matplotlib繪制正餘弦曲線圖的實現

序言:

在python裡面,數據可視化是python的一個亮點。在python裡面,數據可視可以達到什麼樣的效果,這當然與我們使用的庫有關。python常常需要導入庫,並不斷調用方法,就很像一條流數據可視化的庫,有很多,很多都可以後續開發,然後我們調用。瞭解過pyecharts美觀的可視化界面 ,將pyecharts和matplotlib相對比一下。

pyecharts和matplotlib的區別在哪裡呢?Matplotlib是Python數據可視化庫的泰鬥,盡管已有十多年的歷史,但仍然是Python社區中使用最廣泛的繪圖庫,它的設計與MATLAB非常相似,提供瞭一整套和MATLAB相似的命令API,適合交互式制圖,還可以將它作為繪圖控件,嵌入其它應用程序中。
Pyecharts是一款將Python與Echarts相結合的數據可視化工具,可以高度靈活的配置,輕松搭配出精美的視圖。其中Echarts是百度開源的一個數據可視化庫,而Pyecharts將Echarts與Python進行有機對接,方便在Python中直接生成各種美觀的圖形。

數據可視化之matplotlib繪制正餘弦曲線圖

我們先來看最終實現效果

在這裡插入圖片描述

上面這個圖是最終保存的圖片查看效果
我們一步一步來實現

1:首先我們需要導入基本的庫

matplotlib numpy
matplotlib 是我們本章需要的庫
numpy 是我們數據分析處理的常見庫,在機器學習時也會經常用到。

一步一步來瞭
下面展示一些 內聯代碼片

第一步

#1:用到的方法及參數
# linspace(start, stop, num=50, endpoint=True, 
# retstep=False, dtype=None)
# 相關參數的說明
# 指定在start到stop均分數值
# start:不可省略
# stop:有時包含有時不包含,根據endpoint來選擇,默認包含
# num:指定均分的數量,默認為50
# endpoint:佈爾值,可選,默認為True。包含stop就True,不包含就# False
# retstep : 佈爾值,可選,默認為False。如果為True,返回值和步長
# dtype : 輸出數據類型,可選。如果不指定,則根據前面參數的數據類型
# 2:np.plot(x,y.color.lw,label,ls,mk,mec,mfc)
# 其中X由所有輸入點坐標的x值組成,Y是由與X中包含的x對應的y所組
# 成的向量
# color 指定線條的顏色
# lw指定線條的寬度
# lw指定線條的樣式,默認為實現
# mk可以指定數據標識符
# ms可以指定標識符的大小
# mec可以指定標識符的邊界色彩
# mfc標識符內部填充顏色
import matplotlib.pyplot as plt
import numpy as np
#用於正常顯示中文標簽
plt.rcParams['font.sans-serif']=['SimHei']
# 用於正常顯示符號
plt.rcParams['axes.unicode_minus']=False
x = np.linspace(-np.pi,np.pi,256,endpoint = 256)
sin,cos = np.sin(x),np.cos(x)
#繪制,並設置相關的參數,這裡標簽還不會顯示出來,因為還沒有
#添加圖例,具體往下面看
plt.plot(x,sin,color = 'blue',lw=2.5,label = '正弦sin',mec='red')
plt.plot(x,cos,color = 'red',lw = 2.5,label = '餘弦cos()')
plt.show() #顯示

在這裡插入圖片描述

第二步

#用到的方法及參數
# plt.xlim(xmin, xmax)
# xmin:x軸上的最小值
# xmax:x軸上的最大值
#plt.ylim() 與上一樣的道理
#具體如何使用,可以看下面的實例代碼

plt.xlim(x.min()*1.5,x.max()*1.5) #將x軸拉伸1.5倍
plt.ylim(cos.min()*1.5,cos.max()*1.5) # 將y軸拉伸1.5倍
plt.show()

在這裡插入圖片描述

第三步

#用到的方法與參數
# plt.xticks([],[])
# plt.yticks([],[])
# plt.title('',color,color,..) #設置標題,裡面的相關參數可以# 指定
# plt.text(備註內容x軸的坐標,備註內容y軸的坐標 ,'備註內容',fontsize,color,..) #給右下角添加備註

#想說的說這裡面有連個參數,分別以列表的形式展示。
現在隻需要介紹是用來設置坐標刻度的。其中第二個參數列表
是用來轉義的。具體實例如下。

下面展示一些 內聯代碼片

在x軸的刻度上,我們需要我們需要按照規則的正餘弦刻度來,而不是簡單的實數,我們需要圓周率。因此在plt.xticks([],[])的第二個列表參數上需要轉義。

#這裡的r’$代表開始,$代表結尾,\代表轉義,\pi代表圓周率的意思,r代表原始字符串。因此可以一一對應下來的。

plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],
[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
plt.yticks([-1,0,1])
plt.title("繪圖正餘弦函數曲線圖",fontsize = 16,color ='green')
#給圖片右下角添加備註標簽
plt.text(+2.2,-1.4,"by:jgdabc",fontsize=16,color = 'purple')
plt.show()

在這裡插入圖片描述

第四步:

用到的方法及參數:
plt.gca()#這個方法有點東西。
我要簡單的去理解,Python庫太繁雜瞭。有點頭大。
plt.gca(),可以獲得axes對象
什麼又是axes對象?
在matplotlib中,整個圖表為一個figure對象。每個figure
對象中可以包含一個或多個axes,而axes為坐標軸。每個axes
對象都是一個擁有自己坐標系統的繪圖區域。我們可以理解為通
過這個方法我們可以獲得axes對象,而通過這個對象可以幫助我們
方便的操作坐標軸,ok。具體操作看實例吧!

#我相信能看懂英文的不看註釋也可以看懂
ax = plt.gca() #獲取Axes對象
ax.spines['right'].set_color('none') #隱藏右邊界
ax.spines['top'].set_color('none')#隱藏上邊界
ax.xaxis.set_ticks_position('bottom') #x軸坐標刻度設置在坐標下面
ax.spines['bottom'].set_position(('data',0))#將x坐標軸平移經過(0,0)的位置
ax.yaxis.set_ticks_position('left')#將y軸坐標刻度設置在坐標軸左側
ax.spines['left'].set_position(('data',0))#將y軸坐標軸平移到(0,0)位置
plt.show()

兄弟們是不是有點像瞭,還不夠。

在這裡插入圖片描述

第五步:

用到的方法及參數:

plt.legend()

添加圖例

這樣才會把我上述label的內容顯示出來。

plt.legend(loc ='upper left',fontsize=12)
plt.show()

