机器学习Matplotlib 快速入门笔记

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习Matplotlib 快速入门笔记相关的知识,希望对你有一定的参考价值。

Matplotlib 快速入门笔记

Xu An   2018-4-7

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

1、基本图形绘制

x=np.linspace(-1,1,50)#(-1,1)的50个点
y=2*x+1
plt.plot(x,y)

2、figure的使用

x=np.linspace(-1,1,50)#(-1,1)的50个点
y1=2*x+x**5
y2=34*x+np.sin(x**2)
plt.figure()
plt.plot(x,y1)
plt.figure(num=3,figsize=(8,5))  #num用来之星figure的数字,figsize用来制定figure的大小
l1=plt.plot(x,y2,label='a')                  #在一个figure中同时显示两条线
l2=plt.plot(x,y1,label='b')


3、坐标轴显示

plt.xlim((-1,2))  #设置x轴的取值范围
plt.ylim((-1,2))  #设置y轴的取值范围
plt.xlabel('This is X')  #设置坐标轴描述
plt.ylabel('This is Y')
new_ticks=np.linspace(-1,2,5)
print(new_ticks)
plt.xticks(new_ticks)  #更换角标
plt.yticks([-2,-1.8,-1],['$really_bad$','$bad$','$normal$','$good$']) #更改角标为文字,在文字前后加$表示输出为数学字体(空格使用_代替)
#想打出alpha,则需要加上 //alpha
ax=plt.gca() #gca='get current axis' 获得坐标轴
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')   #删除指定位置的框线
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))   #平移坐标轴
ax.spines['left'].set_position(('data',0))

4、图例

plt.legend(handles=[l1,l2],labels=['aaa','bbb'],loc='best')


5.注释

plt.figure()
x3=np.linspace(-1,1,50)#(-1,1)的50个点
y3=x+1
x0=1
y0=x0+1
plt.scatter(x0,y0,s=50,color='b')
# plt.plot([x0,x0],[y0,0],'k--',lw=2.5)
# plt.annotate(r'$2x+1=3')% y0,xy(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset point'


6、散点图——scatter

n=1024
X=np.random.normal(0,1,n)
Y=np.random.normal(0,1,n)
T=np.arctan2(X,Y) #for color value
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.xlim((-1.5,1.5))
plt.ylim((-1.5,1.5))


7、条形图——bar

plt.figure()
n=10
X=np.arange(n)
Y1=(1-X/float(n)*np.random.uniform(0.5,1.0,n))
Y2=(1-X/float(n)*np.random.uniform(0.5,1.0,n))
plt.bar(X,+Y1)    #使用bar打印出条形图
plt.bar(X,-Y2)
for x,y in zip(X,Y1):  #给每个条形图增加数字描述
    plt.text(x,y+0.05,'%.2f'%y,ha='center',va='bottom')   
for x,y in zip(X,Y2):
    plt.text(x,-y+0.05,'%.2f'%y,ha='center',va='bottom')


8、等高线图

plt.figure()
def f(x,y):
    return(1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y) #把x,y绑定为网格输入值
plt.contourf(X,Y,f(X,Y),10,alpha=0.75,linewidth=0.5)  
C=plt.contour(X,Y,f(X,Y),10,alpha=0.75,linewidth=0.5) 
plt.clabel(C,inline=True,fontsize=10)   #增加数字标识


9、绘制3d图像

fig=plt.figure()
ax=Axes3D(fig)
#输入x,y的值
X=np.arange(-4,4,0.25)
Y=np.arange(-4,4,0.25)
#生成坐标空间
X,Y=np.meshgrid(X,Y)
R=np.sqrt(X**2+Y**2)
Z=np.sin(R)
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('plasma'))
ax.contourf(X,Y,Z,zdir='z',offset=-1.5,cmap='plasma')    #打印等高线


10、在一个窗口中显示多个图像——subplot

plt.figure()
plt.subplot(2,2,1)  #改变subplot的显示区域(行,列,该图所在的区域)
plt.plot([0,1],[0,1])
plt.subplot(2,2,2)
plt.plot([0,1],[0,2])
plt.subplot(2,2,3)
plt.plot([0,1],[0,2])
plt.subplot(2,2,4)
plt.plot([0,1],[0,2])
# 改变图像的大小(非均匀分布)
plt.figure()
plt.subplot(2,1,1)  #改变subplot的显示区域(行,列,该图所在的区域) 独占一行
plt.plot([0,1],[0,1])
plt.subplot(2,3,4)   #剩下三个占一行,数字标记按最小单位计算(独占第一行为3个单位,下一行从第4个数起)
plt.plot([0,1],[0,2])
plt.subplot(2,3,5)
plt.plot([0,1],[0,2])
plt.subplot(2,3,6)
plt.plot([0,1],[0,2])


11、次坐标

x=np.arange(0,10,0.1)
y1=0.05*x**2
y2=-1*y1
fig,ax1=plt.subplots()  #定义次坐标轴
ax2=ax1.twinx()
ax1.plot(x,y1,'g-')
ax2.plot(x,y2,'b--')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1',color='g')
ax1.set_ylabel('Y2',color='b')


12、添加动画

from matplotlib import animation #引入动画模块
fig,ax=plt.subplots()
x=np.arange(0,2*np.pi,0.01)
line,=ax.plot(x,np.sin(x))  #line初始化输出为列表,想要第一位则需要加一个逗号
def animation_1(i):
    line.set_ydata(np.sin(x+i/10))
    return line,
def init():
    line.set_ydata(np.sin(x))
    return line,
ani=animation.FuncAnimation(fig=fig,func=animation_1,frames=100,init_func=init,interval=20,blit=False)
plt.show()












以上是关于机器学习Matplotlib 快速入门笔记的主要内容,如果未能解决你的问题,请参考以下文章

机器学习Python 快速入门笔记

机器学习Numpy&Pandas 快速入门笔记

高端实战 Python数据分析与机器学习实战 Numpy/Pandas/Matplotlib等常用库

机器学习入门实战加州房价预测

学Python不会Matplotlib是什么?一文教你入门Matplotlib

学Python不会Matplotlib是什么?一文教你入门Matplotlib