Python可视化.2

先放图，先睹为快

上篇文章对绘图的一些流程做了一些解释，在文章的最后又简短的总结了一下绘图的流程。这篇文章会继续深化这个绘图流程，而且重点会说Plot这个函数的作用。

https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html

文章主要的参考资料为自带的doc

import numpy as npimport matplotlib.pyplot as plt
x = np.linspace(0.5, 10, 1000)y = np.cos(x)plt.plot(x, y, ls='-', lw=2, label='cosine', color='purple')
plt.legend()plt.xlabel('independent variable')plt.ylabel('dependent variable')plt.show()

我先从自带的demo开始分析：

就像我写出来的流程一样，先是导入包，二是设置x的间隔点，就是这个值，未来会被下面的函数逐一的处理。绘图函数先看最下面的解释：

格式：plt.plot(x, y, ls='-', lw=2, label='xxx', color='g' )

  • x：x轴上的值

  • y：y轴上的值

  • ls：线条风格 (linestyle)

  • lw：线条宽度 (linewidth)

  • label：标签文本

可以直接进行更改

可以设置划线的样式

小短线

点划线

圆点

变色

我没有改对应的文字

这样的图，我们在下篇文章一行一行代码来解释

f(x)=|sin(4x)^2 + x| * exp(-x) + x*x +0.1

也可以用于统计学

在概率论中，Β分布也称贝塔分布（Beta distribution），就是上图。

赞 (0)

相关推荐