序言：
在python里面，數(shù)據(jù)可視化是python的一個亮點。在python里面，數(shù)據(jù)可視可以達到什么樣的效果，這當然與我們使用的庫有關(guān)。python常常需要導入庫，并不斷調(diào)用方法，就很像一條流數(shù)據(jù)可視化的庫，有很多，很多都可以后續(xù)開發(fā)，然后我們調(diào)用。了解過pyecharts美觀的可視化界面 ，將pyecharts和matplotlib相對比一下。
pyecharts和matplotlib的區(qū)別在哪里呢？Matplotlib是Python數(shù)據(jù)可視化庫的泰斗，盡管已有十多年的歷史，但仍然是Python社區(qū)中使用最廣泛的繪圖庫，它的設(shè)計與MATLAB非常相似，提供了一整套和MATLAB相似的命令A(yù)PI，適合交互式制圖，還可以將它作為繪圖控件，嵌入其它應(yīng)用程序中。
Pyecharts是一款將Python與Echarts相結(jié)合的數(shù)據(jù)可視化工具，可以高度靈活的配置，輕松搭配出精美的視圖。其中Echarts是百度開源的一個數(shù)據(jù)可視化庫，而Pyecharts將Echarts與Python進行有機對接，方便在Python中直接生成各種美觀的圖形。
數(shù)據(jù)可視化之matplotlib繪制正余弦曲線圖
我們先來看最終實現(xiàn)效果
上面這個圖是最終保存的圖片查看效果
我們一步一步來實現(xiàn)
1：首先我們需要導入基本的庫
matplotlib numpy
matplotlib 是我們本章需要的庫
numpy 是我們數(shù)據(jù)分析處理的常見庫，在機器學習時也會經(jīng)常用到。
一步一步來了
下面展示一些 內(nèi)聯(lián)代碼片。
第一步
#1：用到的方法及參數(shù)
# linspace(start, stop, num=50, endpoint=True,
# retstep=False, dtype=None)
# 相關(guān)參數(shù)的說明
# 指定在start到stop均分數(shù)值
# start:不可省略
# stop:有時包含有時不包含，根據(jù)endpoint來選擇，默認包含
# num:指定均分的數(shù)量，默認為50
# endpoint:布爾值，可選，默認為True。包含stop就True,不包含就# False
# retstep : 布爾值，可選，默認為False。如果為True,返回值和步長
# dtype : 輸出數(shù)據(jù)類型，可選。如果不指定，則根據(jù)前面參數(shù)的數(shù)據(jù)類型
# 2：np.plot(x,y.color.lw,label，ls，mk，mec，mfc)
# 其中X由所有輸入點坐標的x值組成，Y是由與X中包含的x對應(yīng)的y所組
# 成的向量
# color 指定線條的顏色
# lw指定線條的寬度
# lw指定線條的樣式，默認為實現(xiàn)
# mk可以指定數(shù)據(jù)標識符
# ms可以指定標識符的大小
# mec可以指定標識符的邊界色彩
# mfc標識符內(nèi)部填充顏色
import matplotlib.pyplot as plt
import numpy as np
#用于正常顯示中文標簽
plt.rcParams['font.sans-serif']=['SimHei']
# 用于正常顯示符號
plt.rcParams['axes.unicode_minus']=False
x = np.linspace(-np.pi,np.pi,256,endpoint = 256)
sin,cos = np.sin(x),np.cos(x)
#繪制，并設(shè)置相關(guān)的參數(shù),這里標簽還不會顯示出來，因為還沒有
#添加圖例，具體往下面看
plt.plot(x,sin,color = 'blue',lw=2.5,label = '正弦sin',mec='red')
plt.plot(x,cos,color = 'red',lw = 2.5,label = '余弦cos()')
plt.show() #顯示
第二步
#用到的方法及參數(shù)
# plt.xlim(xmin, xmax)
# xmin：x軸上的最小值
# xmax：x軸上的最大值
#plt.ylim() 與上一樣的道理
#具體如何使用，可以看下面的實例代碼
plt.xlim(x.min()*1.5,x.max()*1.5) #將x軸拉伸1.5倍
plt.ylim(cos.min()*1.5,cos.max()*1.5) # 將y軸拉伸1.5倍
plt.show()
第三步
#用到的方法與參數(shù)
# plt.xticks([],[])
# plt.yticks([],[])
# plt.title('',color,color,..) #設(shè)置標題，里面的相關(guān)參數(shù)可以# 指定
# plt.text(備注內(nèi)容x軸的坐標,備注內(nèi)容y軸的坐標 ,'備注內(nèi)容',fontsize,color,..) #給右下角添加備注
#想說的說這里面有連個參數(shù)，分別以列表的形式展示。
現(xiàn)在只需要介紹是用來設(shè)置坐標刻度的。其中第二個參數(shù)列表
是用來轉(zhuǎn)義的。具體實例如下。
下面展示一些 內(nèi)聯(lián)代碼片。
