python数学建模Matplotlib绘制方法介绍

　　小编写这篇文章的一个主要目的，主要是来给大家去做一个相关的自我介绍，介绍关于python是怎么进行数学建模的，怎么使用Matpolibd呢？具体的使用方法是什么呢？下面就给大家详细的去做一个解答。

　　Matplotlib简介

　　#Matplotlib简介：
　　'''
　　使用Matplotlib在Python中创建图表【Matplotlib是用于创建图表的Python库】
　　Matplotlib是一个非常强大的Python画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。
　　它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式【可创建散点图，折线图，条形图和饼图等】
　　Matplotlib可以用来绘制各种静态，动态，交互式的图表。
　　注：在使用之前需在终端安装Matplotlib
　　安装命令为：pip install matplotlib
　　Matplotlib应用：
　　Matplotlib通常与NumPy和SciPy（Scientific Python）一起使用，这种组合广泛用于替代MatLab，
　　是一个强大的科学计算环境，有助于我们通过Python学习数据科学或者机器学习
　　'''
　　#查看版本
　　import matplotlib
　　print(matplotlib.__version__)

　　Matplotlib散点图

　　#Matplotlib散点图
　　#散点图是一种图形或数学图，使用笛卡尔坐标显示一组数据的两个变量的值
　　#使用时，我们可以使用import导入pyplot库，并设置一个别名plt
　　import matplotlib.pyplot as plt
　　x_hz=[i for i in range(10)]#时间数据
　　y_zz=[6,14,21,36,45,52,66,72,88,92]#价格数据
　　plt.title('price for 10 years')#设置图表标题
　　plt.scatter(x_hz,y_zz,color='blue',marker='x',label='item 1')#scatter()功能绘制散点图
　　plt.xlabel('year')#设置x轴标签
　　plt.ylabel('price')#设置y轴标签
　　plt.grid(True)#grid()功能显示网格
　　plt.legend()#legend()功能在轴上放置图例
　　plt.show()#显示图表

　　运行效果如下：

　　Matplotlib Pyplot

　　#Matplotlib Pyplot
　　'''
　　Pyplot是Matplotlib的子库，提供了和MATLAB类似的绘图API。
　　Pyplot是常用的绘图模块，能很方便让用户绘制2D图表。
　　Pyplot包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改
　　'''
　　import matplotlib.pyplot as plt
　　import numpy as np
　　x_d=np.array([0,8])
　　y_d=np.array([0,120])
　　plt.plot(x_d,y_d)#plot()函数是绘制二维图形的最基本函数
　　plt.show()

　　运行效果如下：

　　关于plot()

　　#关于plot()
　　'''
　　plot()用于画图它可以绘制点和线，语法格式如下：
　　#画单条线
　　plot([x],y,[fmt],*,data=None,**kwargs)
　　#画多条线
　　plot([x],y,[fmt],[x2],y2,[fmt2],...,**kwargs)
　　参数说明：
　　x,y：点或线的节点，x为x轴数据，y为y轴数据，数据可以列表或数组。
　　fmt：可选，定义基本格式（如颜色、标记和线条样式）。
　　**kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。
　　颜色字符：'b'蓝色，'m'洋红色，'g'绿色，'y'黄色，'r'红色，'k'黑色，'w'白色，'c'青绿色，'#008000'RGB颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。
　　线型参数：'‐'实线，'‐‐'破折线，'‐.'点划线，':'虚线。
　　标记字符：'.'点标记，','像素标记(极小点)，'o'实心圈标记，'v'倒三角标记，'^'上三角标记，'>'右三角标记，'<'左三角标记...等等
　　'''
　　#可使用o参数，表示一个实心圈的标记
　　import matplotlib.pyplot as plt
　　import numpy as np
　　x_p=np.array([0,6])
　　y_p=np.array([3,9])
　　plt.plot(x_p,y_p,'o')
　　plt.show()
　　运行效果如下：
　　绘制任意数量的点
　　#绘制任意数量的点
　　import matplotlib.pyplot as plt
　　import numpy as np
　　x_dp=np.array([1,3,5,7,9])
　　y_dp=np.array([8,4,2,6,0])
　　plt.plot(x_dp,y_dp)
　　plt.show()

　　运行效果如下：

　　不指定x轴上的点,看看效果
　　#不指定x轴上的点,看看效果
　　import matplotlib.pyplot as plt
　　import numpy as np
　　yd=np.array([2,9])
　　plt.plot(yd)
　　plt.show()

　　运行效果如下：

　　再看看y更多值的效果

　　#再看看y更多值的效果
　　import matplotlib.pyplot as plt
　　import numpy as np
　　yd2=np.array([2,9,1,8,3,8])
　　plt.plot(yd2)
　　plt.show()
　　运行效果如下：
　　绘制正余弦图：
　　#绘制正余弦图：
　　import matplotlib.pyplot as plt
　　import numpy as np
　　x=np.arange(0,4*np.pi,0.1)
　　y=np.sin(x)
　　z=np.cos(x)
　　plt.plot(x,y,x,z)
　　plt.show()

