Matplotlib er et kraftfuldt Python-bibliotek, der fungerer som en numerisk og matematisk udvidelse til NumPy-biblioteket. En af dens nøglekomponenter er Pyplot , som tilbyder en tilstandsbaseret grænseflade til Matplotlib-modulet, der præsenterer brugerne for et velkendt MATLAB-lignende miljø. Gennem funktionen Matplotlib.pyplot.plot() i Python kan brugere uden besvær skabe en række forskellige plots, herunder linjeplot, konturplot, histogrammer, scatterplot, 3D-plot og mere. Denne alsidighed gør Matplotlib til et uvurderligt værktøj til datavisualisering og -analyse i Python programmeringssprog.
Hvad er funktionen Matplotlib.pyplot.plot()?
Det matplotlib.pyplot.plot()> funktion er en grundlæggende komponent i Matplotlib-biblioteket, specifikt inden for Pyplot-modulet. Det tjener det formål at generere et 2D hexagonalt binningplot baseret på de givne datapunkter repræsenteret af variablerne x og y. Den forbinder datapunkter med linjer, hvilket tillader tilpasning af plottets udseende gennem parametre såsom linjestile og markører. Denne alsidige funktion er meget brugt til datavisualisering i forskellige domæner.
Syntaks: matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
'eulers nummer i java'
- Parametre:
- x, y: Disse parametre repræsenterer de vandrette og lodrette koordinater for datapunkterne. 'x'-værdierne er valgfrie, hvilket giver fleksibilitet i plotningsprocessen.
- fmt: Dette er en valgfri parameter, der indeholder en strengværdi. Det bruges til at angive formatet for plottet, definere linjestil, markør og farve.
- data: En valgfri parameter, 'data', refererer til et objekt med mærkede data. Det giver en bekvem måde at videregive data direkte, hvilket forbedrer læsbarheden og brugervenligheden.
- Vender tilbage: Det
plot()>funktion returnerer en liste over Line2D-objekter, der hver repræsenterer et segment af de plottede data. Disse Line2D-objekter indkapsler karakteristika og attributter for de plottede linjer, hvilket giver mulighed for yderligere tilpasning og analyse.
Matplotlib.pyplot.plot() Funktion i Python
Der er forskellige måder at oprette plot ved hjælp af Matplotlib.pyplot.plot.plot()-funktionen i Python. Der er nogle eksempler, der illustrerer matplotlib.pyplot.plot() fungere i matplotlib.pyplot:
- Grundlinje plot
- Plot med flere linjer
- Spredningsplot med flere markører
- To kurver plot
Linjeplot i Matplotlib
Ved at importere Matplotlibs plot() vi lavede et linjeplot med data [1, 2, 3]. Funktionen title() indstiller plottitlen, draw() opdaterer plottet, og show() viser det, hvilket giver en grundlæggende illustration af Matplotlib til datavisualisering i Python.
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Plotting a simple line graph> plt.plot([>1>,>2>,>3>])> # Setting the title> plt.title(>'Matplotlib Line Plot Example'>)> # Updating and displaying the plot> plt.draw()> plt.show()> |
hvordan fungerer en computer
>
>
Produktion:
Grundlinje plot
Flere linjer ved hjælp af Matplotlib
Ved at importere Matplotlib at plotte sinus- og cosinusfunktioner på den samme graf. Den genererer data, indstiller stilarter for hver funktion, tilføjer etiketter og en titel, viser en forklaring og viser derefter plottet, der illustrerer sinus- og cosinuskurverne.
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate data> x>=> np.linspace(>0>,>2>*>np.pi,>100>)> y1, y2>=> np.sin(x), np.cos(x)> # Plotting multiple lines on a single plot> plt.plot(x, y1, label>=>'Sin(x)'>, color>=>'b'>)> plt.plot(x, y2, label>=>'Cos(x)'>, color>=>'r'>, linestyle>=>'--'>)> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Multiple Lines Plot'>)> # Displaying the legend and the plot> plt.legend()> plt.show()> |
hvor mange 0 i en milliard
>
>
Produktion
Plot med flere linjer
Markører i Matplotlib
Ved at importere Matplotlib vi genererede et tilpasset scatterplot med 50 tilfældige datapunkter, med røde cirkulære markører. Det inkluderer akselabels, en titel ('Scatter Plot Eksempel') og en forklaring. Det show()> funktionen viser plottet og demonstrerer et grundlæggende eksempel på datavisualisering med Matplotlib i Python.
Python3
hvordan finder jeg skjulte apps på Android
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> np.random.seed(>42>)> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> # Plotting a scatter plot with custom markers> plt.plot(x, y, marker>=>'o'>, linestyle>=>'>', markersize=8, color='>r>', label='>Scatter Plot')> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Scatter Plot Example'>)> # Displaying the legend> plt.legend()> # Display the plot> plt.show()> |
>
>
Produktion:
Spredningsplot med flere markører
Plotning af flere kurver
Ved at importere Matplotlib skabte vi et linjeplot med to kurver: en blå kurve ( og = x^ 2) og en orange kurve (y=1− x^ 3). Dataene genereres tilfældigt, sorteres for jævne kurver og plottes medplot()>fungere. Plottet er begrænset til området [0, 1] på begge akser, hvilket viser en visuel repræsentation af matematiske funktioner.
Python3
# Implementation of matplotlib function> > import> matplotlib.pyplot as plt> import> numpy as np> > # Fixing random state for reproducibility> np.random.seed(>19680801>)> > # create random data> xdata>=> np.random.random([>2>,>10>])> > # split the data into two parts> xdata1>=> xdata[>0>, :]> xdata2>=> xdata[>1>, :]> > # sort the data so it makes clean curves> xdata1.sort()> xdata2.sort()> > # create some y data points> ydata1>=> xdata1>*>*> 2> ydata2>=> 1> -> xdata2>*>*> 3> > # plot the data> plt.plot(xdata1, ydata1, color>=>'tab:blue'>)> plt.plot(xdata2, ydata2, color>=>'tab:orange'>)> > > # set the limits> plt.xlim([>0>,>1>])> plt.ylim([>0>,>1>])> plt.title(>'matplotlib.pyplot.plot() example 2'>)> > # display the plot> plt.show()> |
>
opdatering af java
>
Produktion
To kurver plot
Konklusion
Afslutningsvis matplotlib.pyplot.plot()> funktion i Python er et grundlæggende værktøj til at skabe en række 2D-plot, herunder linjeplot, scatter-plot og mere. Dens alsidighed giver brugerne mulighed for at tilpasse plots ved at specificere datapunkter, linjestile, markører og farver. Med valgfrie parametre som 'fmt' og 'data' giver funktionen fleksibilitet i plotformatering og datahåndtering. Derudover giver de returnerede Line2D-objekter mulighed for yderligere manipulation og analyse af de plottede data. Samlet set Matplotlib'splot()>funktion er en nøglekomponent inden for datavisualisering og tilbyder en brugervenlig grænseflade til at skabe indsigtsfulde og visuelt tiltalende plots i Python.