在這裡插入圖片描述

第六步
註意第六步我們要描點,並畫線

用到的方法及參數
plt.plot() # 這個前面已經有說明,不再贅述,這裡我們
要加一個參數linewidth指定,將其變為虛線
plt.scatter() #用來繪制兩個點的位置
plt.annotate #用來添加註釋文字,具體解釋我們在實例代碼中說明

```javascript
t1 = 2*np.pi/3 #取一個x軸坐標點
t2 = -np.pi # 取第二個坐標點
#根據畫線,第一個列表是x軸坐標值,第二個列表是y軸坐標值
plt.plot([t1,t1],[0,np.sin(t1)],color = 'b',linewidth = 1.5,linestyle = '--')
#畫線
plt.plot([t2,t2],[0,np.cos(t2)],color ='r',linewidth=1.5,linestyle="--")
#標註兩個點的位置(繪制散點圖的方法)
plt.scatter([t1,],[np.sin(t1),],50,color = 'b') #50為指定的大小
#為圖表添加註釋
plt.scatter([t2,],[np.cos(2),],50,color = 'r')
plt.annotate( r'$\sin(\frac{2\pi}{3}=\frac{\sqrt{3}}{2}$)',
       xy = (t1,np.sin(t1)), #點的位置
       xycoords = 'data', #註釋文字的偏移量
       xytext = (+10,+30), #文字離點的橫縱距離
       textcoords = 'offset points',
       fontsize =14,#註釋的大小
       arrowprops = dict(arrowstyle = '->',connectionstyle = 'arc3,rad=.2')#箭頭指向的彎曲度


)
plt.annotate(r'$\cos(-\pi)=-1$',
       xy = (t2,np.cos(t2)),
       xycoords = 'data', #註釋文字的偏移量
       xytext = (0 ,-40), # 文字離點的橫縱距離
       textcoords = 'offset points',
       fontsize = 14,#註釋的大小
       arrowprops = dict(arrowstyle = '->',connectionstyle='arc3,rad=.2')

       ) #點的位置

plt.show()

在這裡插入圖片描述

第七步:我想設置一下x軸和y軸的字體,一提到軸,就用ax.
我們直接上代碼去解釋

#遍歷獲取x軸和y軸的刻度,並設置字體
for label in ax.get_xticklabels() + ax.get_yticklabels() :
  label.set_fontsize(18)
  label.set_bbox(dict(facecolor = 'r',edgecolor='g',alpha=0.5))#alpha代表透明度
#繪制填充區域
plt.fill_between(x,np.abs(x)<0.5,sin,sin>0.5,color='g',alpha =0.8)
plt.fill_between(x,cos,where = (-2.5<x)&(x<-0.5),color = 'purple')
plt.grid() #繪制網格線

plt.savefig("D:\python學習數據可視化matplot學習.png",dpi = 300)保存圖片
plt.show()


註意這裡保存一定要先保存,後show。

最終效果

在這裡插入圖片描述

給大傢完整代碼

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
x = np.linspace(-np.pi,np.pi,256,endpoint=256)
sin,cos = np.sin(x),np.cos(x)
plt.plot(x,sin,color = 'blue',lw=2.5,label = '正弦sin',mec='red')
plt.plot(x,cos,color = 'red',lw = 2.5,label = '餘弦cos()')
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.ylim(cos.min()*1.5,cos.max()*1.5)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
plt.yticks([-1,0,1])
plt.title("繪圖正餘弦函數曲線圖",fontsize = 16,color ='green')
plt.text(+2.2,-1.4,"by:jgdabc",fontsize=16,color = 'purple')
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.legend(loc ='upper left',fontsize=12)
t1 = 2*np.pi/3
t2 = -np.pi

plt.plot([t1,t1],[0,np.sin(t1)],color = 'b',linewidth = 1.5,linestyle = '--')

plt.plot([t2,t2],[0,np.cos(t2)],color ='r',linewidth=1.5,linestyle="--")

plt.scatter([t1,],[np.sin(t1),],50,color = 'b')

plt.scatter([t2,],[np.cos(2),],50,color = 'r')
plt.annotate( r'$\sin(\frac{2\pi}{3}=\frac{\sqrt{3}}{2}$)',
       xy = (t1,np.sin(t1)),
       xycoords = 'data',
       xytext = (+10,+30),
       textcoords = 'offset points',
       fontsize =14,
       arrowprops = dict(arrowstyle= '->',connectionstyle = 'arc3,rad=.2')#箭頭指向的彎曲度


)
plt.annotate(r'$\cos(-\pi)=-1$',
       xy = (t2,np.cos(t2)),
       xycoords = 'data',
       xytext = (0 ,-40),
       textcoords = 'offset points',
       fontsize = 14,
       arrowprops = dict(arrowstyle = '->',connectionstyle='arc3,rad=.2')

       )
for label in ax.get_xticklabels() + ax.get_yticklabels() :
  label.set_fontsize(18)
  label.set_bbox(dict(facecolor = 'r',edgecolor='g',alpha=0.5))

plt.fill_between(x,np.abs(x)<0.5,sin,sin>0.5,color='g',alpha =0.8)
plt.fill_between(x,cos,where = (-2.5<x)&(x<-0.5),color = 'purple')
plt.grid()

plt.savefig("D:\python學習數據可視化matplot學習.png",dpi = 300)
plt.show()


到此這篇關於matplotlib繪制正餘弦曲線圖的實現的文章就介紹到這瞭,更多相關matplotlib 正餘弦曲線圖內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!