pyplot子模块的绘图步骤,python plot画图

  pyplot子模块的绘图步骤,python plot画图

  #编码=utf8

  将matplotlib.pyplot作为plt导入

  将numpy作为np导入

  #创建一个数组:x,y1,y2,y3,x4,y4

  x=np.array([10,8,13,9,11,14,6,4,12,7,5])

  y1=np.array([8.04,6.95,7.58,8.81,8.33,9.96,7.24,4.26,10.84,4.82,5.68])

  y2=np.array([9.14,8.14,8.74,8.77,9.26,8.10,6.13,3.10,9.13,7.26,4.74])

  y3=np.array([7.46,6.77,12.74,7.11,7.81,8.84,6.08,5.39,8.15,6.42,5.73])

  x4=np.array([8,9,8,10,8,6,8,19,3.8,8,4.8])

  y4=np.array([6.8,5.6,7.1,8.84,8.7,7.04,5.5,1.50,5.6,7.9,6.88])

  定义适合度(x):

  返回1 4 * x/5

  #创建一个xfit数组,包含两个元素:x的最大值和最小值。

  xfit=np.array([np.min(x),np.max(x)])

  #创建子图

  plt.subplot(221)

  #在第一个子图上画两个图形

  #x,y1,黑色正方形散点图

  #xfit,fit(xfit)红色实线,线宽为2

  plt.plot(x,y1, ks ,xfit,fit(xfit), r-,lw=2)

  #设置X轴范围:2至20

  #设置Y轴范围:2至14

  平面轴([2,20,2,14])

  #plt.gca():获取当前子图

  #plt.setp():设置图标实例的属性。

  #将子图的xticklabels设置为空

  # y票显示为:4,8,12,x票显示为:0,10,20。

  plt.setp(plt.gca(),xticklabels=[],yticks=(4,8,12),xticks=(0,10,20))

  #matplotlib.pyplot.text(x,y,s,fontdict=None,withdash=False,**kwargs)

  #第一个参数是x轴坐标

  #第二个参数是Y轴坐标

  #第三个参数是要明确的内容

  #fontsize设置显示字体大小。

  plt.text(3,12, I ,fontsize=20)

  #创建第二个子图

  plt.subplot(222)

  #画两张图

  #x,y2,黑色正方形散点图

  #xfit,fit(xfit)红色实线,线宽为2

  plt.plot(x,y2, ks ,xfit,fit(xfit), r-,lw=2)

  平面轴([2,20,2,14])

  #plt.gca():获取当前子图

  #plt.setp():设置图标实例的属性。

  #将子图的xticklabels和yticklabels设置为空。

  # y票显示为:4,8,12,x票显示为:0,10,20。

  plt.setp(plt.gca(),xticks=(0,10,20),xticklabels=[],

  yticks=(4,8,12),yticklabels=[],)

  plt.text(3,12, II ,fontsize=20)

  plt.subplot(223)

  plt.plot(x,y3, ks ,xfit,fit(xfit), r-,lw=2)

  平面轴([2,20,2,14])

  plt.setp(plt.gca(),yticks=(4,8,12),xticks=(0,10,20))

  plt.text(3,12, III ,fontsize=20)

  plt.subplot(224)

  xfit=np.array([np.min(x4),np.max(x4)])

  plt.plot(x4,y4, ks ,xfit,fit(xfit), r-,lw=2)

  平面轴([2,20,2,14])

  plt.setp(plt.gca(),yticklabels=[],yticks=(4,8,12),xticks=(0,10,20))

  plt.text(3,12, IV ,fontsize=20)

  #验证统计数据

  pairs=(x,y1),(x,y2),(x,y3),(x4,y4)

  #corrcoef函数

  #计算两组数字的相关系数

  #返回的结果是一个矩阵,第I行第J列的数据表示第I组和第J组的个数之间的相关系数,对角线为1

  对于成对的x,y:

  print mean=%1.2f,std=%1.2f,r=%1.2f % (np.mean(y),np.std(y),np.corrcoef(x,y)[0][1])

  #显示绘制的图像

  plt.show()

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: