Python
的可视化工具有很多,数不胜数,各有优劣。本文就对其中的pylab
进行介绍。之所以介绍这一款,是因为它和Matlab
的强烈相似度,如果你使用过Matlab
,那么相信pylab
你也会很快上手。
简单的plot函数
pylab
绘图,最基本的函数就是plot
函数,当然如果想要将图片显示出来,需要额外添加一个show
函数。
在python
的绘图中,numpy
是一个非常常用的工具,不太熟悉的可以参考博主的另一篇博文:【Python】Python之Numpy的超实用基础详细教程。
例如:
import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y = [i*i for i in np.arange(0, 1, 0.05)] pylab.plot(x, y) pylab.show()
运行生成的图片为:
规定两个序列,只需要两个序列的长度相等,就可以以其中一个序列为横坐标,零一个序列为纵坐标,进行绘制。
但是也看得出来,这样的图片是比较寒碜的,简单朴素。我们可以对线条进行一些修饰,比如线型、颜色、点型等等。只需要在plot
函数中添加一个参数即可。这个参数用法比较灵活,特可以从下表的值中进行组合选择:
颜色
线型
点型
‘b' (蓝色)
‘-' (实线)
‘,' (像素)
‘g' (绿色)
‘–' (虚线)
‘o' (圆形)
‘r' (红色)
‘-.' (虚点线)
‘^' (上三角)
‘y' (黄色)
‘:' (点线)
‘s' (方形)
‘k' (黑色)
‘.' (点)
‘+' (加号)
‘w' (蓝色)
…
‘x' (叉形)
…
…
例如:
import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y = [i*i for i in np.arange(0, 1, 0.05)] pylab.plot(x, y, "b-.+") pylab.show()
运行生成的图片为:
如果,还想增加图例,x
轴、y
轴的含义和刻度,标题的信息,也可以通过添加一些函数来进行。
例如:
# -*- coding:UTF-8 -*- import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y = [i*i for i in np.arange(0, 1, 0.05)] pylab.plot(x, y, "b-.+", label='line') pylab.xlabel('x') # x、y轴的介绍 pylab.ylabel('y') pylab.xlim([0, 1]) # x、y轴的长度区间 pylab.ylim([0, 1]) pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) # x、y轴的刻度 pylab.yticks(np.arange(0, 1, 0.05), fontsize=8) pylab.title('x-y') # x、y的标题 pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) # 图例的位置 pylab.show()
运行生成的图片为:
是不是瞬间就感觉丰富了许多!
多折线绘制
当然,在很多时刻需要绘制多条折线。很明显,可以选择将多条直线绘制到同一张图片上,也可以选择在图片上绘制不同的子图。
多折线同图
将多条折线绘制到同一张图片上,这非常简单,直接再plot
一条直线就可以了。
例如:
# -*- coding:UTF-8 -*- import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y1 = [i*i for i in np.arange(0, 1, 0.05)] y2 = [i+i for i in np.arange(0, 1, 0.05)] pylab.plot(x, y1, "b-.+", label='line1') pylab.plot(x, y2, "r-.+", label='line2') pylab.xlabel('x') pylab.ylabel('y') pylab.xlim([0, 1]) pylab.ylim([0, 1]) pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) pylab.yticks(np.arange(0, 1, 0.05), fontsize=8) pylab.title('x-y') pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) pylab.show()
多折线不同图
将多条折线绘制到图片上的不同子图上,这就需要通过subplot
进行区域分割和指定。
subplot(numRows, numCols, plotNum)
该函数会将这个图片分为numRows行、nulCols列,然后按照从左到右、从上到下的顺序进行编号,最左上的编号为1。plotNum参数指定子图的所在区域。
例如:
