python绘图代码大全带说明书，python炫酷动态烟花源代码

Python绘图代码大全带说明书

Python语言以其简单易用、高效便捷的特性被越来越多的人所推崇，它被广泛应用于科学计算、数据分析、机器学习、人工智能等领域。而Python的一个强大的绘图库matplotlib，也成为了数据可视化的宝库，在各个领域的科学研究中发挥着重要作用。本文将介绍常用的matplotlib绘图函数及其使用方法，方便读者对于数据的可视化有更深入的认识和掌握。

一、图形基本操作

1.创建一个窗口

在matplotlib库中，pyplot对象是一个进行交互式的函数对象，一般用pyplot对象来创建图形窗口，可以进行子图的创建、绘制多个图形等。

引入pyplot对象方法：

from matplotlib import pyplot as plt

创建一个窗口方法：

plt.figure()

2.画出一个函数图像

画出一个函数图像的方法为，给定一个横坐标x，根据函数的表达式计算出纵坐标y，并用plot函数来画出函数的图像。

示例代码：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-5, 5, 100)

y = np.sin(x)

plt.plot(x, y)

plt.show()

代码解析：np.linspace是numpy库中的函数，用来生成-5到5之间的100个等差数列，函数np.sin()用来对x中每个数取正弦值并存入y中，plt.plot()用来画图，最后plt.show()将画好的图像显示出来。

3.设置坐标轴名称和图形标题

在图形中，我们可以通过设置标签来显示坐标轴名称，并使用title方法来设置图形标题。

示例代码：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-5, 5, 100)

y = np.sin(x)

plt.plot(x, y)

plt.xlabel('x')

plt.ylabel('y')

plt.title('sin(x)')

plt.show()

代码解析：通过plt.xlabel()和plt.ylabel()设置x轴和y轴的名称，plt.title()来设置图形的标题。

4.设置图形的线型、颜色、标记

在绘制图形时，我们可以使用颜色、线型、标记等参数来区分不同的数据，使得数据更加清晰明了。

示例代码：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-5, 5, 100)

y1 = np.sin(x)

y2 = np.cos(x)

plt.plot(x, y1, 'r--', label='sin(x)')

plt.plot(x, y2, 'g', label='cos(x)')

plt.xlabel('x')

plt.ylabel('y')

plt.title('sin(x) and cos(x)')

plt.legend()

plt.show()

代码解析：在第6、7行，分别使用'r--'和'g'来表示线的颜色和样式，两条线分别对应sin(x)和cos(x)，使用plt.legend()来注解数据。

二、常见图形

1.折线图

折线图是一种用于展示连续型数据的图表。在matplotlib绘图中，使用plot函数即可绘制出折线图。

示例代码：

import numpy as np

import matplotlib.pyplot as plt

x = np.array([1,2,3,4,5])

y = np.array([1,4,3,6,4])

plt.plot(x, y)

plt.show()

代码解析：通过numpy库生成两个数组，分别表示x轴和y轴的坐标，使用plot()方法来绘制折线图。

2.散点图

散点图是一种通过绘制点来表示两个变量之间的关系的统计图表。在matplotlib绘图中，我们可以使用scatter函数来画出散点图。

示例代码：

import numpy as np

import matplotlib.pyplot as plt

x = np.array([1,2,3,4,5])

y = np.array([1,4,3,6,4])

plt.scatter(x, y)

plt.show()

代码解析：使用scatter()方法来绘制散点图。

3.柱状图

柱状图是在一维方向上展示各类别间数据的大小关系的图表。在matplotlib绘图中，可以使用bar函数来画出柱状图。

示例代码：

import numpy as np

import matplotlib.pyplot as plt

x = np.array(['a', 'b', 'c', 'd', 'e'])

y = np.array([1, 4, 3, 6, 4])

plt.bar(x, y)

plt.show()

代码解析：通过bar()方法来绘制柱状图。

4.饼图

饼图是一种展示部分和整体之间的关系的图表。在matplotlib绘图中，使用pie函数来画出饼图。

示例代码：

import matplotlib.pyplot as plt

labels = ['a', 'b', 'c', 'd', 'e']

sizes = [15, 30, 25, 10, 20]

plt.pie(sizes, labels=labels)

plt.show()

代码解析：使用pie()方法来绘制饼图。

三、动态烟花图的绘制

动态烟花图，是一种比较有趣的图形，它通常被用于节日等场合。下面我们将介绍如何使用matplotlib绘制出动态烟花图。

参考代码：

import numpy as np

import matplotlib.pyplot as plt

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()

colors = ['red', 'blue', 'green', 'purple', 'black', 'pink', 'cyan', 'yellow']

puffs = []

labels = []

num_puffs = 30

use_blit = True

for ii in range(num_puffs):

puff, = ax.plot([], [], 'o', lw=2, c=colors[np.random.randint(0, len(colors) - 1)])

puffs.append(puff)

labels.append(str(ii))

# initialization function: plot the background of each frame

def init():

for ii in range(num_puffs):

puffs[ii].set_data([], [])

return puffs

# animation function. This is called sequentially

def animate(i):

t = 2 * np.pi * np.random.random_sample(10)

r = np.random.random_sample(10) ** 2

x = r * np.cos(t)

y = r * np.sin(t)

for ii in range(num_puffs):

if np.random.random_sample() < 0.1:

colors = ['red', 'blue', 'green', 'purple', 'black', 'pink', 'cyan', 'yellow']

puffs[ii].set_color(colors[np.random.randint(0, len(colors) - 1)])

xdata, ydata = puffs[ii].get_data()

xdata = np.append(xdata, x[ii])

ydata = np.append(ydata, y[ii])

puffs[ii].set_data(xdata, ydata)

puffs[ii].set_label(labels[ii])

plt.legend(list(set(labels)), loc='upper right')

return puffs

ani = FuncAnimation(fig, animate, init_func=init, frames=100, interval=25, blit=use_blit)

plt.show()

代码解析：

- 创建一个子图fig，使用FuncAnimation对象进行动画效果的绘制。

- 在颜色列表colors中，随机选取小球颜色，并通过puff数组记录所有小球的信息。

- 创建两个函数：init()和animate(i)，init()函数用于绘制初始画面。animate(i)函数则是重点，它用来更新每一帧画面的内容和样式，并返回所有更新后的小球对象。

- 使用FuncAnimation对象让animate(i)函数连续更新100次，每次更新的时间间隔为25ms，最后通过show()方法将烟花效果展示在图像中。

总结：

本文介绍了matplotlib绘图的常见操作及常用图形的绘制方法，并通过动态烟花图的绘制带领读者一同感受matplotlib的魅力。图表是数据可视化的重要手段，通过数据的呈现，人们能够更好地理解数据并加以运用。希望读者学习本文之后能够更好地掌握Python绘图及数据可视化的技巧，实现更加优秀的数据分析与展示。 如果你喜欢我们三七知识分享网站的文章， 欢迎您分享或收藏知识分享网站文章 欢迎您到我们的网站逛逛喔！https://www.ynyuzhu.com/