人工智能之数据分析 Matplotlib：第三章 基本属性

人工智能之数据分析 Matplotlib

第三章 基本属性

---

@

目录

• 人工智能之数据分析 Matplotlib
• 前言
• 一. 绘图标记
• 二. 绘图线
• 三. 轴标签和标题
• 四. 网格线
• 五. 绘制多图
  • 使用 plt.subplot()
  • 使用面向对象的方法
• 后续
• 资料关注

---

前言

本文主要介绍如何设置绘图标记、线条样式、轴标签、标题、网格线以及如何在同一窗口中绘制多个图表。

一. 绘图标记

你可以通过 plt.plot() 函数中的参数 marker 来指定数据点的标记样式。例如：

plt.plot([1, 2, 3, 4], [10, 20, 25, 30], marker='o') # 圆形标记

可用的标记类型有很多，如 'o'(圆圈), 's'(正方形), '^'(三角形) 等等。

二. 绘图线

线条样式可以通过 linestyle 或者简写 ls 参数来控制，比如实线 '-', 虚线 '--', 点划线 '-.' 等。

plt.plot([1, 2, 3, 4], [10, 20, 25, 30], linestyle='--') # 虚线

你还可以通过 color 参数来改变线条的颜色。

三. 轴标签和标题

使用 plt.xlabel() 和 plt.ylabel() 分别为 x 轴和 y 轴添加标签，并用 plt.title() 添加图表标题。

plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.title('My Chart Title')

四. 网格线

要显示网格线，可以使用 plt.grid(True)。你还可以传递更多参数来调整网格线的外观。

plt.grid(True)

五. 绘制多图

要在同一窗口中绘制多个图表，你可以使用 plt.subplot() 函数或者创建多个 Axes 对象。

使用 plt.subplot()

plt.figure(figsize=(10, 5)) # 设置画布大小

# 第一幅图
plt.subplot(1, 2, 1) # 行数, 列数, 当前子图索引
plt.plot([1, 2, 3], [1, 4, 9])
plt.title('Plot 1')

# 第二幅图
plt.subplot(1, 2, 2)
plt.plot([1, 2, 3], [1, 2, 3], 'r--') # 红色虚线
plt.title('Plot 2')

plt.show()

使用面向对象的方法

fig, axs = plt.subplots(1, 2) # 创建一行两列的子图

axs[0].plot([1, 2, 3], [1, 4, 9])
axs[0].set_title('Plot 1')

axs[1].plot([1, 2, 3], [1, 2, 3], 'r--')
axs[1].set_title('Plot 2')

plt.show()

这些例子展示了如何在 Matplotlib 中设置不同的图形属性，包括标记、线条样式、标签、标题、网格线以及如何在一个窗口内绘制多个图表。

后续

本文主要介绍了Matplotlib的基本属性。之前的python过渡项目部分代码已经上传至gitee，后续会逐步更新。

资料关注

公众号：咚咚王
gitee：https://gitee.com/wy18585051844/ai_learning

《Python编程：从入门到实践》
《利用Python进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第3版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow机器学习实战指南》
《Sklearn与TensorFlow机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著 花书
《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》
《自然语言处理综论 第2版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨+&+张孜铭
《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战AI大模型》
《AI 3.0》