在x軸的刻度上，我們需要我們需要按照規(guī)則的正余弦刻度來，而不是簡單的實數(shù)，我們需要圓周率。因此在plt.xticks([],[])的第二個列表參數(shù)上需要轉(zhuǎn)義。
#這里的r'$代表開始，$代表結(jié)尾，\代表轉(zhuǎn)義，\pi代表圓周率的意思，r代表原始字符串。因此可以一一對應(yīng)下來的。
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],
[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
plt.yticks([-1,0,1])
plt.title("繪圖正余弦函數(shù)曲線圖",fontsize = 16,color ='green')
#給圖片右下角添加備注標簽
plt.text(+2.2,-1.4,"by:jgdabc",fontsize=16,color = 'purple')
plt.show()
第四步：
用到的方法及參數(shù)：
plt.gca()#這個方法有點東西。
我要簡單的去理解，Python庫太繁雜了。有點頭大。
plt.gca(),可以獲得axes對象
什么又是axes對象？
在matplotlib中，整個圖表為一個figure對象。每個figure
對象中可以包含一個或多個axes，而axes為坐標軸。每個axes
對象都是一個擁有自己坐標系統(tǒng)的繪圖區(qū)域。我們可以理解為通
過這個方法我們可以獲得axes對象，而通過這個對象可以幫助我們
方便的操作坐標軸，ok。具體操作看實例吧！
#我相信能看懂英文的不看注釋也可以看懂
ax = plt.gca() #獲取Axes對象
ax.spines['right'].set_color('none') #隱藏右邊界
ax.spines['top'].set_color('none')#隱藏上邊界
ax.xaxis.set_ticks_position('bottom') #x軸坐標刻度設(shè)置在坐標下面
ax.spines['bottom'].set_position(('data',0))#將x坐標軸平移經(jīng)過(0,0)的位置
ax.yaxis.set_ticks_position('left')#將y軸坐標刻度設(shè)置在坐標軸左側(cè)
ax.spines['left'].set_position(('data',0))#將y軸坐標軸平移到(0,0)位置
plt.show()
兄弟們是不是有點像了，還不夠。
第五步：
用到的方法及參數(shù)：
plt.legend（）
添加圖例
這樣才會把我上述label的內(nèi)容顯示出來。
plt.legend(loc ='upper left',fontsize=12)
plt.show()
第六步
注意第六步我們要描點，并畫線
用到的方法及參數(shù)
plt.plot() # 這個前面已經(jīng)有說明，不再贅述，這里我們
要加一個參數(shù)linewidth指定，將其變?yōu)樘摼€
plt.scatter() #用來繪制兩個點的位置
plt.annotate #用來添加注釋文字，具體解釋我們在實例代碼中說明
```javascript
t1 = 2*np.pi/3 #取一個x軸坐標點
t2 = -np.pi # 取第二個坐標點
#根據(jù)畫線，第一個列表是x軸坐標值，第二個列表是y軸坐標值
plt.plot([t1,t1],[0,np.sin(t1)],color = 'b',linewidth = 1.5,linestyle = '--')
#畫線
plt.plot([t2,t2],[0,np.cos(t2)],color ='r',linewidth=1.5,linestyle="--")
#標注兩個點的位置(繪制散點圖的方法)
plt.scatter([t1,],[np.sin(t1),],50,color = 'b') #50為指定的大小
#為圖表添加注釋
plt.scatter([t2,],[np.cos(2),],50,color = 'r')
plt.annotate( r'$\sin(\frac{2\pi}{3}=\frac{\sqrt{3}}{2}$)',
xy = (t1,np.sin(t1)), #點的位置
xycoords = 'data', #注釋文字的偏移量
xytext = (+10,+30), #文字離點的橫縱距離
textcoords = 'offset points',
fontsize =14,#注釋的大小
arrowprops = dict(arrowstyle = '->',connectionstyle = 'arc3,rad=.2')#箭頭指向的彎曲度
)
plt.annotate(r'$\cos(-\pi)=-1$',
xy = (t2,np.cos(t2)),
xycoords = 'data', #注釋文字的偏移量
xytext = (0 ,-40), # 文字離點的橫縱距離
textcoords = 'offset points',
fontsize = 14,#注釋的大小
arrowprops = dict(arrowstyle = '->',connectionstyle='arc3,rad=.2')
) #點的位置
plt.show()
第七步：我想設(shè)置一下x軸和y軸的字體，一提到軸，就用ax.
