安装Matplotlib 在安装 Python 环境后,可以使用 pip 安装 Matplotlib: pip install matplotlib 安装完成后,可以通过以下方式导入 Matplotlib: importmatplotlib.pyplotasplt 2. 绘制基础图表 2.1 折线图(Line Plot) 折线图通常用于展示数据随时间的变化,或观察变量之间的关系。绘制折线图的基本语法如下: importmatplotlib.p...
import matplotlib.pyplot as plt import numpy as np data = np.random.rand(5, 5) # 绘制热力图 plt.imshow(data, cmap='hot') # 添加颜色条 plt.colorbar() # 添加标题和标签 plt.title("热力图示例") plt.xlabel("X轴") plt.ylabel("Y轴") # 显示图形 plt.show() 8. 面积图(Area Plot)...
Matplotlib 会自动选择非常合适的坐标轴范围来绘制你的图像,但是有些情况下你也需要自己进行相关调整。使用plt.xlim()和plt.ylim()函数可以调整坐标轴的范围: plt.plot(x, np.sin(x)) plt.xlim(-1,11) plt.ylim(-1.5,1.5); 如果某些情况下...
importnumpyasnpimport matplotlib.pyplotasplt deff(x,y):return(1-x/2+x**5+y**3)*np.exp(-x**2-y**2)n=256x=np.linspace(-3,3,n)y=np.linspace(-3,3,n)X,Y=np.meshgrid(x,y)plt.contourf(X,Y,f(X,Y),8,alpha=.75,cmap='jet')C=plt.contour(X,Y,f(X,Y),8,colors='black...
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None,*, edgecolors=None, plotnonfinite=False, data=None, **kwargs) 参数说明: x,y:长度相同的数组,也就是我们即将绘制散点图的数据点,输入数据。
接下来,我们需要创建一个颜色映射对象。matplotlib中提供了一些预定义的颜色映射,例如’RdYlBu’表示红-黄-蓝的渐变。 cmap=plt.get_cmap('RdYlBu') 1. 4. 绘制图表 然后,我们可以使用scatter函数绘制散点图,并使用cmap参数将数据进行颜色编码。 plt.scatter(range(len(data)),data,c=data,cmap=cmap) ...
plt.rcParams['axes.unicode_minus'] = False: 这一行代码设置了 Matplotlib 的参数,防止在图中显示负号时出现乱码问题。 %config InlineBackend.figure_format = 'svg': 这一行代码设置图形输出格式为 SVG(Scalable Vector Graphics),这样可以获得矢量图形,更适合在网页上展示,并且具有良好的缩放性。
2.2 使用plt.cm.get_cmap()方法 另一种方法是使用plt.cm.get_cmap()方法获取颜色映射对象,然后使用reversed()函数反转它。 importmatplotlib.pyplotaspltimportnumpyasnp# 创建一个简单的数据集data=np.random.rand(10,10)# 获取并反转颜色映射cmap=plt.cm.get_cmap('plasma')reversed_cmap=cmap.reversed()# ...
在使用Python扩展库Matplotlib进行可视化时,不少函数支持使用参数cmap指定配色方案。例如,下面的代码模拟了一个3像素的图像并设置了Blues配色方案,实现了从白色到蓝色(蓝色分量饱和度从0到100%)的渐变,根据像素的值插值计算合适的颜色进行填充。 下面的代码设置了Blues_r配色方案,后缀_r表示反向映射,插值计算的方向与Blu...