Python绘制图像（Matplotlib）（Ⅳ）（matplotlib绘制图形）

Python绘制图像（Matplotlib）（Ⅳ）（matplotlib绘制图形）

import matplotlib.pyplot as plt import numpy as np

def no1(): """ 图例的展示样式调整 :return: """ x = np.arange(0, 2.1, 0.1) y = np.power(x, 3) y1 = np.power(x, 2) y2 = np.power(x, 1) plt.plot(x, y, ls='-', lw=2, label="$x^{3}$") plt.plot(x, y1, ls='-', lw=2, c='r', label="$x^{2}$") plt.plot(x, y2, ls='-', lw=2, c='y', label="$x^{1}$") # loc: 位置参数（使用字符串或者数字均可） # bbox_to_anchor: 线框位置参数 # 图例标签内容的标题参数title # 线框阴影shadow和线框圆角处理参数fancybox等 # bbox_to_anchor: (距离画布左侧的x倍长度的倍数的距离，距离画布底部的y轴长度的倍数，x轴长度的倍数的线框的长度，x # 轴长度的倍数的线框的长度) # fancybox: 圆角或者直角 # shadow: 控制线框是否添加阴影 plt.legend(loc="upper left", bbox_to_anchor=(0.05, 0.95), ncol=3, title="power function", shadow=True, fancybox=True) plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"4)\no1.png") plt.show()

def no2(): """ 标题的展示样式调整 :return: """ x = np.linspace(-2, 2, 1000) y = np.exp(x) plt.plot(x, y, ls='-', lw=2, color='g') plt.title('center demo') plt.title('Left Demo', loc='left', fontdict={'size': "xx-large", 'color': 'r', "family": 'Times New Roman'}) plt.title( 'Right Demo', loc='right', fontdict={ 'size': 20, 'style': 'oblique', 'color': 'c', "family": 'Times New Roman'}) plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"4)\no2.png") plt.show()

def no3(): """ 调整刻度范围和刻度标签的方法 :return: """ x = np.linspace(-2 * np.pi, 2 * np.pi, 200) y = np.sin(x) # 在2行1列区域绘制图形1 plt.subplot(211) plt.plot(x, y) plt.subplot(212) # 将xlim中的两数交换顺序，即可得到x逆序结果图像 plt.xlim(-2 * np.pi, 2 * np.pi) plt.xticks([-2 * np.pi, -3 * (np.pi) / 2, -1 * np.pi, -1 * (np.pi) / 2, 0, (np.pi) / 2, np.pi, 3 * np.pi / 2, 2 * np.pi], [r"$-2\pi$", r"$-3\pi/2$", r"$-\pi$", r"$-\pi/2$", r"$0$", r"$\pi/2$", r"$\pi$", r"$3\pi/2$", r"$2\pi$"]) plt.plot(x, y) plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"4)\no3.png") plt.show()

def no4(): """ 向统计图中添加表格 :return: """ mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False labels = 'A 难度水平', 'B 难度水平', 'C 难度水平', 'D 难度水平' students = [0.35, 0.15, 0.20, 0.30] explode = (0.1, 0.1, 0.1, 0.1) colors = ['#377eb8', '#e41a1c', '#4daf4a', '#984ea3'] plt.pie(students, labels=labels, explode=explode, autopct="%1.1f%%", startangle=45, colors=colors, shadow=True) plt.title('选择不同难度测试试卷的学生的百分比') colLabels = ['A 难度水平', 'B 难度水平', 'C 难度水平', 'D 难度水平'] rowLabels = ['学生选择试卷人数'] studentValues = [[350, 150, 200, 300]] colColors = ["#377eb8", "#e41a1c", "#4daf4a", "#984ea3"] plt.table(cellText=studentValues, cellLoc="center", colWidths=[0.1] * 4, colLabels=colLabels, colColours=colColors, rowLabels=rowLabels, rowLoc="center", loc="bottom") plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"4)\no4.png") plt.show()

本篇博文特别感谢刘大成的《Python数据可视化之matplotlib实践》

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。