Matplotlib – 高级绘图

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = ['Arial Unicode MS', 'Microsoft Yahei', 'SimHei', 'sans-serif'] 

%matplotlib notebook

三维图像

三维图像主要用于三维数据可视化

from mpl_toolkits.mplot3d import Axes3D  # 载入三维子库

# 0-100之间，随机数，生成20个，做坐标轴坐标
np.random.randint(0, 100, 20)

array([24, 49, 47, 35, 21, 54, 23, 95, 49,  7, 39, 95, 58, 80, 37, 35, 92,
       26, 73, 54])

fig = plt.figure()  # 生成父对象
ax = Axes3D(fig)  # 生成三维子图

x = np.random.randint(0, 100, 20)
y = np.random.randint(0, 100, 20)
z = np.random.randint(0, 100, 20)

ax.scatter(x, y, z, s=z*3, c=z, alpha=0.5)
ax.plot(x, y, z, alpha=0.5)

<IPython.core.display.Javascript object>

image.png

[<mpl_toolkits.mplot3d.art3d.Line3D at 0x6c92da0>]

动画

import random
from matplotlib.animation import FuncAnimation  # 载入动画子库

fig, ax = plt.subplots()

def update(i):  # i是帧编号1,2,3...最后一帧
    plt.title(i)
    plt.plot([1,2])

# 动画方法
ani = FuncAnimation(
    fig,  # 动画应用的图像
    update,  # 动画每帧都要调用的函数
    interval = 100,  # 动画帧间隔，毫秒，大了动画慢，小了动画快
    frames = 50, # 动画帧数，对GIF有效，值调用函数内的i可以获取。可自定义值如range(50,100)
)

<IPython.core.display.Javascript object>

image.png

案例：股票走势模拟

random.randint(-10, 10),

(-2,)

fig, ax = plt.subplots()

line = []

def update(i):
    plt.title(i)
    
    # 原理：固定的图像
#     plt.plot([1,2,3])
#     plt.scatter([5], [10])

    # 散点图动画
#     x = random.randint(-10, 10)
#     y = random.randint(-10, 10)
#     plt.scatter(x, y)
    
    # 折线图，股票价格走势
    y2 = random.randint(-1, 1)
#     plt.plot([2, 3])  # 最少两个节点才能画出一条线
    line.append(y2)  # 追加
    plt.plot(np.array(line).cumsum(), color='red')  # 生成数组，累加历史价格
    

# 动画方法
ani = FuncAnimation(
    fig,  # 动画应用的图像
    update,  # 动画每帧都要调用的函数
    interval = 100,  # 动画帧间隔，毫秒，大了动画慢，小了动画快
    frames = 50, # 动画帧数，对GIF有效，值调用函数内的i可以获取。可自定义值如range(50,100)
)

plt.grid(linewidth=0.2, alpha=0.5)

# 动画保存,某些系统和环境下不能使用，根据情况选用
# ani.save('line.html', dpi=72)  # 保存为HTML
# 动画如需保存为GIF图片，系统内必须安装imagemagick，（Ubuntu默认可用），测试Windows有的不可用
ani.save('line.gif', dpi=72, writer='imagemagick')  # 保存为GIF

<IPython.core.display.Javascript object>

image.png

line
np.array(line)
np.array(line).cumsum() # 累加

array([ 1,  2,  1,  1,  2,  2,  3,  3,  3,  4,  4,  4,  4,  3,  2,  3,  4,
        4,  5,  5,  5,  5,  4,  3,  4,  3,  4,  4,  3,  4,  3,  2,  3,  3,
        4,  3,  2,  3,  2,  2,  2,  3,  2,  2,  3,  2,  1,  1,  2,  3,  2,
        3,  4,  5,  6,  5,  4,  5,  6,  7,  6,  5,  5,  5,  6,  6,  7,  6,
        5,  5,  4,  3,  4,  4,  5,  4,  3,  4,  5,  5,  5,  5,  5,  4,  3,
        3,  4,  5,  6,  7,  7,  8,  9,  9, 10, 11, 11, 12, 12, 12, 13, 13,
       13, 12, 12, 13, 12, 13, 12, 12, 11, 11, 11, 12, 13, 13, 12, 12, 13,
       12, 13, 14, 14, 14, 15, 14, 13, 12, 12, 11, 11, 11, 12, 11, 11, 11],
      dtype=int32)

