Matplotlib模块

 

---

 

不求甚解，不断学习不断添加。。。

 

---

 

2017.10.26

　　1.绘制简单的图像

　　　　# 第一步创建显示画面，figure('show')指定图表名称　　 

plt.figure('data') 

 

　　　　#绘制图像-->>第一种：直接用plot函数绘制，其中可以指定绘制的参数（具体参数百度）

　　　　#绘制图像-->>第二种：利用函数绘制

 plt.scatter(x_data, y)#散点图 

　　　　#显示图像

　　　　　　第一种：用Debug调试显示

　　　　　　第二种：plt.show()显示，注意这是一次显示，显示之后就卡死了！！！

　　　　　　第三种：plt.ion()#连续显示 + plt.show()


 

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf

if __name__ == '__main__':
    #创建数据
    x_data = np.linspace(-1,1,300)
    noise = np.random.normal(0,0.05,[300,])
    y = np.square(x_data) + noise + 0.5
    y_data = np.square(x_data) + 0.5
    #绘图散点图
    plt.figure("data")
    plt.plot(x_data, y, '.')
    #绘曲线图
    plt.figure("show")
    plt.plot(x_data,y_data)
    #合并显示
    plt.figure("data & show")
    plt.scatter(x_data, y)#散点图
    plt.plot(x_data,y_data,'k',lw=3)
    plt.show()

 

　　2.面向对象和面向整体的关系：

　　　　刚开始学习不知道啥意思，有时候直接用plt去操作，有时候ax=plt.figure(),用ax去操作。。。下面举个例子就懂了。

　　　　下面以add_subplot（x,y,z）为例子，x：行，y:列，z：区域（从左向右数）

　　　　add_subplot（1,2,1） = add_subplot（121）把figure()分成一行两列显示，其中此次显示的位置为第一个区域，也就是左边区域。

 

　　　　A.面向对象操作

　　　　　　程序会利用返回值去操作，一个部分一个变量控制，控制麻烦但是有条不紊！

 

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf

if __name__ == '__main__':
    #创建数据
    x_data = np.linspace(-1,1,300)
    noise = np.random.normal(0,0.05,[300,])
    y = np.square(x_data) + noise + 0.5
    y_data = np.square(x_data) + 0.5

    fig = plt.figure('data')
    axis = fig.add_subplot(121)
    axis.scatter(x_data,y)
    axis.plot(x_data,y_data,'r')
    fig.show()

　　　　B.面向整体操作

　　　　　　程序始终以plt为操作，创建什么figure就用什么显示，对于一张图很好用，但是对于很多图操作就特别麻烦！

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf

if __name__ == '__main__':
    #创建数据
    x_data = np.linspace(-1,1,300)
    noise = np.random.normal(0,0.05,[300,])
    y = np.square(x_data) + noise + 0.5
    y_data = np.square(x_data) + 0.5
    #绘图散点图
    plt.figure("data")
    plt.plot(x_data, y, '.')
    #绘曲线图
    plt.figure("show")
    plt.plot(x_data,y_data)
    #合并显示
    plt.figure("data & show")
    plt.scatter(x_data, y)#散点图
    plt.plot(x_data,y_data,'k',lw=3)
    plt.show()

 

　　3.动态显示某个效果

 　　　　具体操作请看另外博客

　　　　 效果图如下：