本篇内容介绍了“怎么利用python绘制线型图”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
用法：
matplot.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)参数解释：
x,y
import numpy as npimport matplotlib.pyplot as pltx = np.arange(0.2, 2.0, 0.01)y1 = np.sin(2*np.pi*x)y2 = np.sin(4*np.pi*x)plt.figure(1)plt.subplot(211)plt.plot(x,y1)plt.subplot(212)plt.plot(x,y2)plt.show()
color
Colors的值：
import numpy as npimport matplotlib.pyplot as plt# 需要解释下,下面两行代码是防止出现中文时,会报警告# 因为我们的title里面写的是中文plt.rcParams['font.family'] = 'SimHei'plt.rcParams['axes.unicode_minus']=Falsex = np.arange(0.2, 2.0, 0.01)y1 = np.sin(2*np.pi*x)y2 = np.sin(4*np.pi*x)plt.figure(1)plt.subplot(211)plt.title('不添加颜色')plt.plot(x,y1)plt.subplot(212)plt.title('添加颜色')plt.plot(x,y2,color='c')plt.show()
linstyle
'b' # blue markers with default shape'or' # red circles'-g' # green solid line'--' # dashed line with default color'^k:' # black triangle_up markers connected by a dotted lineimport numpy as npimport matplotlib.pyplot as pltplt.figsize=((10,8))plt.rcParams['font.family'] = 'SimHei'plt.rcParams['axes.unicode_minus']=Falsex = [1, 2, 3, 4]y = [1, 4, 9, 16]plt.subplot(221)plt.title('样式: -')plt.plot(x,y,'-')plt.subplot(222)plt.title('样式: --')plt.plot(x,y,'--')plt.subplot(223)plt.title('样式: -.')plt.plot(x, y, '-.')plt.subplot(224)plt.title('样式: :')plt.plot(x, y, ':')plt.show()
缩写方式
import numpy as npimport matplotlib.pyplot as pltx = [1, 2, 3, 4]y = [1, 4, 9, 16]plt.subplot()# 线形状 '-',颜色'g'plt.plot(x, y, '-g')plt.show()
marker, markersize
marker在scatter里面我已经有所解释过了，有好多种情况，可以在scatter散点图这里会将颜色和marker连接起来,可以有个很清楚的了解，并且较为清楚，也是缩写
import matplotlib.pyplot as pltplt.figsize=((12,6))plt.rcParams['font.family'] = 'SimHei'plt.rcParams['axes.unicode_minus']=Falsex = [1, 2, 3, 4]y = [1, 4, 9, 16]plt.subplot(131)plt.title('默认情况')plt.plot(x, y)plt.subplot(132)plt.title('红色圆圈')# marker为o 颜色rplt.plot(x, y, 'or')plt.subplot(133)plt.title('正三角黑色')# marker为^ 颜色k->blackplt.plot(x, y, '^k')plt.show()
label
标签,这个在所有图形中都可以使用,在这里展示下,包括之前的alpha也是,都所属**kwargs里面，在任何绘图中都可以添加，legend为图例
import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-np.pi/2, np.pi/2, 31)y = np.cos(x)**3# 1) remove points where y > 0.7x2 = x[y <= 0.7]y2 = y[y <= 0.7]# 2) mask points where y > 0.7y3 = np.ma.masked_where(y > 0.7, y)# 3) set to NaN where y > 0.7y4 = y.copy()y4[y3 > 0.7] = np.nanplt.plot(x*0.1, y, 'o-', color='lightgrey', label='No mask')plt.plot(x2*0.4, y2, 'o-', label='Points removed')plt.plot(x*0.7, y3, 'o-', label='Masked values')plt.plot(x*1.0, y4, 'o-', label='NaN values')plt.legend()plt.show()
下面就是一些案例
一次性绘制三个线条图
import numpy as npimport matplotlib.pyplot as pltt = np.arange(0., 5., 0.2)# 红色虚线,蓝色方块,浅蓝六边形plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'cH')plt.show()
import numpy as npimport matplotlib.pyplot as pltx1 = np.linspace(0.0, 5.0)y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)x2 = np.linspace(0.0, 2.0)y2 = np.cos(2 * np.pi * x2)plt.subplot(211)plt.plot(x1, y1, 'o-')plt.subplot(212)plt.plot(x1, y1, '.-')plt.show()
“怎么利用python绘制线型图”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注编程网网站，小编将为大家输出更多高质量的实用文章！
