matplotlib 繪圖視覺化
為專案設定matplotlib引數
在程式碼執行過程中,有兩種方式更改引數:
- 使用引數字典(rcParams)
- 呼叫matplotlib.rc()命令 通過傳入關鍵字元祖,修改引數
如果不想每次使用matplotlib時都在程式碼部分進行配置,可以修改matplotlib的檔案引數。可以用matplot.get_config()
命令來找到當前使用者的配置檔案目錄。
配置檔案包括以下配置項:
axex: 設定座標軸邊界和表面的顏色、座標刻度值大小和網格的顯示
backend: 設定目標暑促TkAgg和GTKAgg
figure: 控制dpi、邊界顏色、圖形大小、和子區( subplot)設定
font: 字型集(font family)、字型大小和樣式設定
grid: 設定網格顏色和線性
legend: 設定圖例和其中的文字的顯示
line: 設定線條(顏色、線型、寬度等)和標記
patch: 是填充2D空間的圖形物件,如多邊形和圓。控制線寬、顏色和抗鋸齒設定等。
savefig: 可以對儲存的圖形進行單獨設定。例如,設定渲染的檔案的背景為白色。
verbose: 設定matplotlib在執行期間資訊輸出,如silent、helpful、debug和debug-annoying。
xticks和yticks: 為x,y軸的主刻度和次刻度設定顏色、大小、方向,以及標籤大小。
線條相關屬性標記設定
用來該表線條的屬性
線條風格linestyle或ls | 描述 | 線條風格linestyle或ls | 描述 | |
---|---|---|---|---|
‘-‘ | 實線 | ‘:’ | 虛線 | |
‘–‘ | 破折線 | ‘None’,’ ‘,” | 什麼都不畫 | |
‘-.’ | 點劃線 |
線條標記
標記maker | 描述 | 標記 | 描述 | |
---|---|---|---|---|
‘o’ | 圓圈 | ‘.’ | 點 | |
‘D’ | 菱形 | ‘s’ | 正方形 | |
‘h’ | 六邊形1 | ‘*’ | 星號 | |
‘H’ | 六邊形2 | ‘d’ | 小菱形 | |
‘_’ | 水平線 | ‘v’ | 一角朝下的三角形 | |
‘8’ | 八邊形 | ‘ | 一角朝左的三角形 | |
‘p’ | 五邊形 | ‘>’ | 一角朝右的三角形 | |
‘,’ | 畫素 | ‘^’ | 一角朝上的三角形 | |
‘+’ | 加號 | ‘ | ‘ | 豎線 |
‘None’,”,’ ‘ | 無 | ‘x’ | X |
顏色
可以通過呼叫matplotlib.pyplot.colors()
別名 | 顏色 | 別名 | 顏色 | |
---|---|---|---|---|
b | 藍色 | g | 綠色 | |
r | 紅色 | y | 黃色 | |
c | 青色 | k | 黑色 | |
m | 洋紅色 | w | 白色 |
如果這兩種顏色不夠用,還可以通過兩種其他方式來定義顏色值:
- 使用HTML十六進位制字串
color='eeefff'
使用合法的HTML顏色名字(’red’,’chartreuse’等)。 - 也可以傳入一個歸一化到[0,1]的RGB元祖。
color=(0.3,0.3,0.4)
很多方法可以介紹顏色引數,如title()。
plt.tilte('Title in a custom color',color='#123456')
背景色
通過向如matplotlib.pyplot.axes()
或者matplotlib.pyplot.subplot()
這樣的方法提供一個axisbg
引數,可以指定座標這的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098)
基礎
如果你向plot()指令提供了一維的陣列或列表,那麼matplotlib將預設它是一系列的y值,並自動為你生成x的值。預設的x向量從0開始並且具有和y同樣的長度,因此x的資料是[0,1,2,3].
