前两篇文章简单介绍了科学计算Numpy的一些常用方法，还有一些其他内容，会在后面的实例中学习。下面介绍另一个模块——Matplotlib。

　　　　Matplotlib是一个Python 2D绘图库，试图让复杂的绘图可视化工作变得简单。只需几行代码即可生成绘图，直方图，功率谱，条形图，误差图，散点图等2D图形，这在数据分析的过程中我们经常会用到它，对分析结果进行绘图处理。Matplotlib的文档介绍，请走传送门：https://matplotlib.org/

　　　　下面我们来举一个简单的例子。

 1 import matplotlib.pyplot as plt
 2 import numpy as np
 3 
 4 # 输入绘图数据
 5 #这里我们用到了numpy模块的一些方法
 6 t = np.arange(0.0, 2.0, 0.01)
 7 s = 1 + np.sin(2 * np.pi * t)
 8 
 9 # 根据数据绘图
10 plt.plot(t, s)
11 #设置x轴和y轴标题
12 plt.xlabel('T (s)')
13 plt.ylabel('V(mV)')
14 #设置图标题
15 plt.title('simple pic')
16 plt.grid(True)
17 
18 #将绘制好的图形展示出来
19 plt.show()

　　结果是如下图所示：

 

　　　　值得注意的是，matplotlib在显示中文的时候会出现一些问题，解决这个问题，请看传送门：https://www.cnblogs.com/shikaihong/p/7717741.html

 

　　　　再看一个来自官方文档的例子。（如侵权联系删除）

 1 #导入这个包
 2 import matplotlib.pyplot as plt
 3 import numpy as np
 4 
 5 #定义一个曲线生成的函数
 6 def f(t):
 7     return np.exp(-t)*np.cos(2*np.pi*t)
 8 
 9 
10 t1=np.arange(0.0,5.0,0.1)
11 t2=np.arange(0.0,5.0,0.02)
12 
13 #这里是定义画布，称之为画布一
14 plt.figure(1)
15 
16 #这里申明一个新的绘图区，括号里的“211”是表示画布分为两行一列，该图在绘图区一上操作
17 plt.subplot(211)
18 plt.plot(t1,f(t1),'bo',t2,f(t2),'k')
19 
20 #与上面相同，只是在二上操作
21 plt.subplot(212)
22 
23 #这里指定了绘图线形和颜色
24 plt.plot(t2,np.cos(2*np.pi*t2),'r--')
25 
26 plt.show()

　　　　这是效果图

 

版权声明：本文为CCColby原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/CCColby/p/8466891.html