Matplotlib相关知识

Matplotlib相关操作：

import numpy as np
from matplotlib import pyplot as pltx = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 使用红色虚线，圆点标记，线宽1.5，标记大小为6绘制sin
plt.plot(x, y1,color="red",  # 红色linestyle="--",  # 虚线marker="o",  # 圆点标记markersize=6,  # 标记大小为6linewidth=1.5  # 线宽1.5)#使用绿色实线，方形标记，线宽为2，标记大小为8绘制cos
plt.plot(x, y2,color="green",  # 绿色linestyle="-",  # 实线marker="s",  # 方形标记markersize=8,  # 标记大小为8linewidth=2  # 线宽为2)#显示图像
plt.show()

import numpy as np
from matplotlib import pyplot as plt# 生成100个随机点
x = np.random.rand(100)
y = np.random.rand(100)# 点的大小根据x坐标值线性变化
sizes = 500 * x# 点的颜色根据y坐标使用'plasma'颜色映射
# 透明度为0.6，边缘颜色为黑色
colors = plt.cm.plasma(y)
plt.scatter(x, y,s=sizes,  # 大小c=colors,  # 颜色alpha=0.6,  # 透明度edgecolors='black'  # 边缘颜色)# 显示图像
plt.show()

import matplotlib.pyplot as plt
import numpy as npcategories = ['Apple', 'Banana', 'Cherry', 'Date', 'Eggplant']
values1 = [30, 25, 40, 15, 20]
values2 = [20, 30, 35, 25, 10]x = np.arange(len(categories))
width = 0.35  # 条形宽度# 绘制两组并列的条形图，第一组颜色为橙色，第二组颜色为紫色
# 条形宽度为0.35， 添加图例
plt.bar(x - width/2, values1, width=width, color='orange', label='Group 1')
plt.bar(x + width/2, values2, width=width, color='purple', label='Group 2')
# 设置x轴刻度
plt.xticks(x, categories)plt.legend()
plt.show()

from matplotlib import pyplot as plt# 数据
sizes = [20, 30, 25, 15, 10]
labels = ['Category1', 'Category2', 'Category3', 'Category4', 'Category5']"""
绘制饼图，要求:
突出显示 Category2
显示百分比，保留两位小数
开始角度为 120 度
添加阴影
扇形边缘颜色为黑色，线宽为1
"""plt.pie(sizes,labels=labels,  # 饼图标签autopct='%1.2f%%',  # 显示百分比startangle=120,  # 开始角度shadow=True,  # 添加阴影wedgeprops={'edgecolor': 'black', 'linewidth': 1}  # 边缘颜色和线宽)plt.show()

import numpy as np
from matplotlib import pyplot as plt# 生成2000个服从正态分布的随机数
data = np.random.randn(2000)# 绘制直方图，箱数为 40，颜色为橙色，透明度为0.6
# #设置合适的 x轴和 y轴标签以及标题
plt.hist(data,bins=40,  # 设置箱数为40color='orange',  # 设置颜色为橙色alpha=0.6  # 设置透明度为0.6)plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram of Random Data')
plt.show()

import numpy as np
from matplotlib import pyplot as plt#生成三组数据，分别服从均值为0、1、2，标准差为1 的正态分布，每组150个数据
data1 = np.random.normal(0, 1, 150)
data2 = np.random.normal(1, 1, 150)
data3 = np.random.normal(2, 1, 150)
data = [data1, data2, data3]#绘制水平箱线图，填充箱体颜色为绿色
plt.boxplot(data,vert=False,  # 设置箱线图方向为水平patch_artist=True,  # 填充箱体颜色boxprops={'facecolor': 'green'}  # 设置箱体颜色为绿色)#设置合适的 x轴和 y 轴标签以及标题
plt.xlabel('Value')
plt.ylabel('Group')
plt.title('Box Plot of Three Groups')
plt.show()

import matplotlib.pyplot as plt
import numpy as np#生成数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)#创建一个1行3列的子图
fig, axes = plt.subplots(1,3)
axes[0].plot(x, y1)
axes[1].plot(x, y2)
axes[2].plot(x, y3)
axes[0].set_title('Sine')
axes[1].set_title('Cosine')
axes[2].set_title('Tangent')
plt.tight_layout()
plt.show()

附加：

import numpy as np
import matplotlib.pyplot as plt# 原始图像生成
# 创建一个700×700的图像数组（RGB），初始全部为黑色
image_arr = np.zeros((700, 700, 3), dtype=np.uint8)# 定义每个格子的尺寸
cell_size = 100
line_width = 2  # 网格线宽度# 绘制白色网格线
# 横向网格线
for i in range(0, 701, cell_size):image_arr[i:min(i + line_width, 700), :, :] = 255
# 纵向网格线
for j in range(0, 701, cell_size):image_arr[:, j:min(j + line_width, 700), :] = 255# 利用双重循环遍历每个网格（7×7格子）
# 如果满足条件：对角线处格子 -> 填充红色 
for i in range(1, 7):  # 行索引：1～6for j in range(1, 7):  # 列索引：1～6r_start = i * cell_size + line_widthr_end = (i + 1) * cell_size - line_widthc_start = j * cell_size + line_widthc_end = (j + 1) * cell_size - line_widthif (i == j or (i + j == 6)) and not (i == 6 and j == 6):image_arr[r_start:r_end, c_start:c_end, 0] = 255  # Rimage_arr[r_start:r_end, c_start:c_end, 1] = 0  # Gimage_arr[r_start:r_end, c_start:c_end, 2] = 0  # B# 分离并可视化 RGB 三个通道
# 方法一：为每个通道创建一个与原图像相同大小的新数组，只保留该通道值，其他通道置0
image_red = np.zeros_like(image_arr)
image_green = np.zeros_like(image_arr)
image_blue = np.zeros_like(image_arr)# 分别拷贝对应通道
image_red[:, :, 0] = image_arr[:, :, 0]  # R通道
image_green[:, :, 1] = image_arr[:, :, 1]  # G通道
image_blue[:, :, 2] = image_arr[:, :, 2]  # B通道fig, axes = plt.subplots(1, 4, figsize=(12, 4))
axes[0].imshow(image_arr)
axes[0].set_title("image")axes[1].imshow(image_red)
axes[1].set_title("image_red")axes[2].imshow(image_green)
axes[2].set_title("image_green")axes[3].imshow(image_blue)
axes[3].set_title("image_blue")for ax in axes:ax.axis('off')plt.tight_layout()
plt.show()