一：基本绘图函数（这里介绍16个，还有许多其他的）
二：pyplot饼图plt.pie的绘制
三：pyplot直方图plt.hist的绘制
（一）修改第二个参数bins:代表直方图的个数，均分为多段，取其中的每段均值
（二）normed为1代表我们要使用归一化数据（所占比例）在y轴，为0表示每个期间所占个数
四：pyplot极坐标图bar的绘制（角度空间内展示效果不错，在生活中不常用）
五：pyplot散点图的绘制（面向对象绘制：各种绘制函数变为当前图表区域对象的方法，这是推荐的方法）
六：引力波的绘制
一：基本绘图函数（这里介绍16个，还有许多其他的）
二：pyplot饼图plt.pie的绘制
import matplotlib
import matplotlib.pyplot as plt
labels =
'Frogs',
'Hogs',
'Dogs',
'Logs'
sizes = [
15,
30,
45,
10] #这是各个区域所占的大小，不一定是100，会自动换算为百分比
explode = (
0,
0.1,
0,
0) #0.1是表示这个区域突出的程度
plt.pie(sizes,explode=explode,labels=labels,autopct=
"%1.1f%%",shadow=False,startangle=
90) #explode是突出比例，startangle起始角度
plt.show()
plt.axis(
"equal") #将饼图变水平
三：pyplot直方图plt.hist的绘制
import numpy
as np
import matplotlib.pyplot as plt
np.random.seed(0)
mu,sigma =
100,
20 #均值和标准差
a = np.random.normal(mu,sigma,size=
100) #正态分布，size=100，表示一维数组，长度100
plt.hist(a,20,normed=
1,histtype=
"stepfilled",facecolor=
"b",alpha=
0.75)
plt.title("Histogram")
plt.show()
def hist(x, bins=
10, range=None, normed=False, weights=None, cumulative=
False,
bottom=None, histtype=
'bar', align=
'mid', orientation=
'vertical',
rwidth=None, log=False, color=None, label=None, stacked=
False,
hold=None, data=None, **kwargs):
（一）修改第二个参数bins:代表直方图的个数，均分为多段，取其中的每段均值
plt.hist(a,
10,normed=
1,histtype=
"stepfilled",facecolor=
"b",alpha=
0.75)
plt.hist(a,
20,normed=
1,histtype=
"stepfilled",facecolor=
"b",alpha=
0.75)
plt.hist(a,
40,normed=
1,histtype=
"stepfilled",facecolor=
"b",alpha=
0.75)
（二）normed为1代表我们要使用归一化数据（所占比例）在y轴，为0表示每个期间所占个数
plt.hist(a,
20,normed=
1,histtype=
"stepfilled",facecolor=
"b",alpha=
0.75)
plt.hist(a,
20,normed=
0,histtype=
"stepfilled",facecolor=
"b",alpha=
0.75)
四：pyplot极坐标图的绘制（角度空间内展示效果不错，在生活中不常用）
import numpy
as np
import matplotlib.pyplot as plt
N =
20 #表示极坐标图中数据的个数
theta = np.linspace(
0.0,
2*np.pi,N,endpoint=
False) #起始值0，结束值2∏，元素个数（等分角度），是否将最后结束值放入数据
radii =
10*
np.random.rand(N) #生成每个元素对应的值，一维数组含20列
width = np.pi/
4*
np.random.rand(N) #∏/4*np.random..rand(N) 生成宽度值
ax = plt.subplot(
111,projection=
"polar") #111绘制一个绘图区域，projection给出了polar绘制极坐标图的指示
bars = ax.bar(theta,radii,width=width,bottom=
0.0) #left（绘制极坐标区域中那些颜色区域的时候是从哪开始的<角度>）,height（中心点到边缘的长度）,width（每个绘图区域在角度范围内辐射的面积）
for r,bar
in zip(radii,bars):
bar.set_facecolor(plt.cm.viridis(r/
10.)) #使用for循环对每一个绘图区域进行颜色和透明度的设置，若是没有这个那么全是蓝色
bar.set_alpha(0.5)
plt.show()
修改N和width
N =
10
width = np.pi/
2*np.random.rand(N)
五：pyplot散点图的绘制（面向对象绘制：各种绘制函数变为当前图表区域对象的方法，这是推荐的方法）
import numpy
as np
import matplotlib.pyplot as plt
fig, ax =
plt.subplots() #返回图表以及图表相关的区域，为空代表绘制区域为111
ax.plot(10*np.random.
randn(
100),
10*np.random.randn(
100),
'o') #randn标准正态分布，有100个元素在一维数组中,乘以10，使值分布大些，plot参数x,y‘o’是实心圆标记
ax.set_title("Simple Scatter")
plt.show()
补充：
subplots和subplot方法作用相似：
subplots会返回一个图表和图表相关的区域
subplot只会返回区域
六：引力波的绘制
import numpy
as np
import matplotlib.pyplot as plt
from scipy.io import wavfile #读取波形文件的库
rate_h, hstrain = wavfile.read(r
"H1_Strain.wav") #读取下载好的音频文件，当文件符里面出现反斜杠时等转义特殊字符时，在字符前面添加2，表示原始的字符串
rate_l, hstrain = wavfile.read(r
"L1_Strain.wav") #将结果赋给速率rate和数据strain
reftime,ref_H1 = np.genfromtxt(
"wf_template.txt").transpose() #获取提供的理论模型，时间序列和信号的数据
htime_interval =
1/
rate_h #求倒数，获取波形的时间间隔
ltime_interval =
1/
rate_l
htime_len = hstrain.shape[
0]/rate_h #hstrain是一个矩阵，shape[
0]代表当前第一维度数据，数据点的个数，初一相应的rate，就可以获取在坐标轴上的总长度
htime = np.arange(-htime_len/
2,htime_len/
2,htime_interval) #绘制以原点为中心对称图形
ltime_len = lstrain.shape[
0]/
rate_h
ltime = np.arange(-ltime_len/
2,ltime_len/
2,ltime_interval)
fig = plt.figure(figsize=(
12,
6)) #创建一个大小为12*
6的绘图区域
plth = fig.add_subplot(
221) #将窗口绘制为2*
2区域选取第1个区域
plth.plot(htime,hstrain,'y')
plth.set_xlabel("Time(Second)")
plth.set_ylabel("H1 Strain")
plth.set_title("H1 Strain")
plth = fig.add_subplot(
222) #将窗口绘制为2*
2区域选取第2个区域
plth.plot(ltime,lstrain,'g')
plth.set_xlabel("Time(Second)")
plth.set_ylabel("L1 Strain")
plth.set_title("L1 Strain")
plth = fig.add_subplot(
212) #在这个图表分为两行一列取第二行
plth.plot(reftime,ref_H1)
plth.set_xlabel("Time(Second)")
plth.set_ylabel("Template Strain")
plth.set_title("Template")
fig.tight_layout()fig.tight_layout() #自动调整图像外部边缘plt.savefig("./Gravitational_Waves_Original.png")plt.show()plt.close(fig)
#genfromtxt主要执行两个运算循环，第一个是将文件每一行都转换为字符串序列，第二个循环是将每个字符串序列转换为相应的数据类型，
#使用genfromtxt获取的是一个两行的矩阵
#使用transpose进行转置，赋给两个数组
'''
[
1,
2]
[2,
3]
[2,
4]
.....
[5,
6]
------------>
转置
[1,
2,
2,...,
5]
[2,
3,
4,...,
6]
'''
总结
转载于:https://www.cnblogs.com/ssyfj/p/9293844.html
