本文共 3549 字，大约阅读时间需要 11 分钟。

以下是优化后的文章内容：

Matplotlib绘图实用技巧与示例

Matplotlib是Python中最常用的数据可视化库，它功能强大且灵活，适用于多种数据可视化需求。本文将从基础到高级技巧，带你逐步学习Matplotlib的使用方法。

1. 画单个点

为了绘制单个点，我们可以使用 plt.scatter() 方法。以下是一个简单的例子：

import matplotlib.pyplot as plt
plt.scatter(2, 4, marker='o', c='b')  # c代表颜色参数
plt.title('散点图', fontsize=14)
plt.xlabel('x轴', fontsize=14)
plt.ylabel('y轴', fontsize=14)
plt.ticklabel_format(axis='both')
plt.show()

图片说明：

根据上述代码，生成的散点图将展示一个标记为圆点（o）的点，位置为(2,4)，点的颜色为蓝色。

2. 自动计算

当数据量较多或需要生成多个点时，可以通过编程方式自动生成数据点。以下是一个自动计算的示例：

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1, 5)  # 生成x值：1, 2, 3, 4
y = [x**2 for x in x]  # 根据x计算y值，例如：1, 4, 9, 16
plt.scatter(x, y, c=(0, 0.5, 0.3))  # c为颜色参数，格式为RGB
plt.title('自动计算的散点图', fontsize=14)
plt.xlabel('x轴', fontsize=14)
plt.ylabel('y轴', fontsize=14)
plt.ticklabel_format(axis='both')
plt.show()

图片说明：

该图表将自动绘制x值从1到4的四个点，y值分别为1, 4, 9, 16，点的颜色为RGB颜色空间中的（0,0.5,0.3）。

3. 颜色映射

通过颜色映射，我们可以将数据点根据某种规则自动分配颜色。例如，可以让颜色随y值变化：

import matplotlib.pyplot as plt
x = np.arange(1, 5)
y = [x**2 for x in x]
plt.scatter(x, y, c=y, cmap=plt.cm.gist_rainbow, s=20)  # cmap为color map，gist_rainbow是预定义的颜色映射
plt.title('颜色映射散点图', fontsize=14)
plt.xlabel('x轴', fontsize=14)
plt.ylabel('y轴', fontsize=14)
plt.show()

图片说明：

图表中每个点的颜色根据y值随机分配，使用gist_rainbow颜色映射。

4. 自动保存图表

为了确保绘制出来的图表不会被关闭，可以使用 plt.savefig() 方法保存图表：

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1, 500)
y = [x**2 for x in x]
plt.scatter(x, y, c=y, cmap=plt.cm.hot, s=10)
plt.title('自动保存的散点图', fontsize=14)
plt.xlabel('x轴', fontsize=14)
plt.ylabel('y轴', fontsize=14)
plt.ticklabel_format(axis='both')
plt.savefig('aaa.png')  # 将图表存为aaa.png文件

图片说明：

例如，运行上述代码后，将在当前目录下生成一个名为aaa.png的图表文件。

5. 随机漫步

我们可以使用随机漫步模拟随机分布的数据点。以下是随机漫步的实现：

# randomMy.py文件
from random import choice
class RandomWalk:
    def __init__(self, num_points=50):
        self.num_points = num_points
        self.x_values = [0]
        self.y_values = [0]
        
    def fill_walk(self):
        while len(self.x_values) < self.num_points:
            x_direction = choice([1, -1])
            x_distance = choice([0, 1, 2, 3, 4])
            x_step = x_direction * x_distance
            
            y_direction = choice([1, -1])
            y_distance = choice([0, 1, 2, 3, 4])
            y_step = y_direction * y_distance
            
            if x_step == 0 and y_step == 0:
                continue
                
            next_x = self.x_values[-1] + x_step
            next_y = self.y_values[-1] + y_step
            self.x_values.append(next_x)
            self.y_values.append(next_y)

使用示例

在hello.py中：

from randomMy import RandomWalk
rwn = RandomWalk()
rwn.fill_walk()
plt.scatter(rwn.x_values, rwn.y_values, c=range(len(rwn.x_values)), cmap= plt.cm.hot, s=15)
plt.scatter(0,0, c='green', edgecolors='none', s=100)  # 绘制原点
plt.scatter(rwn.x_values[-1], rwn.y_values[-1], c='red', edgecolors='none', s=100)  # 绘制终点
plt.show()
keep_running = input("继续吗？(y/n):")

图片说明：

上述代码将绘制一个随机漫步生成的散点图，并使用c参数将每个点的颜色根据它们在序列中的位置分配。同时，还绘制了原点和终点，使用不同的颜色表示。

6. 动态更新绘图

如果希望在代码运行过程中动态展示随机漫步生成的点，可以使用以下方式：

from randomMy import RandomWalk
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 6))  # 调整图表大小
while True:
    rwn = RandomWalk()
    rwn.fill_walk()
    
    for point in rwn.x_values:
        plt.scatter(rwn.x_values, rwn.y_values, c=range(len(rwn.x_values)), cmap= plt.cm.hot, s=15)
        plt.draw()  # 动态更新图表
    plt.show()
    keep_running = input("继续吗？(y/n):")
    if keep_running != 'y':
        break

图片说明：

上述代码会在每次迭代时重绘图表，每次添加一个新的随机漫步点，并使用不同的颜色表示不同的步骤。

请根据需要调整代码和绘图内容，确保对应的图片和功能与上述代码一致。

转载地址：http://qzvoz.baihongyu.com/