手把手教你Python yLab的绘制折线图的画法
更新时间：2019年10月23日 09:58:01 作者：Yngz_Miao
这篇文章主要介绍了手把手教你Python yLab的绘制折线图的画法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Python的可视化工具有很多，数不胜数，各有优劣。本文就对其中的pylab进行介绍。之所以介绍这一款，是因为它和Matlab的强烈相似度，如果你使用过Matlab，那么相信pylab你也会很快上手。
简单的plot函数
pylab绘图，最基本的函数就是plot函数，当然如果想要将图片显示出来，需要额外添加一个show函数。
在python的绘图中，numpy是一个非常常用的工具，不太熟悉的可以参考博主的另一篇博文：【Python】Python之Numpy的超实用基础详细教程。
例如：
import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y = [i*i for i in np.arange(0, 1, 0.05)] pylab.plot(x, y) pylab.show()
运行生成的图片为：
规定两个序列，只需要两个序列的长度相等，就可以以其中一个序列为横坐标，零一个序列为纵坐标，进行绘制。
但是也看得出来，这样的图片是比较寒碜的，简单朴素。我们可以对线条进行一些修饰，比如线型、颜色、点型等等。只需要在plot函数中添加一个参数即可。这个参数用法比较灵活，特可以从下表的值中进行组合选择：
| 颜色 | 线型 | 点型 |
|---|---|---|
| ‘b' (蓝色) | ‘-' (实线) | ‘,' (像素) |
| ‘g' (绿色) | ‘–' (虚线) | ‘o' (圆形) |
| ‘r' (红色) | ‘-.' (虚点线) | ‘^' (上三角) |
| ‘y' (黄色) | ‘:' (点线) | ‘s' (方形) |
| ‘k' (黑色) | ‘.' (点) | ‘+' (加号) |
| ‘w' (蓝色) | … | ‘x' (叉形) |
| … | … |
例如:
import pylab import numpy as np if __name__ == "__main__": x = np.arange(0, 1, 0.05) y = [i*i for i in np.arange(0, 1, 0.05)] pylab.plot(x, y, "b-.+") pylab.show()
运行生成的图片为：
如果，还想增加图例，x轴、y轴的含义和刻度，标题的信息，也可以通过添加一些函数来进行。
例如：
# -*- coding:UTF-8 -*-
import pylab
import numpy as np
if __name__ == "__main__":
x = np.arange(0, 1, 0.05)
y = [i*i for i in np.arange(0, 1, 0.05)]
pylab.plot(x, y, "b-.+", label='line')
pylab.xlabel('x') # x、y轴的介绍
pylab.ylabel('y')
pylab.xlim([0, 1]) # x、y轴的长度区间
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8) # x、y轴的刻度
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y') # x、y的标题
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) # 图例的位置
pylab.show()
运行生成的图片为：
是不是瞬间就感觉丰富了许多！
多折线绘制
当然，在很多时刻需要绘制多条折线。很明显，可以选择将多条直线绘制到同一张图片上，也可以选择在图片上绘制不同的子图。
多折线同图
将多条折线绘制到同一张图片上，这非常简单，直接再plot一条直线就可以了。
例如：
# -*- coding:UTF-8 -*-
import pylab
import numpy as np
if __name__ == "__main__":
x = np.arange(0, 1, 0.05)
y1 = [i*i for i in np.arange(0, 1, 0.05)]
y2 = [i+i for i in np.arange(0, 1, 0.05)]
pylab.plot(x, y1, "b-.+", label='line1')
pylab.plot(x, y2, "r-.+", label='line2')
pylab.xlabel('x')
pylab.ylabel('y')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.show()
多折线不同图
将多条折线绘制到图片上的不同子图上，这就需要通过subplot进行区域分割和指定。
subplot(numRows, numCols, plotNum)
该函数会将这个图片分为numRows行、nulCols列，然后按照从左到右、从上到下的顺序进行编号，最左上的编号为1。plotNum参数指定子图的所在区域。
例如：
# -*- coding:UTF-8 -*-
import pylab
import numpy as np
if __name__ == "__main__":
x = np.arange(0, 1, 0.05)
y1 = [i*i for i in np.arange(0, 1, 0.05)]
y2 = [i+i for i in np.arange(0, 1, 0.05)]
pylab.subplot(1, 2, 1)
pylab.plot(x, y1, "b-.+", label='line1')
pylab.xlabel('x')
