1.使用pyplot模块画图。 import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 1000) y = np.sin(x) z = np.cos(x**2) plt.figure(figsize=(8, 5)) plt.plot(x, y, label="$sin(x)$", color="red", linewidth=2) #label可以使用内嵌Latex引擎,color可以用0到1范...
ax.axis([0, 1100, 0, 1100000]) plt.savefig('squares_plot.png', bbox_inches='tight') # 第一个实参指定图表保存文件名,第二个实参指定将图表多余的空白区域裁剪掉,如果要保留图表周围多余的空白区域,只需省略第二个实参即可。 plt.show() 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13...
二:plt.imshow() 图像数据。支持的阵列形状包括: (M,N):具有标量数据的图像。使用标准化和颜色映射将值映射到颜色。请参阅参数norm、cmap、vmin、vmax。 (M,N,3):具有RGB值(0-1浮点或0-255整数)的图像。 (M,N,4):具有RGBA值(0-1浮点或0-255整数)的图像,即包括透明度。 前两个维度(M,N)定义图像...
例如，请将vmin设置为0，将vmax设置为1，以确保只有两种颜色被映射到图像上。
plt.pcolormesh()函数用于绘制伪彩色图(pseudocolor plot),也称为二维网格图(2D grid plot)。这个函数通常用于显示二维数组(如矩阵)中的数据,其中每个数据点由其颜色表示。pcolormesh绘制的是一个四边形网格,而不是散点。 数据表示:通常用于显示二维矩阵或图像数据,其中每个网格单元的颜色对应于该位置的数据值。
* np.cos(np.pi * y) # 用于生成不同颜色的数据# 创建散点图plt.figure(figsize=(8, 6))scatter = plt.scatter(x, y, c=c, cmap='viridis', s=50) # 调整点的大小为50# 添加颜色条plt.colorbar(scatter, label='Pollution Concentration')# 设置标题和坐标轴标签plt.title('Scatter Plot of...
在上述示例中,我们使用ax.imshow()将图像数据作为背景,并使用ax.plot()在背景图上绘制了一条红色曲线。最后,通过plt.show()显示图形。 需要注意的是,imshow()函数默认会根据数据的值来映射到颜色空间进行显示。你可以通过cmap参数指定不同的颜色映射方式,如上述示例中的cmap='gray'表示使用灰度颜色映射。
plt.imshow(data, cmap=cmap) plt.colorbar() # 添加颜色条 plt.show() 这样就可以在plt.py中创建一个包含N种颜色的colormap。其中,colors列表定义了N种颜色,可以根据需要自行调整。生成的colormap可以应用于图像的显示,通过imshow函数指定cmap参数即可。最后使用colorbar函数添加颜色条,以便查看颜色对应的值范围。
1、plt.plot(x,y)plt.plot(x,y,format_string,**kwargs) x轴数据,y轴数据,format_string控制曲线的格式字串 format_string 由颜色字符,风格字符,和标记字符import matplotlib.pyplot as pltplt.plot([1,2,3,6],[4,5,8,1],’g-s’) plt.show()结果**kwards: color 颜色 linestyle ...