python教程画图函数,Python画函数图

如何用python绘制各种图形

1.环境

系统：windows10

python版本：python3.6.1

使用的库：matplotlib，numpy

2.numpy库产生随机数几种方法

import numpy as np

numpy.random

rand(d0, d1, ..., dn)  

In [2]: x=np.random.rand(2,5)

In [3]: x

Out[3]:

array([[ 0.84286554,  0.50007593,  0.66500549,  0.97387807,  0.03993009],

[ 0.46391661,  0.50717355,  0.21527461,  0.92692517,  0.2567891 ]])

randn(d0, d1, ..., dn)查询结果为标准正态分布

In [4]: x=np.random.randn(2,5)

In [5]: x

Out[5]:

array([[-0.77195196,  0.26651203, -0.35045793, -0.0210377 ,  0.89749635],

[-0.20229338,  1.44852833, -0.10858996, -1.65034606, -0.39793635]])

randint(low,high,size)  

生成low到high之间（半开区间 [low, high)），size个数据

In [6]: x=np.random.randint(1,8,4)

In [7]: x

Out[7]: array([4, 4, 2, 7])

random_integers(low,high,size)  

生成low到high之间（闭区间 [low, high)），size个数据

In [10]: x=np.random.random_integers(2,10,5)

In [11]: x

Out[11]: array([7, 4, 5, 4, 2])

3.散点图

x x轴

y y轴

s   圆点面积

c   颜色

marker  圆点形状

alpha   圆点透明度                #其他图也类似这种配置

N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)

x=np.random.randn(N)

y=np.random.randn(N)

plt.scatter(x,y,s=50,c='r',marker='o',alpha=0.5)

plt.show()

4.折线图

x=np.linspace(-10000,10000,100) #将-10到10等区间分成100份

y=x**2+x**3+x**7

plt.plot(x,y)

plt.show()

折线图使用plot函数

5.条形图

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)

plt.bar(left=index,height=y,color='red',width=0.3)

plt.bar(left=index+0.3,height=y1,color='black',width=0.3)

plt.show()

orientation设置横向条形图

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)# plt.bar(left=index,height=y,color='red',width=0.3)# plt.bar(left=index+0.3,height=y1,color='black',width=0.3)#plt.barh() 加了h就是横向的条形图，不用设置orientation

plt.bar(left=0,bottom=index,width=y,color='red',height=0.5,orientation='horizontal')

plt.show()

6.直方图

m1=100

sigma=20

x=m1+sigma*np.random.randn(2000)

plt.hist(x,bins=50,color="green",normed=True)

plt.show()

# #双变量的直方图# #颜色越深频率越高# #研究双变量的联合分布

#双变量的直方图#颜色越深频率越高#研究双变量的联合分布

x=np.random.rand(1000)+2

y=np.random.rand(1000)+3

plt.hist2d(x,y,bins=40)

plt.show()

7.饼状图

#设置x,y轴比例为1：1，从而达到一个正的圆

#labels标签参数,x是对应的数据列表,autopct显示每一个区域占的比例,explode突出显示某一块,shadow阴影

labes=['A','B','C','D']

fracs=[15,30,45,10]

explode=[0,0.1,0.05,0]#设置x,y轴比例为1：1，从而达到一个正的圆

plt.axes(aspect=1)#labels标签参数,x是对应的数据列表,autopct显示每一个区域占的比例,explode突出显示某一块,shadow阴影

plt.pie(x=fracs,labels=labes,autopct="%.0f%%",explode=explode,shadow=True)

plt.show()

8.箱型图

import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 点的形状，whis虚线的长度plt.boxplot(data,sym="o",whis=1.5)plt.show()

#sym 点的形状，whis虚线的长度

相关问答

Q1: 用Python画图

今天开始琢磨用Python画图，没使用之前是一脸懵的，我使用的开发环境是Pycharm，这个输出的是一行行命令，这个图画在哪里呢？

搜索之后发现，它会弹出一个对话框，然后就开始画了，比如下图

第一个常用的库是Turtle，它是Python语言中一个很流行的绘制图像的函数库，这个词的意思就是乌龟，你可以想象下一个小乌龟在一个x和y轴的平面坐标系里，从原点开始根据指令控制，爬行出来就是绘制的图形了。

  它最常用的指令就是旋转和移动，比如画个圆，就是绕着圆心移动；再比如上图这个怎么画呢，其实主要就两个命令：

turtle.forward(200)

turtle.left(170)

第一个命令是移动200个单位并画出来轨迹

第二个命令是画笔顺时针转170度，注意此时并没有移动，只是转角度

然后呢？ 循环重复就画出来这个图了

好玩吧。

有需要仔细研究的可以看下这篇文章 ，这个牛人最后用这个库画个移动的钟表，太赞了。

Turtle虽好玩，但是我想要的是我给定数据，然后让它画图，这里就找到另一个常用的画图的库了。

Matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。其中，matplotlib的pyplot模块一般是最常用的，可以方便用户快速绘制二维图表。

