logo

TechCodeview

Matplotlib.pyplot.plot() funktion i Python

Matplotlib är ett kraftfullt Python-bibliotek som fungerar som en numerisk och matematisk förlängning för NumPy-biblioteket. En av dess nyckelkomponenter är Pyplot , som erbjuder ett tillståndsbaserat gränssnitt till Matplotlib-modulen, vilket ger användarna en välbekant MATLAB-liknande miljö. Genom funktionen Matplotlib.pyplot.plot() i Python kan användare enkelt skapa en mängd olika plotter, inklusive linjeplots, konturplots, histogram, scatterplots, 3D-plots och mer. Denna mångsidighet gör Matplotlib till ett ovärderligt verktyg för datavisualisering och analys i Pytonorm programmeringsspråk.

Vad är funktionen Matplotlib.pyplot.plot()?

De matplotlib.pyplot.plot()> funktion är en grundläggande komponent i Matplotlib-biblioteket, speciellt inom Pyplot-modulen. Det tjänar syftet att generera en 2D hexagonal binningplot baserat på de givna datapunkterna representerade av variablerna x och y. Den kopplar samman datapunkter med linjer, vilket möjliggör anpassning av plottets utseende genom parametrar som linjestilar och markörer. Denna mångsidiga funktion används ofta för datavisualisering inom olika domäner.



Syntax: matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

skillnaden mellan binärt träd och binärt sökträd
  • Parametrar:
    • x, y: Dessa parametrar representerar de horisontella och vertikala koordinaterna för datapunkterna. 'x'-värdena är valfria, vilket möjliggör flexibilitet i plottningsprocessen.
    • fmt: Detta är en valfri parameter som innehåller ett strängvärde. Den används för att ange formatet för plotten, definiera linjestil, markör och färg.
    • data: En valfri parameter, 'data' hänvisar till ett objekt med märkt data. Det ger ett bekvämt sätt att skicka data direkt, vilket förbättrar läsbarheten och användarvänligheten.
  • Returnerar: Deplot()>funktion returnerar en lista med Line2D-objekt, som vart och ett representerar ett segment av plottad data. Dessa Line2D-objekt kapslar in egenskaperna och attributen för de plottade linjerna, vilket möjliggör ytterligare anpassning och analys.

Matplotlib.pyplot.plot() Funktion i Python

Det finns olika sätt att skapa plot med funktionen Matplotlib.pyplot.plot() i Python. Det finns några exempel som illustrerar matplotlib.pyplot.plot() fungera i matplotlib.pyplot:

  • Basic Line Plot
  • Flera linjer plot
  • Scatter Plot med flera markörer
  • Två kurvor Plot

Line Plots i Matplotlib

Genom att importera Matplotlibs plot() vi skapade ett linjediagram med data [1, 2, 3]. Funktionen title() ställer in plottiteln, draw() uppdaterar plotten och show() visar den, vilket ger en grundläggande illustration av Matplotlib för datavisualisering i Python.



Python3






import> matplotlib.pyplot as plt> import> numpy as np> # Plotting a simple line graph> plt.plot([>1>,>2>,>3>])> # Setting the title> plt.title(>'Matplotlib Line Plot Example'>)> # Updating and displaying the plot> plt.draw()> plt.show()> 

>

.06 som en bråkdel 
>

Produktion:

först

Basic Line Plot

Flera rader med Matplotlib

Genom att importera Matplotlib att plotta sinus- och cosinusfunktioner på samma graf. Den genererar data, ställer in stilar för varje funktion, lägger till etiketter och en titel, visar en förklaring och visar sedan plotten som illustrerar sinus- och cosinuskurvorna.

Python3




import> matplotlib.pyplot as plt> import> numpy as np> # Generate data> x>=> np.linspace(>0>,>2>*>np.pi,>100>)> y1, y2>=> np.sin(x), np.cos(x)> # Plotting multiple lines on a single plot> plt.plot(x, y1, label>=>'Sin(x)'>, color>=>'b'>)> plt.plot(x, y2, label>=>'Cos(x)'>, color>=>'r'>, linestyle>=>'--'>)> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Multiple Lines Plot'>)> # Displaying the legend and the plot> plt.legend()> plt.show()> 

>

java sömn 

>

Produktion

andra

Flera linjer plot

Markörer i Matplotlib

Genom att importera Matplotlib vi genererade ett anpassat spridningsdiagram med 50 slumpmässiga datapunkter, med röda cirkulära markörer. Den innehåller axeletiketter, en titel ('Scatter Plot Exempel') och en förklaring. De show()> funktionen visar plottet och visar ett grundläggande exempel på datavisualisering med Matplotlib i Python.

Python3




import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> np.random.seed(>42>)> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> # Plotting a scatter plot with custom markers> plt.plot(x, y, marker>=>'o'>, linestyle>=>'>', markersize=8, color='>r>', label='>Scatter Plot')> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Scatter Plot Example'>)> # Displaying the legend> plt.legend()> # Display the plot> plt.show()>

hur man skriver ut java 

>

>

Produktion:

3

Scatter Plot med flera markörer

Rita flera kurvor

Genom att importera Matplotlib skapade vi ett linjediagram med två kurvor: en blå kurva ( och = x^ 2) och en orange kurva (y=1− x^ 3). Data genereras slumpmässigt, sorteras för jämna kurvor och plottas medplot()>fungera. Handlingen är begränsad till området [0, 1] på båda axlarna, och visar en visuell representation av matematiska funktioner.

Python3




# Implementation of matplotlib function> > import> matplotlib.pyplot as plt> import> numpy as np> > # Fixing random state for reproducibility> np.random.seed(>19680801>)> > # create random data> xdata>=> np.random.random([>2>,>10>])> > # split the data into two parts> xdata1>=> xdata[>0>, :]> xdata2>=> xdata[>1>, :]> > # sort the data so it makes clean curves> xdata1.sort()> xdata2.sort()> > # create some y data points> ydata1>=> xdata1>*>*> 2> ydata2>=> 1> -> xdata2>*>*> 3> > # plot the data> plt.plot(xdata1, ydata1, color>=>'tab:blue'>)> plt.plot(xdata2, ydata2, color>=>'tab:orange'>)> > > # set the limits> plt.xlim([>0>,>1>])> plt.ylim([>0>,>1>])> plt.title(>'matplotlib.pyplot.plot() example 2'>)> > # display the plot> plt.show()> 

>

radera senaste commit git 
>

Produktion

sista

Två kurvor Plot

Slutsats

Sammanfattningsvis matplotlib.pyplot.plot()> funktion i Python är ett grundläggande verktyg för att skapa en mängd olika 2D-diagram, inklusive linjediagram, spridningsdiagram och mer. Dess mångsidighet tillåter användare att anpassa plotter genom att ange datapunkter, linjestilar, markörer och färger. Med valfria parametrar som 'fmt' och 'data' ger funktionen flexibilitet vid plotformatering och datahantering. Dessutom tillåter de returnerade Line2D-objekten ytterligare manipulation och analys av plottade data. Sammantaget, Matplotlib'splot()>funktion är en nyckelkomponent i datavisualiseringsområdet, och erbjuder ett användarvänligt gränssnitt för att skapa insiktsfulla och visuellt tilltalande plotter i Python.