建站
咨詢
售后
建站咨詢
新聞中心
求教python一個(gè)作圖的問題
matplotlib 是python最著名的繪圖庫(kù)，它提供了一整套和matlab相似的命令A(yù)PI，十分適合交互式地行制圖。而且也可以方便地將它作為繪圖控件，嵌入GUI應(yīng)用程序中。
在康樂等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強(qiáng)發(fā)展的系統(tǒng)性、市場(chǎng)前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都網(wǎng)站建設(shè)、網(wǎng)站建設(shè) 網(wǎng)站設(shè)計(jì)制作按需制作網(wǎng)站,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),成都品牌網(wǎng)站建設(shè),成都全網(wǎng)營(yíng)銷推廣,成都外貿(mào)網(wǎng)站制作,康樂網(wǎng)站建設(shè)費(fèi)用合理。
它的文檔相當(dāng)完備，并且Gallery頁(yè)面中有上百幅縮略圖，打開之后都有源程序。因此如果你需要繪制某種類型的圖，只需要在這個(gè)頁(yè)面中瀏覽/復(fù)制/粘貼一下，基本上都能搞定。
在Linux下比較著名的數(shù)據(jù)圖工具還有g(shù)nuplot，這個(gè)是免費(fèi)的，Python有一個(gè)包可以調(diào)用gnuplot，但是語(yǔ)法比較不習(xí)慣，而且畫圖質(zhì)量不高。
而?Matplotlib則比較強(qiáng)：Matlab的語(yǔ)法、python語(yǔ)言、latex的畫圖質(zhì)量（還可以使用內(nèi)嵌的latex引擎繪制的數(shù)學(xué)公式）。
本文目錄
1.?Matplotlib.pyplot快速繪圖
2.?面向?qū)ο螽媹D
3.?Matplotlib.pylab快速繪圖
4.?在圖表中顯示中文
5.?對(duì)LaTeX數(shù)學(xué)公式的支持
6.?對(duì)數(shù)坐標(biāo)軸
7.?學(xué)習(xí)資源
Matplotlib.pyplot快速繪圖
快速繪圖和面向?qū)ο蠓绞嚼L圖
matplotlib實(shí)際上是一套面向?qū)ο蟮睦L圖庫(kù)，它所繪制的圖表中的每個(gè)繪圖元素，例如線條Line2D、文字Text、刻度等在內(nèi)存中都有一個(gè)對(duì)象與之對(duì)應(yīng)。
為了方便快速繪圖matplotlib通過pyplot模塊提供了一套和MATLAB類似的繪圖API，將眾多繪圖對(duì)象所構(gòu)成的復(fù)雜結(jié)構(gòu)隱藏在這套API內(nèi)部。我們只需要調(diào)用pyplot模塊所提供的函數(shù)就可以實(shí)現(xiàn)快速繪圖以及設(shè)置圖表的各種細(xì)節(jié)。pyplot模塊雖然用法簡(jiǎn)單，但不適合在較大的應(yīng)用程序中使用。
為了將面向?qū)ο蟮睦L圖庫(kù)包裝成只使用函數(shù)的調(diào)用接口，pyplot模塊的內(nèi)部保存了當(dāng)前圖表以及當(dāng)前子圖等信息。當(dāng)前的圖表和子圖可以使用plt.gcf()和plt.gca()獲得，分別表示"Get Current Figure"和"Get Current Axes"。在pyplot模塊中，許多函數(shù)都是對(duì)當(dāng)前的Figure或Axes對(duì)象進(jìn)行處理，比如說：
plt.plot()實(shí)際上會(huì)通過plt.gca()獲得當(dāng)前的Axes對(duì)象ax，然后再調(diào)用ax.plot()方法實(shí)現(xiàn)真正的繪圖。
可以在Ipython中輸入類似"plt.plot??"的命令查看pyplot模塊的函數(shù)是如何對(duì)各種繪圖對(duì)象進(jìn)行包裝的。
配置屬性
matplotlib所繪制的圖表的每個(gè)組成部分都和一個(gè)對(duì)象對(duì)應(yīng)，我們可以通過調(diào)用這些對(duì)象的屬性設(shè)置方法set_*()或者pyplot模塊的屬性設(shè)置函數(shù)setp()設(shè)置它們的屬性值。
因?yàn)閙atplotlib實(shí)際上是一套面向?qū)ο蟮睦L圖庫(kù)，因此也可以直接獲取對(duì)象的屬性
配置文件
繪制一幅圖需要對(duì)許多對(duì)象的屬性進(jìn)行配置，例如顏色、字體、線型等等。我們?cè)诶L圖時(shí)，并沒有逐一對(duì)這些屬性進(jìn)行配置，許多都直接采用了matplotlib的缺省配置。
matplotlib將這些缺省配置保存在一個(gè)名為“matplotlibrc”的配置文件中，通過修改配置文件，我們可以修改圖表的缺省樣式。配置文件的讀入可以使用rc_params()，它返回一個(gè)配置字典；在matplotlib模塊載入時(shí)會(huì)調(diào)用rc_params()，并把得到的配置字典保存到rcParams變量中；matplotlib將使用rcParams字典中的配置進(jìn)行繪圖；用戶可以直接修改此字典中的配置，所做的改變會(huì)反映到此后創(chuàng)建的繪圖元素。
繪制多子圖（快速繪圖）
Matplotlib 里的常用類的包含關(guān)系為?Figure - Axes - (Line2D, Text, etc.)一個(gè)Figure對(duì)象可以包含多個(gè)子圖(Axes)，在matplotlib中用Axes對(duì)象表示一個(gè)繪圖區(qū)域，可以理解為子圖。
可以使用subplot()快速繪制包含多個(gè)子圖的圖表，它的調(diào)用形式如下：
subplot(numRows, numCols, plotNum)
subplot將整個(gè)繪圖區(qū)域等分為numRows行* numCols列個(gè)子區(qū)域，然后按照從左到右，從上到下的順序?qū)γ總€(gè)子區(qū)域進(jìn)行編號(hào)，左上的子區(qū)域的編號(hào)為1。如果numRows，numCols和plotNum這三個(gè)數(shù)都小于10的話，可以把它們縮寫為一個(gè)整數(shù)，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的區(qū)域中創(chuàng)建一個(gè)軸對(duì)象。如果新創(chuàng)建的軸和之前創(chuàng)建的軸重疊的話，之前的軸將被刪除。
subplot()返回它所創(chuàng)建的Axes對(duì)象，我們可以將它用變量保存起來，然后用sca()交替讓它們成為當(dāng)前Axes對(duì)象，并調(diào)用plot()在其中繪圖。
繪制多圖表（快速繪圖）
如果需要同時(shí)繪制多幅圖表，可以給figure()傳遞一個(gè)整數(shù)參數(shù)指定Figure對(duì)象的序號(hào)，如果序號(hào)所指定的Figure對(duì)象已經(jīng)存在，將不創(chuàng)建新的對(duì)象，而只是讓它成為當(dāng)前的Figure對(duì)象。
import numpy as np
import matplotlib.pyplot as plt
plt.figure(1) # 創(chuàng)建圖表1
plt.figure(2) # 創(chuàng)建圖表2
ax1 = plt.subplot(211) # 在圖表2中創(chuàng)建子圖1
ax2 = plt.subplot(212) # 在圖表2中創(chuàng)建子圖2
x = np.linspace(0, 3, 100)
for i in xrange(5):
plt.figure(1) ?#? # 選擇圖表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1) ? #? # 選擇圖表2的子圖1
plt.plot(x, np.sin(i*x))
plt.sca(ax2) ?# 選擇圖表2的子圖2
plt.plot(x, np.cos(i*x))
plt.show()
在圖表中顯示中文
matplotlib的缺省配置文件中所使用的字體無法正確顯示中文。為了讓圖表能正確顯示中文，可以有幾種解決方案。
在程序中直接指定字體。
在程序開頭修改配置字典rcParams。
修改配置文件。
matplotlib輸出圖象的中文顯示問題
上面那個(gè)link里的修改matplotlibrc方式，我試了好幾次都沒成功。能work的一個(gè)比較簡(jiǎn)便粗暴的方式（但不知道有沒有副作用）是，1.找到字體目錄YOURPYTHONHOME\Lib\site-packages\matplotlib\mpl-data\fonts\ttf下的Vera.ttf。這里我們用中文楷體(可以從windows/system32/fonts拷貝過來，對(duì)于win8字體文件不是ttf的可以從網(wǎng)上下一個(gè)微軟雅黑)，直接張貼到前面的ttf目錄下，然后更名為Vera.ttf。2.?中文字符串用unicode格式，例如：u''測(cè)試中文顯示''，代碼文件編碼使用utf-8 加上" #?coding = utf-8 ?"一行。
面向?qū)ο螽媹D
matplotlib API包含有三層，Artist層處理所有的高層結(jié)構(gòu)，例如處理圖表、文字和曲線等的繪制和布局。通常我們只和Artist打交道，而不需要關(guān)心底層的繪制細(xì)節(jié)。
直接使用Artists創(chuàng)建圖表的標(biāo)準(zhǔn)流程如下：
創(chuàng)建Figure對(duì)象
用Figure對(duì)象創(chuàng)建一個(gè)或者多個(gè)Axes或者Subplot對(duì)象
調(diào)用Axies等對(duì)象的方法創(chuàng)建各種簡(jiǎn)單類型的Artists
import?matplotlib.pyplot as plt
X1 = range(0, 50)?Y1 = [num**2 for num in X1] # y = x^2?X2 = [0, 1]?Y2 = [0, 1] # y = x
