0
点赞
收藏
分享

微信扫一扫

ubuntu 18 虚拟机安装（2）

Alex富贵 2024-06-27 阅读 16
信息可视化python开发语言
加载失败

文章目录

matplotlib

一、Matplotlib

二、Pyplot模块

2.1、Pyplot介绍

2.2、Pyplot优势与劣势

  • 易用性
    • 优点：Pyplot提供了简单易用的API，使得用户可以轻松地创建各种类型的图表，如线图、散点图、柱状图、饼图等。通过简单地导入并使用不同的函数，比如plot()、scatter()等，即使是初学者也能迅速上手。
    • 劣势：尽管pyplot相对易用，但对于初学者来说，其语法仍然较为复杂，需要花费一定时间来学习和掌握。对于需要快速创建简单图表的用户来说，可能会觉得有些繁琐。
  • 定制性
    • 优点：Pyplot提供了丰富的参数设置和样式定制选项，用户可以根据自己的需求对图表进行个性化定制。这包括颜色、标记、线条样式、标题、标签、轴线、刻度和图例等各种元素的调整，从而可以创建出非常精美的图表。
    • 劣势：尽管可定制性强，但Pyplot的某些默认设置（如刻度、标签等）可能不符合用户的实际需求，需要手动进行调整。有时，默认样式也可能看起来不够美观，需要进一步定制才能达到预期效果。
  • 兼容性
    • 优点：Pyplot支持多种操作系统和绘图环境（如Jupyter Notebook、PyCharm等），并且能与其他常用的科学计算库（如Numpy、Pandas等）无缝集成。这种兼容性使得用户可以在各种平台上方便地使用Pyplot进行数据可视化。
    • 劣势：虽然支持多种环境，但在某些特定环境下可能会出现兼容性问题，这需要用户具备一定的技术背景来解决。
  • 交互性
    • 优点：Pyplot提供一定的交互功能，比如鼠标指针悬停提示、拖动和缩放等，这些功能使得数据分析变得更加方便和快捷。
    • 劣势：相比于一些专门的交互式可视化工具，Pyplot的交互性有限，不支持复杂的交互式可视化操作，如通过鼠标交互来控制图表的展示。
  • 扩展性
    • 优点：Pyplot作为Matplotlib的一部分，具有良好的可扩展性。用户可以自定义插件、主题、样式和色彩等，以满足特定的数据可视化需求。同时，Matplotlib社区活跃，不断地推出新的版本和更新，帮助用户及时了解最新技术和优化。
    • 劣势：虽然可扩展性良好，但对于普通用户来说，编写自定义插件或修改底层代码可能需要一定的编程知识和经验。
  • 性能
    • 优点：Pyplot能够处理中等规模数据集的可视化需求，并且支持跨平台运行，可以在Windows、Linux和Mac等多个平台上运行。
    • 劣势：当处理大型数据集时，Pyplot的绘图速度相对较慢，可能需要等待较长时间才能完成。对于需要实时数据可视化的应用场景，它也不直接支持动态更新和展示数据。
  • 支持性
    • 优点：Pyplot拥有庞大的用户社区和开发者社区，用户可以从社区中获得大量的帮助和支持。同时，网络上有大量的文档和教程可供学习，这对于新手来说尤为宝贵。
    • 劣势：尽管社区活跃且资源丰富，但Pyplot的官方文档在某些时候可能不够全面，并且可能会令人困惑。对于某些特定问题，用户可能需要依靠社区论坛或Stack Overflow等第三方平台来获取解决方案。
  • 实用性
    • 优点：Pyplot支持多种输出格式，包括PNG、PDF、SVG、EPS等，方便用户将图表嵌入到文档中或者在网页上展示。
    • 劣势：尽管支持多种输出格式，但在特定应用场景下，比如需要高质量印刷品或者特定分辨率的图像时，可能需要额外的调整和设置。

2.3、Pyplot的使用

  • 安装和导入库

    • 安装Matplotlib：首先需要在你的Python环境中安装Matplotlib库，可以通过pip进行安装，命令为pip install matplotlib。

    • 导入Pyplot模块：在Python脚本或者Jupyter notebook中，导入matplotlib.pyplot模块，并为其设置别名plt，这样便于后续调用。导入语句通常是import matplotlib.pyplot as plt。

C:\Users\yuanl>pip install matplotlib

import matplotlib
print(matplotlib.__version__)

