Matplotlib数据可视化实战-2绘制折线图（1）

函数plot是matplotlib.pyplot模块中的一个重要函数，用于在图形中绘制折线图。其基本用法是plot(x, y, [fmt], **kwargs)，其中x和y分别代表X轴和Y轴上的数据点，通常是以列表、数组或一维序列的形式给出。通常用的参数有：

基本参数：

x, y：数组(array-like)或可迭代对象，分别表示X轴和Y轴的数据点。

线条样式参数：

linestyle 或 ls：线条样式。可选值有 -（实线）、--（虚线）、-.（点划线）、:（点线）、None（无线条）、' '（空白线）、''（默认）、'solid'、'dashed'、'dashdot'、'dotted'等。
linewidth 或 lw：线条宽度，以点为单位。
marker：数据点标记样式。可选值包括 'o'（圆圈）、'.'（点）、','（像素点）、's'（正方形）、'd'（菱形）、'p'（五边形）、'*'（星形）、'h'（六边形1）、'H'（六边形2）、'+'（加号）、'x'（x形状）、'D'（菱形双对角线）、'd'（窄菱形）、'|'（垂直线）、'_'（水平线）等。也可以是一个数字，表示自定义的标记。
markersize 或 ms：标记大小，以点为单位。
markerfacecolor 或 mfc：标记的填充颜色。
markeredgecolor 或 mec：标记的边缘颜色。
markeredgewidth 或 mew：标记边缘的宽度。

颜色参数：

color 或 c：线条或标记的颜色。可以是字符串（如 'red'、'b' 等）、RGB元组（如 (0.1, 0.2, 0.5)）、十六进制颜色代码（如 '#FF5733'）等。

其他参数：

label：线条的标签，用于图例。
alpha：透明度，0表示完全透明，1表示完全不透明。
visible：是否可见。
solid_capstyle：线条端点的样式。
dash_capstyle：线条虚线部分的端点样式。
solid_joinstyle：线条实线部分的连接样式。
dash_joinstyle：线条虚线部分的连接样式。

返回值：

一个或多个线条对象，取决于调用方式。

注意：以上只是plot函数的部分常用参数，matplotlib库提供了更多的参数和选项，可以根据需要进行更详细的定制。为了获取完整的参数列表和更多详细信息，可以查阅matplotlib的官方文档或使用Python的帮助功能（如 help(plt.plot)）。

2.1绘制带有中文标题、坐标轴标签和图例的正弦、余弦图像

import matplotlib.pylab as plt = pl.arange(0.0, 2.0*pl.pi, 0.01)    # 自变量取值范围
s = pl.sin(t)                          # 计算正弦函数值
z = pl.cos(t)                          # 计算余弦函数值
pl.plot(t,                             # x轴坐标s,                             # y轴坐标label='正弦',                  # 标签color='red')                   # 颜色
pl.plot(t, z, label='余弦',lw=3, ls='--', color='blue')   # 3像素宽，虚线
pl.xlabel('x-变量',                    # 标签文本fontproperties='simhei',    # 字体fontsize=18)                 # 字号
pl.ylabel('y-正弦余弦函数值', fontproperties='simhei', fontsize=18)
pl.title('sin-cos函数图像',             # 标题文本fontproperties='simhei',      # 字体fontsize=24)                  # 字号
pl.legend(prop='SimSun')              # 创建、显示图例
pl.grid(alpha=0.7, ls='-.')            # 半透明网格线，点画线
pl.show()                              # 显示绘制的结果图像

2.2在绘制结果中添加水平线和垂直线

import numpy as np
import matplotlib.pyplot as pltx = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
# 绘制正弦曲线
plt.plot(x, y, 'r-', lw=2, label='sin')
# 在纵坐标-0.5和0.5处绘制两条水平直线，蓝色虚线
plt.axhline(-0.5, color='blue', ls='--', label='axhline')
plt.axhline(0.5, color='blue', ls='--')
# 在横坐标绘制垂直直线，绿色点划线
plt.axvline(np.pi, color='green', ls='-.', label='axvline')
# 设置y轴刻度位置和文本
plt.yticks([-1, -0.5, 0, 0.5, 1],['-1', 'axhline', '0', 'axhline', '1'])
# 创建、显示图例
plt.legend()plt.show()

2.3绘制陀螺线，只绘制采样点

import numpy as np
import matplotlib.pyplot as plt# 4个圆周的角度，单位为弧度
theta = np.arange(0, 8*np.pi, 0.1)
r = np.arange(20, 20+len(theta))
# 在采样点位置处绘制红色圆圈
plt.plot(r*np.cos(theta), r*np.sin(theta), 'ro')plt.show()

2.4同时绘制多条折线


import numpy as np
import matplotlib.pyplot as pltx = range(10)
# 10行3列随机数，每个都介于[20,50)区间内
y = np.random.randint(20, 50, (10,3))
# 绘制3条折线图，每列数据对应一条折线图
plt.plot(x, y, label=['a','b','c'])
plt.legend()plt.show()