pylab.ylabel('y1')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y1')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.subplot(1, 2, 2)
pylab.plot(x, y2, "r-.+", label='line2')
pylab.xlabel('x')
pylab.ylabel('y2')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y2')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.show()
运行生成的图片为：
这是比较规整的例子，如果是不规整的呢？例如，第一行两张图，第二行一张图。这就要稍微变通一下了。
第一行其实是按照2*2分法的第一个和第二个，第二行其实是按照2*1分法的第二行。这样思考就会迎刃而解了。
# -*- coding:UTF-8 -*-
import pylab
import numpy as np
if __name__ == "__main__":
x = np.arange(0, 1, 0.05)
y1 = [i*i for i in np.arange(0, 1, 0.05)]
y2 = [i+i for i in np.arange(0, 1, 0.05)]
pylab.subplot(2, 2, 1)
pylab.plot(x, y1, "b-.+", label='line1')
pylab.xlabel('x')
pylab.ylabel('y1')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y1')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.subplot(2, 2, 2)
pylab.plot(x, y2, "r-.+", label='line2')
pylab.xlabel('x')
pylab.ylabel('y2')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y2')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.subplot(2, 1, 2)
pylab.plot(x, y1, "b-.+", label='line1')
pylab.plot(x, y2, "r-.+", label='line2')
pylab.xlabel('x')
pylab.ylabel('y')
pylab.xlim([0, 1])
pylab.ylim([0, 1])
pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
pylab.title('x-y')
pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
pylab.show()
运行生成的图片为：
其他函数
除了上述函数之外，还有一些其他的常用函数。
pylab.grid() # 网格绘制 pylab.savefig(图片存储路径, dpi=200) # 保存为图片
掌握了这些基本的折现图的绘制函数，相信一般的折线图都可以轻松掌握。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了Python中IPYTHON的用法入门,较为详细的分析了IPYTHON的配置及使用技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-05-05
这篇文章主要介绍了python实现每天定时发送邮件的流程步骤,要编写一个用于自动发送每日电子邮件报告的 Python 脚本,并配置它在每天的特定时间发送电子邮件,文中给大家介绍了详细步骤和示例代码,需要的朋友可以参考下2024-08-08
Tensorflow 2.4 搭建单层和多层 Bi-LSTM 模型
这篇文章主要为大家介绍了Tensorflow 2.4 搭建单层 Bi-LSTM 模型和多层 Bi-LSTM 模型的实现过程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-01-01
本文来为大家介绍一下，使用python中的库实现给图片添加文字水印，openCV可以给图片添加水印，如果要添加汉字水印那就要使用PIL库2021-09-09
虽然AlexNet证明深层神经网络卓有成效，但它没有提供一个通用的模板来指导后续的研究人员设计新的网络。下面，我们将介绍一些常用于设计深层神经网络的启发式概念2021-10-10
这篇文章主要介绍了Python中with及contextlib的用法,结合实例形式较为详细的分析了with及contextlib的功能、使用方法与相关注意事项,需要的朋友可以参考下2017-06-06
python中集合set是一个无序不重复元素的集，基本功能包括关系测试和消除重复元素，还可以计算交集、差集、并集等，它与列表（list）的行为类似，这篇文章主要介绍了python set()去重的底层原理,需要的朋友可以参考下2022-01-01
这篇文章主要为大家详细介绍了Python如何从Hadoop HDFS中导出数据并通过DataX工具导入到关系数据库,例如MySQL,Oracle,PostgreSQL等,感兴趣的可以了解下2024-11-11
我们要知道一点GIL并不是Python的特性,它是Python解释器Cpython引入的一个概念,下面这篇文章主要给大家介绍了关于python全局解释器GIL锁机制的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下2022-12-12
这篇文章主要介绍了pytorch如何保存训练模型参数并实现继续训练问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-09-09
最新评论