# -*- coding:UTF-8 -*- import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y1 = [i*i for i in np.arange(0, 1, 0.05)] y2 = [i+i for i in np.arange(0, 1, 0.05)] pylab.subplot(1, 2, 1) pylab.plot(x, y1, "b-.+", label='line1') pylab.xlabel('x') pylab.ylabel('y1') pylab.xlim([0, 1]) pylab.ylim([0, 1]) pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) pylab.yticks(np.arange(0, 1, 0.05), fontsize=8) pylab.title('x-y1') pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) pylab.subplot(1, 2, 2) pylab.plot(x, y2, "r-.+", label='line2') pylab.xlabel('x') pylab.ylabel('y2') pylab.xlim([0, 1]) pylab.ylim([0, 1]) pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) pylab.yticks(np.arange(0, 1, 0.05), fontsize=8) pylab.title('x-y2') pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) pylab.show()
运行生成的图片为:
这是比较规整的例子,如果是不规整的呢?例如,第一行两张图,第二行一张图。这就要稍微变通一下了。
第一行其实是按照2*2
分法的第一个和第二个,第二行其实是按照2*1
分法的第二行。这样思考就会迎刃而解了。
# -*- coding:UTF-8 -*- import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y1 = [i*i for i in np.arange(0, 1, 0.05)] y2 = [i+i for i in np.arange(0, 1, 0.05)] pylab.subplot(2, 2, 1) pylab.plot(x, y1, "b-.+", label='line1') pylab.xlabel('x') pylab.ylabel('y1') pylab.xlim([0, 1]) pylab.ylim([0, 1]) pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) pylab.yticks(np.arange(0, 1, 0.05), fontsize=8) pylab.title('x-y1') pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) pylab.subplot(2, 2, 2) pylab.plot(x, y2, "r-.+", label='line2') pylab.xlabel('x') pylab.ylabel('y2') pylab.xlim([0, 1]) pylab.ylim([0, 1]) pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) pylab.yticks(np.arange(0, 1, 0.05), fontsize=8) pylab.title('x-y2') pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) pylab.subplot(2, 1, 2) pylab.plot(x, y1, "b-.+", label='line1') pylab.plot(x, y2, "r-.+", label='line2') pylab.xlabel('x') pylab.ylabel('y') pylab.xlim([0, 1]) pylab.ylim([0, 1]) pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) pylab.yticks(np.arange(0, 1, 0.05), fontsize=8) pylab.title('x-y') pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) pylab.show()
运行生成的图片为:
其他函数
除了上述函数之外,还有一些其他的常用函数。
pylab.grid() # 网格绘制 pylab.savefig(图片存储路径, dpi=200) # 保存为图片
掌握了这些基本的折现图的绘制函数,相信一般的折线图都可以轻松掌握。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新动态
- 陈柏宇.2011-QUINQUENNIUM【SONY】【WAV+CUE】
- 《51首热门当红歌曲 十大顶级发烧女声 3CD》[WAV+CUE][1.6GB]
- 《赵传 深受摇滚迷青睐的台湾音乐人 约定》[WAV+CUE][320MB]
- 《庄心妍 实力唱将 发烧音乐精选集》[WAV+CUE][380MB]
- [音展纪念碟]2006年《TAA台湾第十六届国际HI-ENDHI-FI音响展》2cd[WAV]
- 中国音乐地图之听见西藏山歌牧歌酒歌2020[WAV分轨]
- 王宏伟2017-永远的红飘带[太平洋影音][WAV+CUE]
- 费翔.1997-NOW现在【第一中国】【WAV+CUE】
- 新格合唱团.1981-我唱你和2辑(滚石新格民歌系列)【新格】【WAV+CUE】
- 陈柏宇.2011-QUINQUENNIUM【SONY】【WAV+CUE】
- 雨果唱片-《金唛系列-蔷薇依韵琼瑶》WAV
- 陈百强《凝望(2012华纳LPCD45限量版)[DMI]》[WAV整轨]
- 模拟之声慢刻CD《徐小凤45周年》[德国母带][低速原抓WAV+CUE]
- 《庄心妍 实力唱将 发烧音乐精选集》[WAV+CUE][380MB]
- 《王菲 单曲合集》[FlAC/分轨][520MB]