確定座標範圍
- plt.axis([xmin, xmax, ymin, ymax])
上面例子裡的axis()命令給定了座標範圍。 - xlim(xmin, xmax)和ylim(ymin, ymax)來調整x,y座標範圍
12345678910111213141516171819 | %matplotlibinlineimport numpy asnpimport matplotlib.pyplot aspltfrom pylab import *x=np.arange(-5.0,5.0,0.02)y1=np
相關推薦matplotlib 繪圖視覺化知識點整理強烈推薦ipython 無論你工作在什麼專案上,IPython都是值得推薦的。利用ipython --pylab,可以進入PyLab模式,已經匯入了matplotlib庫與相關軟體包(例如Numpy和Scipy),額可以直接使用相關庫的功能。 這樣IPython配置為使用你所指定的matplotlib GU Python--matplotlib繪圖視覺化知識點整理本文作為學習過程中對matplotlib一些常用知識點的整理,方便查詢。 強烈推薦ipython 無論你工作在什麼專案上,IPython都是值得推薦的。利用ipython --pylab,可以進入PyLab模式,已經匯入了matplotlib庫與相關軟體包(例如Num matplotlib繪圖視覺化基本繪圖 import matplotlib.pyplot as plt import numpy as np ##建立畫布: plt.figure() plt.rcParams['font.sans-serif'] = 'SimHei'#用來正常顯示中文標籤 plt.rcParams[ matplotlib 繪圖視覺化為專案設定matplotlib引數 在程式碼執行過程中,有兩種方式更改引數: 使用引數字典(rcParams)呼叫matplotlib.rc()命令 通過傳入關鍵字元祖,修改引數 如果不想每次使用matplotlib時都在程式碼部分進行配置,可以修改 Python基礎——matplotlib庫的使用與繪圖視覺化1、matplotlib庫簡介: Matplotlib 是一個 Python 的 2D繪相簿,開發者可以便捷地生成繪圖,直方圖,功率譜,條形圖,散點圖等。 2、Matplotlib 庫使用: 注:由於深度學習實踐中常常會使用繪圖,主要包括生成 機器學習入門-載入sklearn中資料並用matplotlib進行視覺化from sklearn import datasets import matplotlib.pyplot as plt def get_data(): """ 從sklearn中獲取鳶尾花的資料 :return: 鳶尾花資料的字典,字典中包括的key有:【'data' Python資料處理 | (三) Matplotlib資料視覺化本篇部落格所有示例使用Jupyter NoteBook演示。 Python資料處理系列筆記基於:Python資料科學手冊電子版 下載密碼:ovnh 示例程式碼 下載密碼:02f4 目錄 一、Matplotlib常用技巧 1.匯入 Matplotlib 資料視覺化-基本使用教程一. Matplotlib 基本概念 Matplotlib是python的一個數據視覺化工具庫。 特點:專門用於開發2D圖表(包括3D圖表), 操作簡單。 視覺化是在整個資料探勘的關鍵輔助工具,可以清晰的理解資料,從而調整我們的分析方法。 二. Matplotlib三層結構 Matplotlib資料視覺化——ticks能見度在作圖中函式影象尺寸可能會有遮擋座標上的數字的情況,這是需要設定一下ticks的可見度 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y = 0.1*x plt.figu Matplotlib資料視覺化——設定標註annotation今天主要記錄annotation標註的用法 import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤 plt.rcParams[' Matplotlib資料視覺化——設定座標軸,原點,圖例今天突破了導軌和轉檯的除錯程式,學習會Python娛樂一下 matplotlib庫和MATLAB的資料視覺化功能幾乎是相同,只是因為人工智慧的火爆以及使用方便深受大家喜愛。 1.基本使用 1.1figure影象 繪製單一函式的影象 import numpy as np i Matplotlib資料視覺化——圖中圖import matplotlib.pyplot as plt """ 圖中圖實驗 """ # 繪製大圖 fig = plt.figure() # 使用figure後往往在函式前要加set_或add_等字首 x = [1,2,3,4,5,6,7] y = [1,3,4,2,5,8, Matplotlib資料視覺化——subplot多合一顯示這篇結合前面所學,多合一顯示不同的資料表現形式 import matplotlib.pyplot as plt import cv2 as cv import numpy as np plt.figure() src = cv.imread('./data/lena.jpg', 1 matplotlib資料視覺化分析(2)-- numpy將陣列儲存到檔案1 陣列以二進位制的格式儲存 np.save 和 np.load 是讀寫磁碟資料的兩個主要函式。預設情況下,陣列以未壓縮的原始二進位制格式儲存在副檔名為 npy 的檔案中,以陣列 a 為例: # coding:utf-8 import numpy as np Matplotlib資料視覺化基礎import numpy as np import matplotlib.pyplot as plt ## %matplotlib inline表示在行中顯示圖片,在命令列執行報錯 data = np.arange(0,1.1,0.01) plt.title('lines' Matplotlib資料視覺化——subplot的另外三種常用方法第一種方法:subplot2grid 定義一個3*3的矩陣位置,利用subplot2grid分別框選出想要的區域大小,進而在區域中plot出想繪製的函式即可,colspan與rowspan分別表示行數和列數,用來界定大小 說明: 通過這種方法設定title和label需要在前面加上s Matplotlib資料視覺化——次座標何謂次座標,即共享一個x軸,左右兩個y軸。左邊為主,右側為次 import matplotlib.pyplot as plt import numpy as np # 構造兩個函式 x = np.arange(0, 10, 0.2) y1 = 0.27*x**2 y2 = -y1 python—matplotlib資料視覺化例項註解系列-----之柱狀圖本文程式碼源自官方例項,部分進行了修改和註解方便學習和查詢。 Matplotlib.pyplot中hist()的引數: n, bins, patches = plt.hist(arr, bins=1 TensorFlow-matplotlib結果視覺化TensorFlow-matplotlib結果視覺化 硬體:NVIDIA-GTX1080 軟體:Windows7、python3.6.5、tensorflow-gpu-1.4.0 一、基礎知識 matplotlib為matlab在python中的介面 二、程式碼展示 im Matplotlib資料視覺化——contour等高線圖等高線大家都不陌生,這個詞來源對地勢地貌的描述。 在機器學習的隨機梯度下降中涉及了等高線圖用以形象的描述每次迭代的步距、方向等,這也正是它的用武之地。僅僅學習其中的皮毛。 君子性非異也,善假於物也 |