使用起来也挺简单，

首先import matplotlib.pyplot as plt 导入画图的图。

然后给定x和y，用这个命令plt.plot(x, y)就能画图了，接着用plt.show()就可以把图形展示出来。

接着就是各种完善，比如加标题，设定x轴和y轴标签，范围，颜色，网格等等，在 这篇文章里介绍的很详细。

现在互联网的好处就是你需要什么内容，基本上都能搜索出来，而且还是免费的。

我为什么要研究这个呢？当然是为了用，比如我把比特币的曲线自己画出来可好？

假设现在有个数据csv文件，一列是日期，另一列是比特币的价格，那用这个命令画下：

这两列数据读到pandas中，日期为df['time']列，比特币价格为df['ini']，那我只要使用如下命令

plt.plot(df['time'], df['ini'])

plt.show()

就能得到如下图：

自己画的是不是很香，哈哈！

然后呢，我在上篇文章 中介绍过求Ahr999指数，那可不可以也放到这张图中呢？不就是加一条命令嘛

plt.plot(df['time'], df['Ahr999'])

图形如下：

但是，Ahr999指数怎么就一条线不动啊， 原来两个Y轴不一致，显示出来太怪了，需要用多Y轴，问题来了。

继续谷歌一下，把第二个Y轴放右边就行了，不过呢得使用多图，重新绘制

fig = plt.figure() # 多图

ax1 = fig.add_subplot(111)

ax1.plot(df['time'], df['ini'], label="BTC price")  # 绘制第一个图比特币价格

ax1.set_ylabel('BTC price') # 加上标签

# 第二个直接对称就行了

ax2 = ax1.twinx()# 在右边增加一个Y轴

ax2.plot(df['time'], df['Ahr999'], 'r', label="ahr999")  # 绘制第二个图Ahr999指数，红色

ax2.set_ylim([0, 50])# 设定第二个Y轴范围

ax2.set_ylabel('ahr999')

plt.grid(color="k", linestyle=":")# 网格

fig.legend(loc="center")#图例

plt.show()

跑起来看看效果，虽然丑了点，但终于跑通了。

这样就可以把所有指数都绘制到一张图中，等等，三个甚至多个Y轴怎么加？这又是一个问题，留给爱思考爱学习的你。

有了自己的数据，建立自己的各个指数，然后再放到图形界面中，同时针对异常情况再自动进行提醒，比如要抄底了，要卖出了，用程序做出自己的晴雨表。

Q2: Python气象数据处理与绘图(2)：常用数据计算方法

对于气象绘图来讲，第一步是对数据的处理，通过各类公式，或者统计方法将原始数据处理为目标数据。

按照气象统计课程的内容，我给出了一些常用到的统计方法的对应函数：

在计算气候态，区域平均时均要使用到求均值函数，对应NCL中的dim_average函数，在python中通常使用np.mean()函数

numpy.mean(a, axis, dtype)

假设a为[time,lat,lon]的数据，那么

需要特别注意的是，气象数据中常有缺测，在NCL中，使用求均值函数会自动略过，而在python中，当任意一数与缺测(np.nan)计算的结果均为np.nan，比如求[1,2,3,4，np.nan]的平均值，结果为np.nan

因此，当数据存在缺测数据时，通常使用np.nanmean()函数，用法同上，此时[1,2,3,4，np.nan]的平均值为(1+2+3+4)/4 = 2.5

同样的，求某数组最大最小值时也有np.nanmax(), np.nanmin()函数来补充np.max(), np.min()的不足。

其他很多np的计算函数也可以通过在前边加‘nan’来使用。

另外，

也可以直接将a中缺失值全部填充为0。

np.std(a, axis, dtype)

用法同np.mean()

在NCL中有直接求数据标准化的函数dim_standardize()

其实也就是一行的事，根据需要指定维度即可。

皮尔逊相关系数：

相关可以说是气象科研中最常用的方法之一了，numpy函数中的np.corrcoef(x, y)就可以实现相关计算。但是在这里我推荐scipy.stats中的函数来计算相关系数：

这个函数缺点和有点都很明显，优点是可以直接返回相关系数R及其P值，这避免了我们进一步计算置信度。而缺点则是该函数只支持两个一维数组的计算，也就是说当我们需要计算一个场和一个序列的相关时，我们需要循环来实现。

其中a[time,lat,lon]，b[time]

(NCL中为regcoef()函数)

同样推荐Scipy库中的stats.linregress(x,y)函数：

slop: 回归斜率

intercept：回归截距

r_value： 相关系数

p_value： P值

std_err： 估计标准误差

直接可以输出P值，同样省去了做置信度检验的过程，遗憾的是仍需同相关系数一样循环计算。

Q3: Python matplotlib之函数图像绘制、线条rc参数设置

为避免中文显示出错，需导入matplotlib.pylab库

1.2.1 确定数据

1.2.2 创建画布

1.2.3 添加标题

1.2.4 添加x，y轴名称

1.2.5 添加x，y轴范围

1.2.6 添加x，y轴刻度

1.2.7 绘制曲线、图例, 并保存图片

保存图片时，dpi为清晰度，数值越高越清晰。请注意，函数结尾处，必须加plt.show()，不然图像不显示。

绘制流程与绘制不含子图的图像一致，只需注意一点：创建画布。

合理调整figsize、dpi，可避免出现第一幅图横轴名称与第二幅图标题相互遮盖的现象.

