label untuk menetapkan label legenda, dan kemudian gunakan kaedah plt.legend() untuk memaparkan legenda.
Tambah garis grid
plt.grid(True)
Salin selepas log masukGunakan kaedah plt.grid(True) untuk menambah garis grid.
4. Lukiskan plot serakan dan carta palang
Selain carta garis, Matplotlib juga menyokong lukisan plot serakan dan carta palang.
- Lukiskan Plot Taburan
Di bawah ialah contoh plot serakan mudah yang menunjukkan hubungan antara suhu dan hujan di bandar.
import matplotlib.pyplot as plt # 数据 temperature = [15, 19, 22, 18, 25, 28, 30, 29, 24, 20] rainfall = [20, 40, 30, 10, 55, 60, 70, 50, 45, 35] # 创建图表和画布 plt.figure(figsize=(8, 6)) # 绘制散点图 plt.scatter(temperature, rainfall, color='red') # 设置标题和标签 plt.title('Temperature vs Rainfall') plt.xlabel('Temperature (°C)') plt.ylabel('Rainfall (mm)') # 显示图表 plt.show()
- Lukis Carta Bar
Di bawah ialah contoh carta bar ringkas yang menunjukkan jualan produk tertentu di wilayah yang berbeza.
import matplotlib.pyplot as plt # 数据 regions = ['North', 'South', 'East', 'West'] sales = [100, 120, 150, 130] # 创建图表和画布 plt.figure(figsize=(8, 6)) # 绘制条形图 plt.bar(regions, sales, color='blue') # 设置标题和标签 plt.title('Sales by Region') plt.xlabel('Region') plt.ylabel('Sales') # 显示图表 plt.show()
5. Lukis carta lanjutan
Matplotlib juga boleh melukis carta yang lebih kompleks, seperti carta pai dan carta 3D.
- Lukis Carta Pai
Di bawah ialah contoh carta pai mudah yang menunjukkan bahagian jualan produk yang berbeza dalam pasaran.
import matplotlib.pyplot as plt # 数据 products = ['A', 'B', 'C', 'D'] sales = [30, 20, 25, 15] # 创建图表和画布 plt.figure(figsize=(8, 6)) # 绘制饼图 plt.pie(sales, labels=products, autopct='%.1f%%') # 设置标题 plt.title('Sales by Product') # 显示图表 plt.show()
- Lukis graf 3D
Berikut ialah contoh graf 3D mudah, menunjukkan graf permukaan tiga dimensi bagi fungsi tertentu.
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 数据 x = np.linspace(-5, 5, 100) y = np.linspace(-5, 5, 100) X, Y = np.meshgrid(x, y) Z = np.sin(np.sqrt(X**2 + Y**2)) # 创建图表和画布 fig = plt.figure(figsize=(8, 6)) ax = fig.add_subplot(111, projection='3d') # 绘制3D图 ax.plot_surface(X, Y, Z, cmap='viridis') # 设置标题和标签 ax.set_title('3D Surface Plot') ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('Z') # 显示图表 plt.show()
Kesimpulan:
Melalui pengenalan dan contoh artikel ini, kita dapat memahami kaedah lukisan dan teknik penggunaan Matplotlib. Sama ada carta garisan ringkas, atau plot taburan kompleks dan carta 3D, Matplotlib menyediakan pelbagai fungsi dan pilihan untuk memenuhi keperluan yang berbeza untuk visualisasi data. Saya harap artikel ini akan membantu kedua-dua pemula dan pengguna berpengalaman, supaya mereka boleh menggunakan Matplotlib dengan lebih baik untuk analisis dan paparan data.
Atas ialah kandungan terperinci Daripada pemula kepada lanjutan, menggambarkan kaedah lukisan Matplotlib. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
