python numpy库之如何使用matpotlib库绘图

import numpy as np
 
# 同构生成numpy的一维数组
a = np.arange(1, 10, 2)
print(a)
# shape打印numpy数组的形状
print(a.shape)
# ndim打印numpy数组的轴数
print(a.ndim)
# numpy数组元素的访问，数组名【下标】
print(a[0])

list1 = [1, 2, 3, 4, 5, 6, 7, 8, 9]
a = np.array(list1)
print(a)
print(a.shape)

list2 = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
b = np.array(list2)
print(b.shape)

a = np.arange(1, 21, 1).reshape(4, 5)
print(a)
print(a.shape)

import numpy as np
 
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
 
# 乘法运算，将二维数组（矩阵）对应元素相乘
c = a * b
print(c)
# 加法运算，将二维数组（矩阵）对应元素相加
c = a + b
print(c)
# 减法运算
c = a - b
print(c)
 
print(a.sum())
print(a.max())
print(a.min())
print(a)
# sum(axis=1):将矩阵中各行的所有元素相加作为新元素
print(a.sum(axis=1))
# sum(axis=1):将矩阵中各列元素相加作为新元素
print(a.sum(axis=0))

import numpy as np
 
a = np.arange(10)
print(a.shape)
print(a)
print(a[0], a[-1], a[a.size-1]) # -1表示最后1位
print(a[1: 5]) # 1-5,步长为1 左闭右开
print(a[1:: 2]) # 1-末尾 ，步长为2，左闭右开

b = np.arange(20).reshape(4, 5)
print(b)
print(b.shape)
print(b[1][1], b[1][1: -1])
print(b[1, 1], b[1, 1: -1])
print(b[1: 3, 2: 4])

c = np.arange(24).reshape(4, 3, 2)
print(c)
print(c[0: 2, 0: 2, 0: 1])

import numpy as np
import matplotlib.pyplot as plt
"""
    1.绘制直线，直线两点为（2， 1） （8， 9）
"""
x = np.array([2, 8])  # 将两点的x轴坐标，同构成一个一维数组
y = np.array([1, 9])  # 将两点的y轴坐标，同构成一个一维数组
 
# 绘制直线
plt.plot(x, y)
# plt.plot(x, y, scalex=5, scaley=3)
# 显示窗口
plt.show()

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 4 * np.pi, 0.1) # 0-4Π之间，均匀分配，步长0.1
y = np.sin(x) # 呈正弦变化
plt.plot(x, y)
plt.show()

import numpy as np
import matplotlib.pyplot as plt
"""
2.绘制坐标点
"""
x = np.array([6])
y = np.array([6])
# scatter:绘制点，第1，2参数为坐标，s表示面积，c表示颜色，marker表示形状
plt.scatter(x, y, s=100, c='b', marker="*")
plt.show()
 
"""
3.绘制散点图，呈现正态分布
"""
 # np.random:产生随机数
 # nORMal(0, 3, 500):在0-3之间产生500个正态分布的随机数
 x = np.random.normal(0, 3, 1000)
 y = np.random.normal(0, 3, 1000)
 # 将这1000个点中前500个画成红色圆形，后500个画成蓝色星型
 plt.scatter(x[0: 500], y[0: 500], c='r', marker="o")
 plt.scatter(x[500: 1000], y[500: 1000], c='b', marker="*")
 plt.show()

import numpy as np
import matplotlib.pyplot as plt
"""
4.多界面绘制，其实就是在一figure窗口使用多个子图
"""
x = np.array([1, 3, 6, 9])
y = np.array([2, 3, 8, 7])
# 指定绘制的子图的位置
# 221表示二行2列, 共四个子图的第1幅图
# 222表示二行2列，共四个子图的的第2幅图
# 223表示二行2列，共四个子图的的第3幅图
# 224表示二行2列，共四个子图的的第4幅图
plt.subplot(221)
plt.plot(x, y, c='r')
 
plt.subplot(222)
plt.plot(x, y, c='b')
 
plt.subplot(223)
plt.plot(x, y, c='g')
 
plt.subplot(224)
plt.plot(x, y, c='y')
plt.show()

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
 
"""
绘制3d图
"""
# 创建窗口
fig = plt.figure()
# 在该窗口中创建3d绘图对象
ax = Axes3D(fig)
 
# 创建点的x和y坐标数组
x = np.arange(-3, 3, 0.2)
y = np.arange(-3, 3, 0.2)
# 网格化处理
x, y = np.meshgrid(x, y)
# 计算某个点到 原点的距离为半径
r = np.sqrt(x**2 + y**2)
# 以半径为基准，求它的正弦值为点的z轴坐标
z = np.sin(r)
# 绘制图像
ax.plot_surface(x, y, z, rstride=3, cstride=1, cmap="hot")
plt.show()