本文目录一览：
python多维数据怎么绘制散点图
python matplotlib模块，是扩展的MATLAB的一个绘图工具库。他可以绘制各种图形，可是最近最的一个小程序，得到一些三维的数据点图，就学习了下python中的matplotlib模块，如何绘制三维图形。
初学者，可能对这些第三方库安装有一定的小问题，对于一些安装第三方库经验较少的朋友，建议使用 Anaconda ，集成了很多第三库，基本满足大家的需求，下载地址，对应选择python 2.7 或是 3.5 的就可以了（PS：后面的demo是python2.7）：
首先提醒注意，以下两个函数的区别：
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=’rainbow’) #绘面1
和
ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c=’r’) #绘点1
1、绘制3D曲面图
# -*- coding: utf-8 -*-“””
Created on Thu Sep 24 16:17:13 2015
@author: Eddy_zheng
“””from matplotlib import pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)# 具体函数方法可用 help(function) 查看，如：help(ax.plot_surface)ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=’rainbow’)
plt.show()1234567891011121314151617181920212223
效果展示：
2、绘制三维的散点图（通常用于表述一些数据点分布）
4a.mat 数据地址，找到4a.mat 下载即可:
# -*- coding: utf-8 -*-“””
Created on Thu Sep 24 16:37:21 2015
@author: Eddy_zheng
“””import scipy.io as sio
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as plt
mat1 = ‘4a.mat’ #这是存放数据点的文件，需要它才可以画出来。上面有下载地址data = sio.loadmat(mat1)
m = data[‘data’]
x,y,z = m[0],m[1],m[2]
ax=plt.subplot(111,projection=’3d’) #创建一个三维的绘图工程#将数据点分成三部分画，在颜色上有区分度ax.scatter(x[:1000],y[:1000],z[:1000],c=’y’) #绘制数据点ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c=’r’)
ax.scatter(x[4000:],y[4000:],z[4000:],c=’g’)
ax.set_zlabel(‘Z’) #坐标轴ax.set_ylabel(‘Y’)
ax.set_xlabel(‘X’)
plt.show()123456789101112131415161718192021222324252627
效果：
上面就是学习区分了下两个函数，当时还被小困惑了下，希望对大家有所帮助。其实里面还有好多参数设置，比如说改变颜色，包括绘制点图的点的形状等都是可以改变的，有需要的大家可以自己看看这个函数，学习下(help(对应的function))。
版权声明：本文为博主原创文章，未经博主允许不得转载。Eddy_zheng
python中fig，ax=plt.subplots什么意思
python中fig，ax=plt.subplots是python一种subplot可以画出很多子图的图片的方法。
1、载入要用的工具包，代码输入import matplotlib.pyplot as plt，from skimage import data,color。
2、接着生成原始数据与图片，定义图片内容的代码：
img = data.coffee()
hsv = color.rgb2hsv(img)
fig, axes = plt.subplots(2, 2, figsize=(7, 6))
ax0, ax1, ax2, ax3 = axes.ravel()
3、依次排列输入代码：
ax0.imshow(img)
ax1.imshow(hsv[:, :, 0], cmap=plt.cm.gray)
ax2.imshow(hsv[:, :, 1], cmap=plt.cm.gray)
ax3.imshow(hsv[:, :, 2], cmap=plt.cm.gray)
fig.tight_layout()
4、同样，需要采用以下指令显示图片，输入代码为plt.show()。
5、最后，就可以看到呈现的效果图，就是一种subplot可以画出很多子图的图片的方法，这样就可以解决问题了。
python plt.imshow 怎么用
用法以既步骤：
1、给出一张图片。
2、用python读取图片：img = mpimg.imread(‘a.gif’)注意：这里的gif就是上图，虽然是gif格式，但却只有一帧图片，因此是可以读取的；img实际上是一个多维列表。把数组在转化为图片：plt.imshow(img)：
3、img[:,:,1]是一个单通道图像，应该是灰度图，但是matplotlib显示出来的，是一个伪彩色图像。plt.imshow(img[:,:,1])。
4、还可以使用别的伪彩色方案，比如热力图：plt.imshow(img[:,:,1],cmap=”hot”)，而上面图中的伪彩色，可以称为翠绿色（viridis），是matplotlib默认的着色方案。
5、用Nipy谱着色：plt.imshow(img[:,:,1],cmap=”nipy_spectral”)。
6、在图片边上加上色彩标签：plt.imshow(img[:,:,1],cmap=”nipy_spectral”)，plt.colorbar()。
原创文章，作者：TW54Q，如若转载，请注明出处：https://www.506064.com/n/130540.html
微信扫一扫 
支付宝扫一扫 