如何用python画像matlab一样的图？---matplot

python

1. 画散点图

import numpy as np
import pylab as plt
data = np.loadtxt('wild_by_time_data.txt')
# plt.plot(data[25,:], data[1,:], 'ro')
# plt.xlabel('x')
# plt.ylabel('y')
# plt.xlim(4.0, 9.0)
# plt.show()
'''

2. 画折线图，三次多项式拟合

x = data[25]
y = data[1]
z = np.polyfit(x, y, 3)#用3次多项式拟合
p = np.poly1d(z)
# print(p) #在屏幕上打印拟合多项式
 python
yvals=p(x)#也可以使用yvals=np.polyval(z,x)
plot1=plt.plot(x, y, '*',label='original values')
plot2=plt.plot(x, yvals, 'r',label='polyfit values', linewidth=4)
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.xlim(4.0, 9.0)
plt.ylim(0.0, 0.07)
plt.legend(loc=4)#指定legend的位置,读者可以自己help它的用法
plt.title('polyfitting')
plt.show()

3. 用3次多项式拟合、三十次多项式插值

x = data[25,:]
y = data[1,:]
z = np.polyfit(x, y, 3)#用3次多项式拟合
p = np.poly1d(z)
p30 = np.poly1d(np.polyfit(x, y, 30)) # 三十次多项式插值法 
xp = np.linspace(0, 9, 100)
####  其实plot0 = plot1 + plot2 + plot3  ####
# plot0 = plt.plot(x, y, '.', xp, p(xp), '-', xp, p30(xp), '--')
plot1 = plt.plot(x, y, '*', label='original values')
plot2 = plt.plot(xp, p(xp), label='p')
plot3 = plt.plot(xp, p30(xp), label='p30')
plt.xlim(4, 9)
plt.ylim(0.0, 0.05)
# plt.xlabel('day')
# plt.ylabel('ratio')
plt.legend(loc=4)#指定legend的位置,读者可以自己help它的用法
plt.title('wild_1')
# plt.grid(True)
# plt.xlim(4, 9)      # x限值
# plt.ylim(0.0, 0.05) # y限值
# plt.xlabel('day')   # xlabel
# plt.ylabel('ratio') # ylabel
# plt.legend(loc=4)   # 指定legend的位置
# plt.title('wild_1') # title
# plt.grid(True)      # 网格
plt.show()

4. 多个子图画在一个图上

x = data[25,:]
y = data[1,:]
z = np.polyfit(x, y, 3)#用3次多项式拟合
p = np.poly1d(z)
p30 = np.poly1d(np.polyfit(x, y, 30)) # 三十次多项式插值法 
########################################################################
plt.subplot(211)
plot1=plt.plot(x, y, '*',label='original values')
plt.xlim(4, 9)      # x限值
plt.ylim(0.0, 0.05) # y限值
plt.xlabel('day')   # xlabel
plt.ylabel('ratio') # ylabel
plt.legend(loc=4)   # 指定legend的位置
plt.title('wild_1') # title
plt.grid(True)      # 网格
########################################################################
xp = np.linspace(0, 9, 100)
plt.subplot(212)
####  其实plot0 = plot1 + plot2 + plot3  ####
# plot0 = plt.plot(x, y, '.', xp, p(xp), '-', xp, p30(xp), '--')
plot1 = plt.plot(x, y, '*', label='original values')
plot2 = plt.plot(xp, p(xp), label='p')
plot3 = plt.plot(xp, p30(xp), label='p30')
plt.xlim(4, 9)
plt.ylim(0.0, 0.05)
# plt.xlabel('day')
# plt.ylabel('ratio')
plt.legend(loc=4)#指定legend的位置,读者可以自己help它的用法
plt.title('wild_1')
# plt.grid(True)
# plt.xlim(4, 9)      # x限值
# plt.ylim(0.0, 0.05) # y限值
# plt.xlabel('day')   # xlabel
# plt.ylabel('ratio') # ylabel
# plt.legend(loc=4)   # 指定legend的位置
# plt.title('wild_1') # title
# plt.grid(True)      # 网格
plt.show()

5. 画频率直方图

y = data.reshape((1,24*4))
y = y[0]
plt.hist(y,4)
# plt.hist(y,4,facecolor='blue')
plt.xlabel('range of ratio')
plt.xlim(0.0,0.08)
plt.ylim(0,50)
plt.ylabel('Frequency')
plt.title('Frequency of wild_all')
plt.show()

6. 统计一个数组各个数据的占比分布

def str2num(s):
    class_dict = {0:'WK', 1:'N1', 2:'N2', 3:'N3', 4:'REM', 5:'NS'}
    return class_dict[s]
import numpy as np
y_dir = r"E:\New_data\dataset\y_all\y.npy"
y = np.load(y_dir)
print("{:}".format(y.shape))
y = list(y)
b = {}
for i in y:
    b[i] = y.count(i)
print(b)
k = b.keys()
v = b.values()  
# 画图：https://blog.csdn.net/yywan1314520/article/details/50818471
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import mlab
from matplotlib import rcParams
fig1 = plt.figure(2)
rects =plt.bar(left = list(k),height = v,width = 0.4,align="center",yerr=0.1)
plt.title('Distributions of data')
def autolabel(rects):
    for rect in rects:
        height = rect.get_height()
        plt.text(rect.get_x()+rect.get_width()/10., 1.008*height, '%s' % int(height))
autolabel(rects)
plt.xticks(list(k),('WK', 'N1', 'N2', 'N3', 'REM'))
plt.show()

亲爱哒~还在更新中喔。。。

疑问和转载声明