Python3.0科学计算学习之绘图（一）

本文主要是介绍Python3.0科学计算学习之绘图（一），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.基本绘图：
(1) plot是标准的绘图库，调用函数plot(x,y)就可以创建一个带有绘图的图形窗口（其中y是x的函数）。输入的参数为具有相同长度的数组（或列表）；或者plot(y)是plot(range(len(y)),y)的简写。

例1：python实现使用200个采样点来绘制sin(x)，并且每隔四个点的位置设置标记。

import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['simhei']         #指定默认字体（因为matplotlib默认为英文字体，汉字会使其乱码）plt.rcParams['axes.unicode_minus']=False    #可显示‘-’负号x=np.linspace(-2*np.pi,2*np.pi,200)     #先设定x的取值范围，从-2n到2nsamples=x[::4]plt.plot(samples,np.sin(samples),color='red',marker='*')plt.title('sin(x)函数及一些绘制的点')plt.grid(color='black',linestyle='--',alpha=0.3)plt.show()

#实现结果图：
在这里插入图片描述

表明：标准图是一条实线曲线，每个轴都会自动缩放来适应坐标值，但也可以手动进行设置。多次调用plot函数将会在同一窗口中叠加绘图。

(2) python3.0曲线拟合（polyfit,polyval）

利用numpy自带的polyfit 和 polyval 函数进行回归分析，polyfit 表示多项式曲线拟合、polyval 表示多项式曲线求值。

Z1=np.polyfit(x,y,3) #拟合，自由度为3，3为多项式最高次幂，结果为多项式的各个系数；最高系数为3，得到4个系数从最高到最低排列；最高次幂取几要视情况而定。

P1=np.ploy1d(z1) #将系数带入方程，得到函数式p1

Y=np.polyval(p,x) #计算多项式的函数值。返回在x处多项式的值，p为多项式系数，元素按多项式降幂排序

实例2. 将多项式拟合为一系列的点

import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['simhei']         #指定默认字体plt.rcParams['axes.unicode_minus']=Falsex=np.arange(5)y=[1,2,1,3,5]p2=np.polyfit(x,y,2)        p4=np.polyfit(x,y,4)xx=np.linspace(-1,5,200)plt.plot(xx,np.polyval(p2,xx),label='二次多项式拟合')        #绘制曲线plt.plot(xx,np.polyval(p4,xx),label='四次多项式插值拟合')plt.plot(x,y,'*')       #原曲线plt.axis([-1,5,0,6])     #axis([xmin,xmax,ymin,ymax]) 来手动设置坐标轴的范围plt.legend(loc='upper left',fontsize='small')    #legend()函数生成图例，添加标签来解释多重绘图，该处设置是将图例放在左上角并用小字号排版。plt.show()

#结果图为：
在这里插入图片描述

2… 二维散点图

代码如下：

import numpy as npimport matplotlib.pyplot as pltx1=2*np.random.standard_normal((2,100))x2=0.8*np.random.standard_normal((2,100))+np.array([[6],[2]])   #加二维数组散点不重叠在一起plt.plot(x1[0],x1[1],'g*')plt.plot(x2[0],x2[1],'r*')plt.title('2D散点图')plt.show()

#结果图为：

在这里插入图片描述

对数图形绘制：

使用loglog函数即plt.loglog(x,y)

import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['simhei']         #指定默认字体plt.rcParams['axes.unicode_minus']=Falsex=np.linspace(0,10,200)plt.loglog(x,2*x*2,label='二次多项式',linestyle='--',linewidth=3)plt.loglog(x,4*x*4,label='四次多项式',linestyle='-.',linewidth=3)plt.loglog(x,5*np.exp(x),label='指数次多项式',linewidth=3)plt.title('对数图')#plt.axis([10*-2,10*2,10*-5,10*6])  #？？？思考遗留问题：如何调整指数函数x，y轴的范围plt.legend(loc='best')plt.show()

在这里插入图片描述

绘图格式化

（1）常见的绘图格式参数：

linestyle用于设置线条样式，其中描述solid 表字符串’-’(实线)，dashed表‘–’（虚线），dashed dotted表‘- ，’dotted表‘:’。

color用于设置绘图的颜色，其中有描述blue（字符串用b），green（字符串用g），red（字符串用r），cyan青色（字符串表c），magenta洋红（字符串表m），yellow、black、white（字符串表y、b、w）

Marker对图形坐标点标记，其中字符串参数（描述）分别为：.(point) 、,(pixel)、。(circle)、*(star)、d,D(thin diamond,diamond)等

注意：格式化命令可以使用短字符串语法格式：例如，plt.plot(x,’go’)

实例：迭代计算出了正弦曲线上噪点的平均值

import numpy as npimport matplotlib.pyplot as pltdef avg(x):                          #函数avg使用roll调用来移动数组中所有的值。"""simple running average"""return(np.roll(x,1)+x+np.roll(x,-1)) #np.roll(x,2)是循环移位函数，表示向右循环移位2位x=np.linspace(-2*np.pi,2*np.pi,200)y=np.sin(x)+0.4*np.random.rand(200)for iteration in range(3):plt.subplot(3,1,iteration+1)    使用subplot命令将多个绘图放置于一个图形窗口中plt.plot(x,y,label='{:d} average{}'.format(iteration,'s' if iteration> 1 else''))plt.yticks([])plt.legend(loc='lower left',frameon=False)y=avg(y)plt.subplots_adjust(hspace=0.7)   #在同一个图形窗口中进行多次绘图的实例图