数学或科研展示图像

绘制一个简单线性函数，和非线性函数图像

np.arange(-50, 50, 10)  # 起始值结束值自增，步长10

array([-50, -40, -30, -20, -10,   0,  10,  20,  30,  40])

np.linspace(-10, 10, 20)  # 将起始值和结束值等分为20份

array([-10.        ,  -8.94736842,  -7.89473684,  -6.84210526,
        -5.78947368,  -4.73684211,  -3.68421053,  -2.63157895,
        -1.57894737,  -0.52631579,   0.52631579,   1.57894737,
         2.63157895,   3.68421053,   4.73684211,   5.78947368,
         6.84210526,   7.89473684,   8.94736842,  10.        ])

%matplotlib inline

plt.figure(figsize=(7, 5), dpi=150)

# 线性函数：y=kx+b
x = np.array([-50,-15,0,5,8,15,50])
k = 2
b = 10
y = k * x + b
y

plt.plot(x, (k * x), label='2*x+10')
plt.plot(x, (10 * x + 100), label='5*x')

# 非线性函数
# x2 = np.array([-50,-15,0,5,8,15,50])  # 数据太少，曲线不平滑
x2 = np.linspace(-25, 25, 100)  # 100个坐标值
y2 = x2 ** 2
y2

plt.plot(x2, y2, label='x**2')

###########################################33

# 坐标轴标注
plt.xticks(np.arange(-50, 50, 5))
plt.yticks(np.arange(-200, 400, 50))

plt.legend()  # 图例
plt.grid(linewidth=0.2, alpha=0.5)  # 网格


# 操作轴线
# gca，get corrent axis，获取轴
ax = plt.gca()

# 去除上侧和右侧的空白轴线
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 移位轴线
ax.spines['bottom'].set_position(['data', 0])
ax.spines['left'].set_position(['data', 0])

output_18_0.png

plt.figure(figsize=(10, 6), dpi=200)

# 线性函数：y=kx+b
x = np.array([-50,-15,0,5,8,15,50])
k = 2
b = 30
y = k * x + b
plt.plot(x, y)

# 组件

# 标题，可以使用$引入部分latex文本排版语法和公式
plt.title('线性 $y=ax+b$，非线性 $y=ax^{2}+bx+c$')  

# 坐标轴标注，当字符串里有反斜杠等转义特殊字符时,字符串前加`r`,表示显示原始字符串
plt.xlabel(r'x \axis')

###############

# 操作轴线

# gca，get corrent axis，获取轴
ax = plt.gca()

# 交换轴线
# ax.xaxis.set_ticks_position('top')
# ax.yaxis.set_ticks_position('right')

# # 去除上侧和右侧的空白轴线
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# # 移位轴线
ax.spines['bottom'].set_position(['data', -10])  # y轴在x轴-10处
ax.spines['left'].set_position(['data', 0])

###############

# 添加注解标识

# 标记点

x0 = -10
y0 = k * x0 + b
plt.scatter(x0, y0, color='red')

# 标记线
plt.plot(
    [x0, x0],
    [y0, -10],
    linestyle='--',
    color='green',
)
plt.plot(
    [x0, 0],
    [y0, y0],
    linestyle='-.',
    color='yellow',
)

#################################

# 任意位置增加文本
plt.text(
    20,
    75,
    '我是图片内文本！',
    fontsize=18,
    rotation=30,
)

# 任意位置增加带箭头的注释文本
plt.annotate(
    r'$Linear\ function\ y=ax+b$',  #显示字符串，空格在$内不显示，用反斜杠转义
    xytext=(-45, 100),  # 文本位置
    xy=(x0, y0),  # 箭头指向位置
    
    arrowprops=dict(  # 字典类型，定义箭头样式
        arrowstyle = 'fancy',  # 箭头样式，例如 ->,<-,|-|,simple,fancy
        color = 'green',  # 箭头颜色
        connectionstyle="arc3,rad=.5",  # 箭头弧度
    ),
    
    # 下面两个参数将绝对坐标位置设为相对坐标
#     xycoords = 'data',  # 相对默认坐标系偏移
#     textcoords = 'offset points',  # 相对坐标，相对箭头原点偏移
)

Text(-45,100,'$Linear\\ function\\ y=ax+b$')

output_19_1.png