NumPy com Matplotlib

pip3 Instalação:

pip　install　matplotlib　-i　https://pypi.tuna.tsinghua.edu.cn/simple

O sistema Linux também pode usar o gerenciador de pacotes Linux para instalar:

Debian / Ubuntu：

sudo　apt-get　install　python-matplotlib

Fedora / Redhat：

sudo　yum　install　python-matplotlib

Após a instalação, você pode usar python -m pip list O comando para verificar se o módulo matplotlib foi instalado.

$　pip3　list　|　grep　matplotlib
matplotlib　3.3.0

Exemplo

　import numpy as np　
　from matplotlib import pyplot as plt　
　　
　x = np.arange(1,11)　
　y =　2　*　x　+　5　
　plt.title("demo Matplotlib")　
　plt.xlabel("legenda eixo X")　
　plt.ylabel("legenda eixo Y")　
　plt.plot(x, y)　plt.show()

No exemplo acima, a função np.arange() cria os valores no eixo x. Os valores correspondentes no eixo y são armazenados em outro objeto de array y. Esses valores são desenhados usando a função plot() do submódulo pyplot do pacote matplotlib.

O gráfico é exibido pela função show().

Exibição de chinês em gráficos

O Matplotlib não suporta chinês por padrão, podemos usar o seguinte método simples para resolver.

Aqui usamos o Source Han Sans, o Source Han Sans é uma fonte open-source lançada pela Adobe e pela Google.

Página oficial: https://source.typekit.com/source-han-serif/cn/

Endereço do GitHub: https://github.com/adobe-fonts/source-han-sans/tree/release/OTF/SimplifiedChinese

Após abrir o link, selecione um dentro dele:

Pode baixar uma fonte OTF, por exemplo, SourceHanSansSC-Bold.otf, coloque o arquivo no mesmo diretório do arquivo de código em execução:

SourceHanSansSC-Bold.otf deve estar no mesmo diretório do arquivo de código em execução:

　import numpy as np　
　from matplotlib import pyplot as plt　
　import　matplotlib
　　
　#　fname　é o caminho para a biblioteca de fontes que você baixou, note que o arquivo SourceHanSansSC-Caminho do arquivo da fonte Bold.otf
　zhfont1　=　matplotlib.font_manager.FontProperties(fname="SourceHanSansSC-Bold.otf")　
　　
　x = np.arange(1,11)　
　y =　2　*　x　+　5　
　plt.title("Carga de solo　-　teste", fontproperties=zhfont1)　
　　
　#　fontproperties　define a exibição de caracteres chineses, fontsize　define o tamanho da fonte
　plt.xlabel("eixo x", fontproperties=zhfont1)
　plt.ylabel("eixo y", fontproperties=zhfont1)
　plt.plot(x,y)　
　plt.show()

Além disso, podemos usar fontes do sistema:

　from matplotlib import pyplot as plt
　import　matplotlib
　a=sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])
　for　i　in　a:
　　　　　print(i)

Imprima todos os nomes registrados na sua ttflist do font_manager, encontre um nome de fonte de caracteres chineses, por exemplo: STFangsong (Fangsong), e adicione o seguinte código:

plt.rcParams['font.family']=['STFangsong']

Como substituto para gráficos lineares, você pode exibir valores discretos adicionando uma string de formato ao função plot(). Você pode usar os seguintes caracteres de formatação.

A seguir estão os abreviaturas das cores:

Para mostrar círculos para representar pontos em vez da linha no exemplo acima, use ob como uma string de formato na função plot().

　import numpy as np　
　from matplotlib import pyplot as plt　
　　
　x = np.arange(1,11)　
　y =　2　*　x　+　5　
　plt.title("demo Matplotlib")　
　plt.xlabel("legenda eixo X")　
　plt.ylabel("legenda eixo Y")　
　plt.plot(x, y, "ob")　
　plt.show()

O resultado da execução é mostrado na figura a seguir:

Desenhar onda sinusoidal

A seguir, um exemplo usa matplotlib para gerar um gráfico de onda sinusoidal.

　import numpy as np　
　import matplotlib.pyplot as plt　
　# Calcular os pontos x e y na curva sinusoidal
　x = np.arange(0,　3　*　np.pi, 0.1)　
　y = np.sin(x)
　plt.title("forma de onda sinusoidal")　
　# Usar matplotlib para desenhar pontos
　plt.plot(x, y)　
　plt.show()

O resultado da execução é mostrado na figura a seguir:

subplot()

A função subplot() permite que você desenhe diferentes coisas no mesmo gráfico.

A seguir, um exemplo desenha valores de seno e cosseno:

　import numpy as np　
　import matplotlib.pyplot as plt　
　# Calcular os pontos x e y nas curvas de seno e cosseno　
　x = np.arange(0,　3　*　np.pi, 0.1)　
　y_sin = np.sin(x)　
　y_cos = np.cos(x)　
　# Criar grade de subplot, altura de　2largura de　1　
　# Ativar o primeiro subplot
　plt.subplot(2,　1,　1)　
　# Desenhar a primeira imagem　
　plt.plot(x, y_sin)　
　plt.title('Seno')　
　# Ativar o segundo subplot e desenhar a segunda imagem
　plt.subplot(2,　1,　2)　
　plt.plot(x, y_cos)　
　plt.title('Cosseno')　
　# Mostrar imagem
　plt.show()

O resultado da execução é mostrado na figura a seguir:

bar()

O submódulo pyplot oferece a função bar() para gerar gráficos de barras.

A seguir, um exemplo gera dois conjuntos de arrays x e y para gráficos de barras.

　from matplotlib import pyplot as plt　
　x = [5,8,10]　
　y = [12,16,6]　
　x2　= [6,9,11]　
　y2　= [6,15,7]　
　plt.bar(x, y, alinhamento = 'center')　
　plt.bar(x2, y2, cor = 'g', alinhamento = 'center')　
　plt.title('Gráfico de Barras')　
　plt.ylabel('Eixo Y')　
　plt.xlabel('Eixo X')　
　plt.show()

O resultado da execução é mostrado na figura a seguir:

numpy.histogram()

A função numpy.histogram() é uma representação gráfica da distribuição de frequência dos dados. Retângulos de tamanho horizontal igual correspondem ao intervalo de classe, chamado de bin, e a variável height corresponde à frequência.

A função numpy.histogram() recebe dois parâmetros: o array de entrada e o array de bins. Os elementos contínuos do array de bins são usados como limites de cada bin.

　import numpy as np　
　　
　a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
　np.histogram(a, bins = [0,20,40,60,80,100])　
　hist, bins = np.histogram(a, bins = [0,20,40,60,80,100])　
　print(hist)　
　print(bins)

O resultado da saída é:

　[3　4　5　2　1]
　[ 0　20　40　60　80　100]

plt()

O Matplotlib pode converter a representação numérica de histogramas em gráficos. A função plt() do submódulo pyplot converte o array que contém dados e o array de bins em um histograma.

　from matplotlib import pyplot as plt　
　import numpy as np　
　　
　a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])　
　plt.hist(a, bins = [0,20,40,60,80,100])　
　plt.title("histograma")　
　plt.show()

O resultado da execução é mostrado na figura a seguir:

Mais referências do Matplotlib:

Guia do Usuário Perguntas Frequentes e Respostas Captura de Tela