2.2.1 rc参数类型

2.2.2 方法1：使用rcParams设置

2.2.3 方法2：plot内设置

2.2.4 方法3：plot内简化设置

方法2中，线条形状，linestyle可简写为ls；线条宽度，linewidth可简写为lw；线条颜色，color可简写为c，等等。

Q4: Python绘图之（1）Turtle库详解

Turtle库是Python语言中一个很流行的绘制图像的函数库，想象一个小乌龟，在一个横轴为x、纵轴为y的坐标系原点，(0,0)位置开始，它根据一组函数指令的控制，在这个平面坐标系中移动，从而在它爬行的路径上绘制了图形。

画布就是turtle为我们展开用于绘图区域，我们可以设置它的大小和初始位置。

设置画布大小

turtle.screensize(canvwidth=None, canvheight=None, bg=None)，参数分别为画布的宽(单位像素), 高, 背景颜色。

如：turtle.screensize(800,600, "green")

turtle.screensize() #返回默认大小(400, 300)

turtle.setup(width=0.5, height=0.75, startx=None, starty=None)，参数：width, height: 输入宽和高为整数时, 表示像素; 为小数时, 表示占据电脑屏幕的比例，(startx, starty): 这一坐标表示矩形窗口左上角顶点的位置, 如果为空,则窗口位于屏幕中心。

如：turtle.setup(width=0.6,height=0.6)

turtle.setup(width=800,height=800, startx=100, starty=100)

2.1 画笔的状态

在画布上，默认有一个坐标原点为画布中心的坐标轴，坐标原点上有一只面朝x轴正方向小乌龟。这里我们描述小乌龟时使用了两个词语：坐标原点(位置)，面朝x轴正方向(方向)， turtle绘图中，就是使用位置方向描述小乌龟(画笔)的状态。

2.2 画笔的属性

画笔(画笔的属性，颜色、画线的宽度等)

1) turtle.pensize()：设置画笔的宽度；

2) turtle.pencolor()：没有参数传入，返回当前画笔颜色，传入参数设置画笔颜色，可以是字符串如"green", "red",也可以是RGB 3元组。

3) turtle.speed(speed)：设置画笔移动速度，画笔绘制的速度范围[0,10]整数，数字越大越快。

2.3 绘图命令

操纵海龟绘图有着许多的命令，这些命令可以划分为3种：一种为运动命令，一种为画笔控制命令，还有一种是全局控制命令。

(1) 画笔运动命令

(2) 画笔控制命令

(3) 全局控制命令

(4) 其他命令

3. 命令详解

3.1 turtle.circle(radius, extent=None, steps=None)

描述：以给定半径画圆

参数：

radius(半径)：半径为正(负)，表示圆心在画笔的左边(右边)画圆；

extent(弧度) (optional)；

steps (optional) (做半径为radius的圆的内切正多边形，多边形边数为steps)。

举例:

circle(50) # 整圆;

circle(50,steps=3) # 三角形;

circle(120, 180) # 半圆

实例：

1、太阳花

2、五角星

3、时钟程序

Q5: Python气象数据处理与绘图(18)：泰勒图

泰勒图绘制的核心思想是设计一个只有第一象限的极坐标，并将方差，相关系数进行捆绑，通过转化为极坐标系坐标进行绘制。为了实现泰勒图的绘制，我设计了两个函数：

set_tayloraxes(fig, location=111) 和plot_taylor(axes, refsample, sample, args, *kwargs)

set_tayloraxes()函数用于建立一个泰勒图的坐标系，这个自定义函数一般情况下不建议修改，每一个参数都是经过多次调试得到的，很可能牵一发动全身。因此，将绘图部分的独立成为了plot_taylor函数()，这部分函数较为简单，目的就是将需要绘图的数据，转换为极坐标系坐标，通过plot函数将散点打在泰勒图上，这个函数模块较为简单，可以根据自己的输入数据情况进行调整。

下面介绍下函数的具体用法：

输入：

fig： 需要绘图的figure

rect：图的位置，如111为1行1列第一个，122为1行2列第2个

输出：

polar_ax：泰勒坐标系

输入：

axes : setup_axes返回的泰勒坐标系

refsample ：参照样本

sample ：评估样本

args, *kwargs ：plt.plot()函数的相关参数，设置点的颜色，形状等等。

下面给出示例：