plot_figure.py
import numpy as np
import matplotlib.pyplot as plt
Wird für flache Liniendiagramme und Streudiagramme verwendet
Liniendiagramm
plot_figure.py
x = np.arange(-3,3,0.1)
y = np.sin(x)
plt.plot(x,y)
plt.show()
Stellen Sie den Wert von sin grafisch dar, wenn => x = -3,3,0,1
--np.arange
erstellt eine Folge von Zahlen auf der x-Achse
Streudiagramm
plot_figure.py
x = np.random.randint(0,10,30)
y = np.sin(x) + np.random.randint(0,10,30)
plt.plot(x,y,"o")
plt.show()
Zeichnen Sie ein Histogramm
plot_fugure.py
plt.hist(np.random.randn(1000))
plt.show()
plot_figure.py
plt.hist(np.random.randn(1000))
plt.title("Histgram")
plt.show()
plot_figure.py
x = np.arange(0,10,0.1)
y = np.exp(x)
plt.plot(x,y)
plt.title("exponential function $ y = e^x $")
plt.ylim(0,5000) #0 auf der y-Achse~Bezeichnet im Bereich von 5000
plt.show()
Um mehrere Diagramme im selben Bereich zu zeichnen, rufen Sie sie einfach zweimal auf. Zeichnen Sie mit der Funktion hlines eine gerade Linie mit y = -1, y = 1
plot_figure.py
xmin, xmax = -np.pi, np.pi
x = np.arange(xmin, xmax, 0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)
plt.plot(x, y_sin)
plt.plot(x, y_cos)
plt.hlines([-1, 1], xmin, xmax, linestyles="dashed") # y=-1,Zeichnen Sie eine gestrichelte Linie auf 1
plt.title(r"$\sin(x)$ and $\cos(x)$")
plt.xlim(xmin, xmax)
plt.ylim(-1.3, 1.3)
plt.show()
Geben Sie die Anzahl der Zeilen, Spalten und die Plotnummer des Plots an, das in eine Figur passen soll
plt.subplot(Anzahl der Zeilen, Anzahl der Spalten, Anzahl der Diagramme)
Teilen wir die beiden Funktionen in der vorherigen Abbildung in obere und untere Teile. Da es in obere und untere Teile unterteilt ist, beträgt die Anzahl der Zeilen 2. Die Anzahl der Spalten beträgt 1
plot_figure.py
xmin, xmax = -np.pi, np.pi
x = np.arange(xmin, xmax, 0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)
#Handlung der Sünde
plt.subplot(2,1,1)
plt.plot(x,y_sin)
plt.title(r"$\sin x$")
plt.xlim(xmin,xmax)
plt.ylim(-1.3,1.3)
#cos Handlung
plt.subplot(2,1,2)
plt.plot(x,y_cos)
plt.title(r"$\cos x$")
plt.xlim(xmin,xmax)
plt.ylim(-1.3,1.3)
plt.tight_layout() #Titelcover verhindern
plt.show()
Ich habe unter Bezugnahme auf Einführung in matplotlib studiert.
Recommended Posts