D:\pythonLED\python.exe E:/pythonProject/1.py
3.9.0
  • 准备数据
    • 定义数据：根据所需绘制的图表类型，准备对应的数据。例如，对于线图，需要x轴和y轴的数据点；对于散点图，则需要两组数据的坐标点。可以使用列表或NumPy数组来存储这些数据。
  • 绘制图表
    • 选择绘图函数：根据需求选择合适的绘图函数。例如，使用plt.plot()绘制线图，plt.scatter()绘制散点图，plt.bar()绘制柱状图等。
    • 绘制简单示例：一个简单而常见的例子是绘制一条直线。首先定义x和y的值，然后使用plt.plot()将它们绘制出来。
import matplotlib.pyplot as plt
import numpy as np
# 定义数据
x = np.linspace(0, 10, 100)  # 生成0到10之间的100个点
y = np.sin(x)  # 计算正弦值
# 绘制图形
plt.plot(x, y)
  • 定制图表
    • 调整坐标轴范围：通过plt.xlim()和plt.ylim()函数来设置x轴和y轴的范围。例如，要让x轴从0开始，可以调用plt.xlim(0, max_value)。
    • 设置刻度和刻度标签：使用plt.xticks()和plt.yticks()函数可以设置x轴和y轴的刻度值。例如，plt.xticks(range(0, max_value, step))会将从0开始、步长为step的一系列值设置为x轴的刻度。
    • 添加标题和轴标签：使用plt.title()、plt.xlabel()和plt.ylabel()函数添加图表标题和坐标轴标签，增强图表的可读性。
    • 定制线条和标记样式：可以在plt.plot()函数中通过设置参数来调整颜色、线型和标记样式等视觉元素，如plt.plot(x, y, color=‘red’, linestyle=‘–’, marker=‘o’)。
  • 显示或保存图表
    • 显示图表：完成所有定制后，使用plt.show()函数来显示图表。这会在默认的窗口中打开并展示你创建的图形。
    • 保存图表：如果需要将图表保存为文件，可以使用plt.savefig(‘filename.ext’)函数，其中filename为文件名，ext为文件格式（如PNG、PDF、SVG等）。

三、Pyplot示例

3.1、绘制周期正弦曲线

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('TkAgg')
# 生成0到2π之间的1000个等间距的点
x = np.linspace(0, 2 * np.pi, 1000)
# 计算每个点的正弦值
y = np.sin(x)
# 创建一个图形对象
fig, ax = plt.subplots()
# 绘制正弦曲线
ax.plot(x, y)
# 设置x轴和y轴的标签
ax.set_xlabel('x')
ax.set_ylabel('sin(x)')
# 设置图形的标题
ax.set_title('正弦曲线')
# 显示图形
plt.show()

在这里插入图片描述

  • import numpy as np: 导入NumPy库，并将其简称为np。NumPy是一个用于处理数组和矩阵的Python库，提供了大量的数学函数和线性代数操作。

  • import matplotlib.pyplot as plt: 导入Matplotlib库中的pyplot模块，并将其简称为plt。Matplotlib是一个用于绘制图形的Python库，pyplot是其子模块，提供了类似于MATLAB的绘图接口。

  • import matplotlib: 导入Matplotlib库。

  • matplotlib.use(‘TkAgg’): 设置Matplotlib的后端为TkAgg。后端是指用于显示图形的底层系统，这里选择TkAgg是因为它可以在大多数平台上运行。

  • x = np.linspace(0, 2 * np.pi, 1000): 使用NumPy的linspace函数生成一个包含1000个等间距点的数组，范围从0到2π。这些点将用作正弦函数的输入。

  • y = np.sin(x): 计算x中每个点的正弦值，并将结果存储在数组y中。

  • fig, ax = plt.subplots(): 使用pyplot的subplots函数创建一个图形对象（fig）和一个坐标轴对象（ax）。这个图形对象包含了所有的绘图元素，而坐标轴对象用于设置坐标轴的属性。

  • ax.plot(x, y): 使用坐标轴对象的plot方法绘制正弦曲线。x和y分别是横坐标和纵坐标的数据。

  • ax.set_xlabel(‘x’): 设置x轴的标签为’x’。

  • ax.set_ylabel(‘sin(x)’): 设置y轴的标签为’sin(x)'。

  • ax.set_title(‘正弦曲线’): 设置图形的标题为’正弦曲线’。

  • plt.show(): 使用pyplot的show方法显示图形。这将弹出一个窗口，显示绘制的正弦曲线图。

3.2、虚线绘制正弦曲线

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('agg')
# 生成x值
x = np.linspace(0, 2 * np.pi, 100)
# 计算对应的正弦值
y = np.sin(x)
# 绘制虚线正弦曲线
plt.plot(x, y, linestyle='--')
# 显示图形
plt.savefig('sin_curve.png')

在这里插入图片描述

3.3、同时绘制正弦曲线和余弦曲线

import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('agg')
# 创建一个0到4π的等差数列，间隔为0.1
x = np.arange(0, 4*np.pi, 0.1)
# 计算对应的正弦值和余弦值
y_sin = np.sin(x)
y_cos = np.cos(x)
# 创建一个图形
plt.figure()
# 绘制正弦曲线，设置线的颜色为红色，线的宽度为1.0，线的样式为实线
plt.plot(x, y_sin, color='red', linewidth=1.0, linestyle='-')
# 绘制余弦曲线，设置线的颜色为蓝色，线的宽度为1.0，线的样式为实线
plt.plot(x, y_cos, color='blue', linewidth=1.0, linestyle='-')
# 设置x轴的标签
plt.xlabel('x')
# 设置y轴的标签
plt.ylabel('y')
# 设置图的标题
plt.title('Sine and Cosine Curves')
# 显示网格
plt.grid(True)
# 显示图形
plt.savefig('sin_curve.png')

在这里插入图片描述

3.4、在图形中使用文字

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('agg')
t = np.arange(0.0,1.0,0.01)
s = np.sin(2 * np.pi * t)
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = 'False'
fig,ax = plt.subplots()
ax.set_title('曲线')
ax.plot(t,s,color = 'blue',lw = 2)
plt.savefig('sin_curve.png')

在这里插入图片描述

3.5、绘制线形图

import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('agg')
# 创建数据
x = [0, 1, 2, 3, 4, 5]
y = [0, 1, 4, 9, 16, 25]
# 使用plot()函数绘制线形图
plt.plot(x, y)
plt.savefig('sin_curve.png')

在这里插入图片描述

3.6、在一个坐标中绘制三条曲线

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('agg')
# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
# 绘制曲线
plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')
plt.plot(x, y3, label='tan(x)')
# 添加图例
plt.legend()
plt.savefig('sin_curve.png')

在这里插入图片描述

3.7、绘制散点图

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('agg')
# 准备数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
# 绘制散点图
plt.scatter(x, y)
# 添加标题和轴标签
plt.title("Scatter Plot Example")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.savefig('sin_curve.png')

在这里插入图片描述

3.8、绘制直方图

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体字体
def draw_histogram(data, bins=10, xlabel='X轴', ylabel='Y轴', title='直方图'):
    plt.hist(data, bins=bins)
    plt.xlabel(xlabel)
    plt.ylabel(ylabel)
    plt.title(title)
    plt.show()
# 生成随机数据
data = np.random.randn(1000)
# 调用函数绘制直方图
draw_histogram(data, bins=30, xlabel='随机数', ylabel='频数', title='随机数分布直方图')
plt.savefig('sin_curve.png')

在这里插入图片描述

3.9、绘制饼图

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
# 设置标题
plt.title("Pie Chart Example")
# 保存图片
plt.savefig('sin_curve.png')
# 显示图片
plt.show()

在这里插入图片描述

举报

相关推荐

Ubuntu安装VirtualBox虚拟机

oracleUbuntu更新源系统/运维

【Ubuntu】VM虚拟机_Ubuntu系统安装

ubuntulinux文件传输返回顶部ubuntu系统Linux系统/运维

Ubuntu18.0.4.4 虚拟机安装

Ubuntu自定义desktopMySQL数据库

【虚拟机】windows下虚拟机及虚拟机上ubuntu系统的安装

ubuntulinux运维VMware虚拟机安装JavaScript前端开发

ubuntu系统安装qemu虚拟机

spring bootredis后端

【Ubuntu虚拟机】

linuxapache

Linux -Ubuntu虚拟机安装教程

linux

在虚拟机中安装 Ubuntu 步骤

ubuntu服务器linuxUbuntu系统/运维

ubuntu22.04虚拟机安装教程

机器人人工智能linux

ubuntu虚拟机安装VMwareTools出现错误

ubuntulinux
0 条评论
加载失败