Fig = plt.figure(figsize=(8,4)) # Create a `figure'?instance?Ax = Fig.add_subplot(111) # Create a `axes'?instance?in the figure?Ax.plot(X1, Y1, X2, Y2) # Create a Line2D?instance?in the axes
Fig.show()?Fig.savefig("test.pdf")
Python怎么把生成的函數(shù)寫在圖表下方
生成器函數(shù)594.3.5位置參數(shù)。
生成器函數(shù)594.3.5位置參數(shù)、默認(rèn)值參數(shù)、關(guān)鍵參數(shù)、可變長(zhǎng)度參數(shù)604.3.6變量作用設(shè)置圖例位于圖下方。
Python是一種廣泛使用的解釋型、高級(jí)和通用的編程語(yǔ)言Python由荷蘭數(shù)學(xué)和計(jì)算機(jī)科學(xué)研究學(xué)會(huì)的GuidovanRossum創(chuàng)造，第一版發(fā)布于1991年，它是ABC語(yǔ)言的后繼者，也可以視之為一種使用傳統(tǒng)中綴表達(dá)式的LISP方言Python提供了高效的高級(jí)數(shù)據(jù)結(jié)構(gòu)，還能簡(jiǎn)單有效地面向?qū)ο缶幊獭?/p>
Python氣象數(shù)據(jù)處理與繪圖(2)：常用數(shù)據(jù)計(jì)算方法
對(duì)于氣象繪圖來講，第一步是對(duì)數(shù)據(jù)的處理，通過各類公式，或者統(tǒng)計(jì)方法將原始數(shù)據(jù)處理為目標(biāo)數(shù)據(jù)。
按照氣象統(tǒng)計(jì)課程的內(nèi)容，我給出了一些常用到的統(tǒng)計(jì)方法的對(duì)應(yīng)函數(shù)：
在計(jì)算氣候態(tài)，區(qū)域平均時(shí)均要使用到求均值函數(shù)，對(duì)應(yīng)NCL中的dim_average函數(shù)，在python中通常使用np.mean()函數(shù)
numpy.mean(a, axis, dtype)
假設(shè)a為[time,lat,lon]的數(shù)據(jù)，那么
需要特別注意的是，氣象數(shù)據(jù)中常有缺測(cè)，在NCL中，使用求均值函數(shù)會(huì)自動(dòng)略過，而在python中，當(dāng)任意一數(shù)與缺測(cè)(np.nan)計(jì)算的結(jié)果均為np.nan，比如求[1,2,3,4，np.nan]的平均值，結(jié)果為np.nan
因此，當(dāng)數(shù)據(jù)存在缺測(cè)數(shù)據(jù)時(shí)，通常使用np.nanmean()函數(shù)，用法同上，此時(shí)[1,2,3,4，np.nan]的平均值為(1+2+3+4)/4 = 2.5
同樣的，求某數(shù)組最大最小值時(shí)也有np.nanmax(), np.nanmin()函數(shù)來補(bǔ)充np.max(), np.min()的不足。
其他很多np的計(jì)算函數(shù)也可以通過在前邊加‘nan’來使用。
另外，
也可以直接將a中缺失值全部填充為0。
np.std(a, axis, dtype)
用法同np.mean()
在NCL中有直接求數(shù)據(jù)標(biāo)準(zhǔn)化的函數(shù)dim_standardize()
其實(shí)也就是一行的事，根據(jù)需要指定維度即可。
皮爾遜相關(guān)系數(shù)：
相關(guān)可以說是氣象科研中最常用的方法之一了，numpy函數(shù)中的np.corrcoef(x, y)就可以實(shí)現(xiàn)相關(guān)計(jì)算。但是在這里我推薦scipy.stats中的函數(shù)來計(jì)算相關(guān)系數(shù)：
這個(gè)函數(shù)缺點(diǎn)和有點(diǎn)都很明顯，優(yōu)點(diǎn)是可以直接返回相關(guān)系數(shù)R及其P值，這避免了我們進(jìn)一步計(jì)算置信度。而缺點(diǎn)則是該函數(shù)只支持兩個(gè)一維數(shù)組的計(jì)算，也就是說當(dāng)我們需要計(jì)算一個(gè)場(chǎng)和一個(gè)序列的相關(guān)時(shí)，我們需要循環(huán)來實(shí)現(xiàn)。
其中a[time,lat,lon]，b[time]
(NCL中為regcoef()函數(shù))
同樣推薦Scipy庫(kù)中的stats.linregress(x,y)函數(shù)：
slop: 回歸斜率
intercept：回歸截距
r_value： 相關(guān)系數(shù)
p_value： P值
std_err： 估計(jì)標(biāo)準(zhǔn)誤差
直接可以輸出P值，同樣省去了做置信度檢驗(yàn)的過程，遺憾的是仍需同相關(guān)系數(shù)一樣循環(huán)計(jì)算。
本文名稱：python給函數(shù)作圖 python畫函數(shù)圖像
轉(zhuǎn)載注明：http://www.ef60e0e.cn/article/docesis.html