我們直接上代碼去解釋
#遍歷獲取x軸和y軸的刻度，并設(shè)置字體
for label in ax.get_xticklabels() + ax.get_yticklabels() :
label.set_fontsize(18)
label.set_bbox(dict(facecolor = 'r',edgecolor='g',alpha=0.5))#alpha代表透明度
#繪制填充區(qū)域
plt.fill_between(x,np.abs(x)0.5,sin,sin>0.5,color='g',alpha =0.8)
plt.fill_between(x,cos,where = (-2.5x)(x-0.5),color = 'purple')
plt.grid() #繪制網(wǎng)格線
plt.savefig("D:\python學習數(shù)據(jù)可視化matplot學習.png",dpi = 300)保存圖片
plt.show()
注意這里保存一定要先保存，后show。
最終效果
給大家完整代碼
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
x = np.linspace(-np.pi,np.pi,256,endpoint=256)
sin,cos = np.sin(x),np.cos(x)
plt.plot(x,sin,color = 'blue',lw=2.5,label = '正弦sin',mec='red')
plt.plot(x,cos,color = 'red',lw = 2.5,label = '余弦cos()')
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.ylim(cos.min()*1.5,cos.max()*1.5)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
plt.yticks([-1,0,1])
plt.title("繪圖正余弦函數(shù)曲線圖",fontsize = 16,color ='green')
plt.text(+2.2,-1.4,"by:jgdabc",fontsize=16,color = 'purple')
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.legend(loc ='upper left',fontsize=12)
t1 = 2*np.pi/3
t2 = -np.pi
plt.plot([t1,t1],[0,np.sin(t1)],color = 'b',linewidth = 1.5,linestyle = '--')
plt.plot([t2,t2],[0,np.cos(t2)],color ='r',linewidth=1.5,linestyle="--")
plt.scatter([t1,],[np.sin(t1),],50,color = 'b')
plt.scatter([t2,],[np.cos(2),],50,color = 'r')
plt.annotate( r'$\sin(\frac{2\pi}{3}=\frac{\sqrt{3}}{2}$)',
xy = (t1,np.sin(t1)),
xycoords = 'data',
xytext = (+10,+30),
textcoords = 'offset points',
fontsize =14,
arrowprops = dict(arrowstyle= '->',connectionstyle = 'arc3,rad=.2')#箭頭指向的彎曲度
)
plt.annotate(r'$\cos(-\pi)=-1$',
xy = (t2,np.cos(t2)),
xycoords = 'data',
xytext = (0 ,-40),
textcoords = 'offset points',
fontsize = 14,
arrowprops = dict(arrowstyle = '->',connectionstyle='arc3,rad=.2')
)
for label in ax.get_xticklabels() + ax.get_yticklabels() :
label.set_fontsize(18)
label.set_bbox(dict(facecolor = 'r',edgecolor='g',alpha=0.5))
plt.fill_between(x,np.abs(x)0.5,sin,sin>0.5,color='g',alpha =0.8)
plt.fill_between(x,cos,where = (-2.5x)(x-0.5),color = 'purple')
plt.grid()
plt.savefig("D:\python學習數(shù)據(jù)可視化matplot學習.png",dpi = 300)
plt.show()
到此這篇關(guān)于matplotlib繪制正余弦曲線圖的實現(xiàn)的文章就介紹到這了,更多相關(guān)matplotlib 正余弦曲線圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python matplotlib 繪制雙Y軸曲線圖的示例代碼
- matplotlib 曲線圖 和 折線圖 plt.plot()實例
