使用matplotlib.pyplot对数据画图

plt部分：

plt.imshow()用法

plt.imshow(train_data[i],cmap=plt.cm.rainbow, vmin=-0.04,vmax=0.03)
# 第一个参数是要画的数据，cmap用来指定colormap的颜色样式，vmin和vmax分别指定colorbar的上下边界

plt.colorbar()用法

plt.colorbar(label="Amplitude (m)", orientation="horizontal")
# label为颜色条显示的标签，orientation决定颜色条是横向还是纵向（colorbar的上下边界值由plt.imshow()中的vmin和vmax决定）

plt.gca()用法

ax = plt.gca()  #获取当前plt的坐标轴

set_xticklabels()用法

• ax.set_xticks：在plt图片横坐标中标记出，哪些地方应该出现刻度

注意：在使用ax.set_xticks时，需要提前知道横坐标的最大/最小值

• ax.set_xticklabels：在set_xticks标记出的那些刻度上面，显示特定的值

用法：

ax = plt.gca()  # 获取坐标轴
ax.set_xticks(np.linspace(star=0, stop=200, num=7)) 
#根据图片中x轴的最小值0和最大值200，利用np.linspace生成从0~200的均匀间隔分布的7个数
#np.linspace(star=0, stop=200, num=7)的结果是：[0.,33.33333333,66.66666667,100.,133.33333333,166.66666667,200.]
#也就是说，分别在原图的0，33.3333，66.6666....200，这些位置打上刻度

ax.set_xticklabels([-0.3, -0.2, -0.1,  0. ,  0.1,  0.2,  0.3])
# 由于上一句已经在图片上打好了7个刻度，这一句就是分别在那7个刻度上显示对应的数字
# 即：数组中的-0.3对应刻度0，-0.2对应刻度33.3333，-0.1对应刻度66.6666......

原图：

设置了x轴刻度的图：

plt.figure()用法

plt.savefig()用法

plt.savefig('./123.png',dpi=300)  
# 第一个参数是保存的路径，第二个参数是指定图片保存的清晰度

dpi=300的图：

不设置dpi的图：

jupyter notebook和pycharm中的plt.show()

numpy部分

np的数组生成式

np.fromfile()用法

数组/图片的转置

其他部分

大端小端储存

(100,) 和 (100,1) 的区别

python的with as方法打开文件