网站开发研发设计,制作电子印章,大学专业宣传网站开发课题意义,WordPress pdo mysql文章目录 基础图误差线等高线polar场图polar统计图非结构坐标图 #x1f4ca;python35种绘图函数总结#xff0c;3D、统计、流场#xff0c;实用性拉满
matplotlib中的画图函数#xff0c;大部分情况下只要声明坐标映射是polar#xff0c;就都可以画出对应的极坐标图。但… 文章目录 基础图误差线等高线polar场图polar统计图非结构坐标图 python35种绘图函数总结3D、统计、流场实用性拉满
matplotlib中的画图函数大部分情况下只要声明坐标映射是polar就都可以画出对应的极坐标图。但极坐标和直角坐标的坐标区间不同所以有些数据和函数关系适合在直角坐标系中展示而有些则适合在及坐标中展示。
基础图
函数坐标参数图形类别plotx,y曲线图stackplotx,y散点图stemx,y茎叶图scatterx,y散点图polarx,y极坐标图stepx,y步阶图barx,y条形图barhx,y横向条形图 bar和barh的对偶关系稍微有些抽象可以理解为前者是以角度方向为x轴而barh则是以半径方向为x轴。
代码如下
import matplotlib.pyplot as plt
import numpy as npx np.arange(20)/2
y xfDct {plot : plt.plot, stackplot: plt.stackplot,stem : plt.stem, scatter : plt.scatter, polar: plt.polar, step : plt.step, bar : plt.bar, barh : plt.barh, }fig plt.figure(figsize(14,6))
for i,key in enumerate(fDct, 1):ax fig.add_subplot(2,4,i, projectionpolar)fDct[key](x, y)plt.title(key)plt.tight_layout()
plt.show()误差线
函数坐标图形类别errorbarx,y,xerr,yerr误差线fill_betweenx,y1,y2纵向区间图fill_betweenxy, x1, x2横向区间图 代码如下
x np.arange(20)/2
y x
y1, y2 0.9*y, 1.1*y
x1, x2 0.9*x, 1.1*x
xerr np.abs([x1, x2])/10
yerr np.abs([y1, y2])/10fig plt.figure(figsize(12,4))ax fig.add_subplot(141, projectionpolar)
ax.errorbar(x, y, yerryerr)
plt.title(errorbar with yerr)ax fig.add_subplot(142, projectionpolar)
ax.errorbar(x, y, xerrxerr)
plt.title(errorbar with xerr)ax fig.add_subplot(143, projectionpolar)
ax.fill_between(x, y1, y2)
plt.title(fill_between)ax fig.add_subplot(144, projectionpolar)
ax.fill_betweenx(y, x1, x2)
plt.title(fill_betweenx)plt.tight_layout()
plt.show()等高线polar
绘图函数坐标说明contour[x,y,]z等高线contourf[x,y,]z填充等高线pcolormesh[x,y,]z伪彩图
由于imshow默认其绘图坐标是标准的1x1网格而在极坐标种这种网格的尺寸会随着r的增大而增大从而变得极其不实用所以下面对极坐标图的演示就不包含imshow了。 代码如下
X, Y np.indices([100,100])
X X/100*np.pi*2
Y Y/25 - 2
Z (1 - np.sin(X) np.cos(X)**5 Y**3) * np.exp(-Y**2)fDct {contour: plt.contour, contourf:plt.contourf, pcolormesh : plt.pcolormesh}fig plt.figure(figsize(9,3))
for i,key in enumerate(fDct, 1):ax fig.add_subplot(1,3,i, projectionpolar)fDct[key](X,Y,Z)plt.title(key)plt.tight_layout()
plt.show()场图polar
绘图函数坐标说明quiverx,y,u,v向量场图streamplotx,y,u,v流场图barbsx,y,u,v风场图 代码如下
Y, X np.indices([10,10])
X X/10*np.pi*2.5
Y Y#Y, X np.indices([6,6])/0.75 - 4
U 6*np.sin(X) Y
V Y - 6*np.sin(X)dct {quiver:plt.quiver, streamplot:plt.streamplot, barbs :plt.barbs}fig plt.figure(figsize(12,4))for i,key in enumerate(dct, 1):ax fig.add_subplot(1,3,i,projectionpolar)dct[key](X,Y,U,V)plt.title(key)plt.tight_layout()
plt.show()统计图
绘图函数坐标说明histx数据直方图boxplotx箱线图violinplotx小提琴图enventplotx平行线疏密图hist2dx,y二维直方图hexbinx,y钻石图piex饼图
极坐标在绘制直方图的时候需要注意其横坐标是以 2 π 2\pi 2π为周期的也就是说随机变量的最大值和最小值不得相差 2 π 2\pi 2π否则会导致重叠。 由于极坐标绘图本质上是一种坐标映射所以并不会把0和360°真正地等同起来所以在hist2d中整个图像并没有闭合。而最有意思的是饼图直接给压扁了让人很难一下子看出不同组分的比例关系。
代码如下
x np.random.standard_normal(size1000)dct {hist : plt.hist, violinplot : plt.violinplot,boxplot: plt.boxplot}fig plt.figure(figsize(10,6))
for i,key in enumerate(dct, 1):ax fig.add_subplot(2,3,i, projectionpolar)dct[key](x)plt.title(key)ax fig.add_subplot(234, projectionpolar)
ax.eventplot(x)
plt.title(eventplot)x np.random.randn(5000)
y 1.2 * x np.random.randn(5000) / 3
ax fig.add_subplot(235, projectionpolar)
ax.hist2d(x, y, bins[np.arange(-3,3,0.1)] * 2)
plt.title(hist2d)ax fig.add_subplot(236, projectionpolar)
ax.pie([1,2,3,4,5])
plt.title(pie)plt.tight_layout()
plt.show()非结构坐标图
绘图函数坐标说明tricontourx,y,z非结构等高线tricontourfx,y,z非结构化填充等高线tricolorx,y,z非结构化伪彩图triplotx,y三角连线图 代码如下
x np.random.uniform(0, np.pi*2, 256)
y np.random.uniform(-2, 2, 256)
z (1 - np.sin(x) np.cos(x)**5 y**3) * np.exp(-y**2)levels np.linspace(z.min(), z.max(), 7)fig plt.figure(figsize(12,4))ax fig.add_subplot(141, projectionpolar)
ax.plot(x, y, o, markersize1, colorlightgrey, alpha0.5)
ax.tricontour(x, y, z, levelslevels)
plt.title(tricontour)ax fig.add_subplot(142, projectionpolar)
ax.plot(x, y, o, markersize1, colorlightgrey, alpha0.5)
ax.tricontourf(x, y, z, levelslevels)
plt.title(tricontourf)ax fig.add_subplot(143, projectionpolar)
ax.plot(x, y, o, markersize1, colorlightgrey, alpha0.5)
ax.tripcolor(x, y, z)
plt.title(tripcolor)ax fig.add_subplot(144, projectionpolar)
ax.triplot(x,y)
plt.title(triplot)plt.tight_layout()
plt.show()
