Matplotlib与NumPy结合使用技术代码和案例详解

pip install matplotlib numpy

import matplotlib.pyplot as plt
import numpy as np

# 创建一个一维数组
arr_1d = np.array([1, 2, 3, 4, 5])
 
# 创建一个二维数组
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])
 
# 使用arange函数生成一个等差数列
arr_range = np.arange(0, 10, 2)  # 从0到10（不包括10），步长为2

# 数组的形状
print(arr_2d.shape)  # 输出: (2, 3)
 
# 数组的类型
print(arr_1d.dtype)  # 输出: int64
 
# 数组的索引和切片
print(arr_2d[0, 1])  # 输出: 2
print(arr_2d[0, :])  # 输出: [1 2 3]
 
# 数组的形状变换
arr_reshaped = arr_1d.reshape((5, 1))
print(arr_reshaped)
# 输出:
# [[1]
#  [2]
#  [3]
#  [4]
#  [5]]

# 数组间的加法
arr_add = arr_1d + 10
print(arr_add)  # 输出: [11 12 13 14 15]
 
# 数组间的乘法（元素级乘法）
arr_mul = arr_1d * 2
print(arr_mul)  # 输出: [ 2  4  6  8 10]
 
# 数组的平方根
arr_sqrt = np.sqrt(arr_1d)
print(arr_sqrt)  # 输出: [1.         1.41421356 1.73205081 2.         2.23606798]

x = np.arange(0, 10, 1)
y = x ** 2
 
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Simple Line Plot')
plt.show()

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 1, 8]
 
plt.bar(categories, values)
plt.xlabel('Categories')
plt.ylabel('Values')
plt.title('Simple Bar Plot')
plt.show()

x = np.random.rand(50)
y = np.random.rand(50)
 
plt.scatter(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Simple Scatter Plot')
plt.show()

x = np.linspace(0, 2 * np.pi, 100)  # 生成0到2π之间的100个点
y_sin = np.sin(x)
y_cos = np.cos(x)
 
plt.plot(x, y_sin, label='sin(x)')
plt.plot(x, y_cos, label='cos(x)')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Sine and Cosine Functions')
plt.legend()  # 显示图例
plt.show()

data = np.random.randn(1000)  # 生成1000个服从正态分布的随机数
 
plt.hist(data, bins=30, edgecolor='black')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram of Normal Distribution')
plt.show()

from mpl_toolkits.mplot3d import Axes3D
 
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
 
x = np.random.rand(50)
y = np.random.rand(50)
z = np.random.rand(50)
 
ax.scatter(x, y, z, c='r', marker='o')
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
ax.set_title('3D Scatter Plot')
plt.show()

x = np.arange(0, 10, 1)
y1 = x ** 2
y2 = np.sqrt(x)
 
plt.subplot(2, 1, 1)  # 2行1列，当前是第1个子图
plt.plot(x, y1)
plt.xlabel('x')
plt.ylabel('y1')
plt.title('y1 = x^2')
 
plt.subplot(2, 1, 2)  # 2行1列，当前是第2个子图
plt.plot(x, y2)
plt.xlabel('x')
plt.ylabel('y2')
plt.title('y2 = sqrt(x)')
 
plt.tight_layout()  # 自动调整子图参数, 使之填充整个图像区域
plt.show()