Python如果实现图形绘制
Python如果实现图形绘制
这篇文章主要介绍Python如果实现图形绘制,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
1、画第一个图形
第一个图形从简单的开始。
1.1 代码
#importingtherequiredmoduleimportmatplotlib.pyplotasplt#xaxisvaluesx=[1,2,3]#correspondingyaxisvaluesy=[2,4,1]#plottingthepointsplt.plot(x,y)#namingthexaxisplt.xlabel('x-axis')#namingtheyaxisplt.ylabel('y-axis')#givingatitletomygraphplt.title('Myfirstgraph!')#functiontoshowtheplotplt.show()
1.2 输出
1.3 代码的部分解释
1)将 x 轴和相应的 y 轴值定义为列表。
2)使用 .plot() 函数在画布上绘制它们。
3)使用 .xlabel() 和 .ylabel() 函数为 x 轴和 y 轴命名。
4)使用 .title() 函数为绘图命名。
5)使用 .show() 函数查看绘图。
2、在同一图上绘制两条或多条线
2、在同一图上绘制两条或多条线
如果想在同一张图上再绘制多条线,可反复使用.plot()
函数。
2.1 代码
importmatplotlib.pyplotasplt#line1pointsx1=[1,2,3]y1=[2,4,1]#plottingtheline1pointsplt.plot(x1,y1,label="line1")#line2pointsx2=[1,2,3]y2=[4,1,3]#plottingtheline2pointsplt.plot(x2,y2,label="line2")#namingthexaxisplt.xlabel('x-axis')#namingtheyaxisplt.ylabel('y-axis')#givingatitletomygraphplt.title('Twolinesonsamegraph!')#showalegendontheplotplt.legend()#functiontoshowtheplotplt.show()
2.2 输出
2.3 代码的部分解释
1)在同一张图上绘制两条线。 通过给它们一个名称(label)来区分它们,该名称作为 .plot() 函数的参数传递。
2)提供有关线条类型及其颜色信息的小矩形框称为图例。 可以使用 .legend() 函数为绘图添加图例。
3、自定义绘图
下面将讨论适用于几乎所有场景的一些基本自定义。
3.1 代码
importmatplotlib.pyplotasplt#xaxisvaluesx=[1,2,3,4,5,6]#correspondingyaxisvaluesy=[2,4,1,5,2,6]#plottingthepointsplt.plot(x,y,color='green',linestyle='dashed',linewidth=3,marker='o',markerfacecolor='blue',markersize=12)#settingxandyaxisrangeplt.ylim(1,8)plt.xlim(1,8)#namingthexaxisplt.xlabel('x-axis')#namingtheyaxisplt.ylabel('y-axis')#givingatitletomygraphplt.title('Somecoolcustomizations!')#functiontoshowtheplotplt.show()
3.2 输出
3.3 代码的部分解释
如上面代码所示,我们进行了一些自定义的改变:
1)设定线的宽度、样式以及颜色。
2)设定了标记的形状、颜色和尺寸。
3)覆盖 x 和 y 轴范围。如果未完成覆盖,
pyplot
模块使用自动缩放功能来设置轴范围和比例。
以上是“Python如果实现图形绘制”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注恰卡编程网行业资讯频道!
推荐阅读
-
Python 3.12 新特性解析:模式匹配增强与性能优化实战
-
Lightly IDE 深度评测:轻量级 Python 开发工具是否适合团队协作?
-
VS Code 自定义配置:JSON 文件修改、代码片段与任务自动化脚本
-
Python 虚拟环境选择:venv、conda、poetry 的适用场景对比
-
PyCharm+GitHub Copilot:Python 开发中 AI 辅助编码的最佳实践
-
PyCharm 无法识别虚拟环境?5 步排查 Python 解释器配置问题
-
数据科学工具链:Jupyter Notebook+RStudio+Python 的协同工作流
-
Python 3.12 新特性:模式匹配增强与性能改进实战
-
Lightly IDE 适合谁?轻量级 Python 开发工具深度评测
-
Python IDE 终极对比:PyCharm vs VS Code vs Jupyter Notebook