2.5同时绘制多条曲线

import numpy as np
import matplotlib.pyplot as pltx1 = np.arange(0, 2*np.pi, 0.01)
y1 = np.sin(x1)
x2 = np.arange(2*np.pi, 4*np.pi, 0.01)
y2 = np.cos(x2)
# 指定每条曲线的采样点位置和线条属性
lines = plt.plot(x1, y1, 'r-', x2, y2, 'b-.')
# 为两条曲线创建图例
plt.legend(lines, ['sin','cos'])plt.show()

2.6绘制龟兔赛跑中兔子和乌龟的行走轨迹

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm# 时间轴
t = np.arange(0, 120, 0.5)
# 兔子的运行轨迹，分段函数
rabbit = np.piecewise(t,[t<10, t>110],               # 兔子跑步的两个时间段[lambda x:15*x,              # 兔子第一段时间的路程lambda x:20*(x-110)+150,    # 第二个时间段的路程lambda x:150]               # 兔子中间睡觉时的路程)
tortoise = 3 * t                                   # 小乌龟一直在匀速前进
plt.plot(t, tortoise, label='乌龟', lw=3)
plt.plot(t, rabbit, label='兔子')
plt.title('龟兔赛跑', fontproperties='simhei', fontsize=24)
plt.xlabel('时间（秒）', fontproperties='simhei', fontsize=18)
plt.ylabel('与起点的距离（米）', fontproperties='simhei', fontsize=18)
myfont = fm.FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf',size=12)                # 设置图例中的中文字体和字号
plt.legend(prop=myfont)
plt.show()

2.7一笔绘制红色五角星

方法一：

import numpy as np
import matplotlib.pyplot as plt# 外接圆半径
r = 6
angles = np.linspace(0, 2*np.pi, 5,endpoint=False)
x = r * np.cos(angles)
y = r * np.sin(angles)plt.plot([x[2],x[0],x[3],x[1],x[4],x[2]],[y[2],y[0],y[3],y[1],y[4],y[2]],'r')
# 设置坐标轴纵横比相等
plt.gca().set_aspect('equal')
plt.show()

方法2：

import numpy as np
import matplotlib.pyplot as plt# 外接圆半径
r = 6
angles = np.linspace(0, 4*np.pi, 6)
x = r * np.sin(angles)
y = r * np.cos(angles)plt.plot(x, y, 'r')
# 设置坐标轴纵横比相等
plt.gca().set_aspect('equal')
plt.show()

2.8使用三角函数绘制花瓣图案

import numpy as np
import matplotlib.pyplot as pltr = 6
angles = np.arange(0, np.pi*2, 0.01)
# 把4改成其他数字可以得到不同图案
x = r * np.cos(4*angles) * np.cos(angles)
y = r * np.cos(4*angles) * np.sin(angles)
plt.plot(x, y, 'r')# 设置坐标轴纵横比相等
plt.gca().set_aspect('equal')
# 显示图形
plt.show()

2.9某质点的初始速度和加速度已知，绘制该质点第5-20s的速度和位移的曲线

import numpy as np
import matplotlib.pyplot as plt# 初始速度和加速度
v0, a = 3, 1.8
# 时间轴，第5到20秒
t = np.arange(5, 21)
# 速度
v = v0 + a*t
# 位移
x = v0*t + 0.5*a*t*t
# 创建左右两个子图
fig, (ax1, ax2) = plt.subplots(1, 2)
# 设置子图之间的水平间距，wspace单位为子图宽度的比例
plt.subplots_adjust(wspace=0.5)
# 选择左边子图为当前子图
plt.sca(ax1)
# 在当前子图中绘制折线图
plt.plot(t, v, c='red')
plt.title('时间-速度', fontproperties='simhei', fontsize=24)
plt.xlabel('时间（s）', fontproperties='simhei', fontsize=18)
plt.ylabel('速度（m/s）', fontproperties='simhei', fontsize=18)
# 设置坐标轴刻度范围
plt.xlim(5, 21)
plt.ylim(0, 40)# 选择右边子图为当前子图
plt.sca(ax2)
# 在当前子图中绘制折线图
plt.plot(t, x, c='blue')
plt.title('时间-位移', fontproperties='simhei', fontsize=24)
plt.xlabel('时间（s）', fontproperties='simhei', fontsize=18)
plt.ylabel('位移（m）', fontproperties='simhei', fontsize=18)
plt.xlim(5, 21)
plt.ylim(0, 450)plt.show()

3.10绘制误差线图

import numpy as np
import matplotlib.pyplot as pltx = [1, 3, 5, 8, 9]
y = [5, 9, 3, 5, 10]
plt.errorbar(x, y,    # 数据点位置xerr=1, yerr=[1,1,1,0.5,0.5],    # 两个方向的误差范围# 设置线条和端点符号# fmt='none'时表示不绘制数据点及连线，只绘制误差标记fmt='-.*',ecolor='orange',    # 误差线颜色errorevery=2,       # 每2个数据点绘制一个误差线lolims=True,        # 只绘制上侧的误差线xlolims=True,       # 只绘制右侧的误差线)plt.show()