1.采样点的快速产生
借助numpy提供的arange和linspace函数,可以快速生成制作图形所需要的数据。
①arange函数
arange函数产生等间隔的数据序列,需要三个参数,分别为起始点、终止点、采样间隔。例如:
>>>import numpy as np
>>>np.arange(0,1,0.1)
array([0.,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9])
上述语句在区间[0,1)之间以0.1为步长生成一个数组。
默认状态下,arange函数的采样间隔取值为1,如:
>>>np.arange(0,10)
array([0,1,2,3,4,5,6,7,8,9])
>>>np.arange(0,5.6)
array([0.,1.,2.,3.,4.,5.])
②linspace函数
linspace函数通过指定开始值、终值和元素个数来创建数据序列,可以通过end point参数指定是否包括终值,缺省设置包括终值,元素个数缺省时,取50。例如:
>>>np.linspace(1,10,5) #范围1~10,取5个采样点
array([1.,3.25,5.5,7.75,10.])
③numpy求函数值
numpy库中的函数,支持数组形式的自变量,可以一次性地求出一组自变量对应的函数值。例如:
>>>x=np.arange(0,np.pi/2,0.1)(www.daowen.com)
>>>y=np.sin(x)
上面语句中,x存储了一组自变量的取值,使用y=np.sin(x),一步完成每个x值的sin取值。
2.色彩、线型及数据点标记
①色彩
制作图形时,常见的颜色缩写如表8.2.1:
表8.2.1 Python制图线条颜色表
除了使用系统定义的颜色外,matplotlib允许用户自己定义颜色,包括:16进制如:#FF00FF、RGB或RGBA元组(1,0,1,1)及灰度强度如:“0.7”等。
如下面的程序段,分别用不同的颜色绘制正弦曲线。
②线型
线型在Python中用特定的符号表示,符号和线型之间的对应关系如表8.2.2:
表8.2.2 Python制图线型表
以散点图表示数据样本在空间的分布情况时,经常以不同的形状表示不同类别的数据点,数据点的标记有多种,列表于8.2.3中。
表8.2.3 Python制图数据点形状
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。