　　运行效果如下：

　　两个数据集

　　#两个数据集
　　import matplotlib.pyplot as plt
　　x_d1=[i for i in range(1,11)]
　　y_d1=[2,32,41,6,15,34,34,23,12,9]
　　x_d2=[i for i in range(1,11)]
　　y_d2=[4,12,43,21,52,32,12,43,8,20]
　　plt.title('Prices for 10 years')
　　plt.scatter(x_d1,y_d1,color='darkblue',marker='x',label='item 1')
　　plt.scatter(x_d2,y_d2,color='darkred',marker='x',label='item 2')
　　plt.xlabel('Year')
　　plt.ylabel('Price')
　　plt.grid(True)
　　plt.legend()
　　plt.show()

　　运行效果如下：

　　Matplotlib绘图标记

　　实心圆标记：
　　#Matplotlib绘图标记
　　#绘图过程可使用plot()方法的marker参数来定义标记
　　#实心圆标记：
　　import matplotlib.pyplot as plt
　　import numpy as np
　　yp=np.array([1,3,1,4,1,5,9,5,2,1])
　　plt.plot(yp,marker='o')
　　plt.show()

　　运行效果如下:

　　用*标记

　　#用*标记
　　import matplotlib.pyplot as plt
　　import numpy as np
　　yp2=np.array([2,3,2,43,23,12,3,4,12,43,12])
　　plt.plot(yp,marker='*')
　　plt.show()
　　运行效果如下：
　　用下箭头标记
　　#用下箭头标记
　　import matplotlib.pyplot as plt
　　import matplotlib.markers
　　plt.plot([1,3,5],marker=matplotlib.markers.CARETUPBASE)
　　plt.show()

　　运行效果如下：

　　Matplotlib折线图

　　#Matplotlib折线图
　　#折线图是一种显示图表的图表，该信息显示为一系列数据点，这些数据点通过直线段相连，称为标记
　　#正弦波折线图:
　　import matplotlib.pyplot as plt
　　import numpy as np
　　t=np.arange(0.0,4.0,0.01)#arange()函数返回给定间隔内的均匀间隔的值列表
　　s=np.sin(2.5*np.pi*t)
　　#plot()功能绘制折线图
　　plt.plot(t,s)
　　plt.title('Wave')
　　plt.xlabel('Time')
　　plt.ylabel('Vol')
　　plt.grid(True)
　　plt.show()

　　运行效果如下：

　　fmt参数

　　#fmt参数
　　'''
　　fmt参数
　　fmt参数定义了基本格式，如标记、线条样式和颜色。
　　fmt='[marker][line][color]'
　　如o:r【o表示实心圆标记，:表示虚线，r表示颜色为红色】
　　:代表虚线-代表实线
　　--代表破折线-.代表点划线
　　除了黑色是用k表示，其他颜色均用各自英文首字母表示
　　'''
　　import matplotlib.pyplot as plt
　　import numpy as np
　　ft=np.array([3,9,2,6])
　　plt.plot(ft,'o:r')
　　plt.show()

　　运行效果如下：

　　标记大小与颜色

　　设置标记大小:
　　#标记大小与颜色
　　'''
　　标记大小与颜色
　　我们可以自定义标记的大小与颜色，使用的参数分别是：
　　markersize，简写为ms：定义标记的大小。
　　markerfacecolor，简写为mfc：定义标记内部的颜色。
　　markeredgecolor，简写为mec：定义标记边框的颜色。
　　'''
　　#设置标记大小:
　　import matplotlib.pyplot as plt
　　import numpy as np
　　dx=np.array([2,32,1,43,12,12,3])
　　plt.plot(dx,marker='o',ms=20)
　　plt.show()
　　运行效果如下：
　　设置标记内部颜色：
　　#设置标记内部颜色：
　　import matplotlib.pyplot as plt
　　import numpy as np
　　nys=np.array([2,3,32,12,43,12,9])
　　plt.plot(nys,marker='o',ms=20,mfc='r')
　　plt.show()

　　运行效果如下：

　　Matplotlib条形图

　　#Matplotlib条形图
　　#条形图显示带有矩形条的分组数据，其长度与它们代表的值成比例【条形图可以垂直或水平绘制】
　　import matplotlib.pyplot as plt
　　import matplotlib.style as sty
　　sty.use('ggplot')
　　x=[i for i in range(1,4)]
　　y=[12,8,4]
　　fuck,ax=plt.subplots()#subplots()函数返回图形和轴对象
　　ax.bar(x,y,align='center')#bar()功能生成条形图
　　ax.set_title('Olympic Gold for London')
　　ax.set_ylabel('Gold medals')
　　ax.set_xlabel('Countries')
　　ax.set_xticks(x)
　　ax.set_xticklabels(('China','UK','USA'))
　　plt.show()

　　综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来更多帮助。