Сохранить график matplotlib как изображение в .png
Как можно реализовать сохранение результата после отрисовки графика? Вот получаю график, а как теперь сохранить график как изображение?
import sys from PyQt5.Qt import * from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas from matplotlib.figure import Figure import numpy as np import pylab import time class PlotCanvas(FigureCanvas): def __init__(self, rbtns, parent=None, width=5, height=4, dpi=100): self.fig = Figure(figsize=(width, height), dpi=dpi) self.axes = self.fig.add_subplot(111) super().__init__(self.fig) self.p = parent self.rbtns = rbtns def e1(self, u, v): return self.p.a11 + self.p.a12 * u * v def e2(self, u, v): return self.p.a21 + self.p.a22 * u * v def f1(self, u, v): return u * (self.p.m1-self.p.d1) + v * self.p.d1 - self.p.c1 * u * u - self.p.h1 * u - self.p.b1 def f2(self, u, v): return v * (self.p.m2-self.p.d2) + u * self.p.d2 - self.p.c2 * v * v def Rs(self, x): if self.rbtns[2].isChecked(): return 0.5*np.sin(3*np.pi*x/2.)+0.5*np.sin(1*np.pi*x/3.)+np.sin(1.*np.pi*x/2.) elif self.rbtns[3].isChecked(): return 1.5*np.sin(np.pi*x/2.)+0.5*np.sin(1*np.pi*x/2.)*np.sin(2.*np.pi*x/1.) elif self.rbtns[4].isChecked(): return 1.2 * np.sin(3 * np.pi * x / 2.) + 0.5 * np.sin(np.pi * x / 3.) * np.sin(np.pi * x / 2.) elif self.rbtns[0].isChecked(): return 0.5*np.sin(3*np.pi*x/2.)-0.2*np.sin(2*np.pi*x/2.)-np.sin(3.*np.pi*x/3.) elif self.rbtns[1].isChecked(): return 1.5*np.sin(np.pi*x/2.)-0.5*np.sin(1*np.pi*x/2.)*np.sin(2.*np.pi*x/2.) def plot(self): self.axes.cla() plt = self.axes tst = time.perf_counter() self.p.a[0] = 0. self.p.b[0] = 0. for i in range(0, self.p.N1+1): self.p.x[i] = i * self.p.h self.p.y[i] = self.p.ky1 * np.exp(self.p.ky2 * \ (((i * self.p.h / self.p.ky3) -self.p.ky4) ** self.p.ky5)) self.p.v[i] = self.p.kv1 * np.exp(self.p.kv2 * \ (((i * self.p.h / self.p.kv3) - self.p.kv4) ** self.p.kv5)) self.p.x = np.linspace(0, self.p.l, self.p.N1+1) R = self.Rs(self.p.x) plt.axis([0., self.p.l, 0.0, 2.5]) plt.plot(self.p.x, self.p.y, 'b-', label='$u^0(x)$') plt.plot(self.p.x, self.p.v, 'g--', label='$v^0(x)$') plt.plot(self.p.x, R, 'k-.', label='$r(x)$') plt.legend(loc=0) plt.set_xlabel('$x$') plt.set_ylabel('$u,v,r$') plt.grid(True) pylab.ion() self.p.x = np.linspace(0, self.p.l, self.p.N1+1) for j in range(1, self.p.N2+1): for i in range(1, self.p.N1): e11 = (self.e1(self.p.y[i], self.p.v[i]) + self.e1(self.p.y[i+1], self.p.v[i+1])) / 2. e12 = (self.e1(self.p.y[i], self.p.v[i]) + self.e1(self.p.y[i-1], self.p.v[i-1])) / 2. aa = e12 / self.p.rr bb = e11 / self.p.rr cc = aa + bb + 1 r12 = self.p.p1 / self.p.rr self.p.a[i] = bb / (cc-aa*self.p.a[i-1]) d = self.p.t*self.f1(self.p.y[i], self.p.v[i])-r12*0.5 * \ ((self.p.y[i]+self.p.y[i+1])*(self.p.v[i+1]-self.p.v[i]) - \ (self.p.y[i]+self.p.y[i-1])*(self.p.v[i]-self.p.v[i-1]))+self.p.y[i]- \ (self.p.q1/self.p.rr)*0.5*((self.p.y[i]+self.p.y[i+1]) * \ (R[i+1]-R[i]) - (self.p.y[i]+self.p.y[i-1])*(R[i]-R[i-1])) self.p.b[i] = (aa*self.p.b[i-1]+d)/(cc-aa*self.p.a[i-1]) for ii in range(1, self.p.N1+1): i = self.p.N1-ii self.p.y[i] = self.p.a[i]*self.p.y[i+1]+self.p.b[i] for i in range(0,self.p.N1+1): if self.p.y[i]Выберите ресурс', alignment=Qt.AlignCenter)) formLayout.addRow(self.h_layout) formLayout.addRow('', button) self.layout.addLayout(formLayout, 0, 1) self.layout.setColumnStretch(0, 1) self.layout.setColumnStretch(1, 0) def initVars(self): self.ky1 = float(self.le_ky1.text()) self.ky2 = float(self.le_ky2.text()) self.ky3 = float(self.le_ky3.text()) self.ky4 = float(self.le_ky4.text()) self.ky5 = float(self.le_ky5.text()) self.kv1 = float(self.le_kv1.text()) self.kv2 = float(self.le_kv2.text()) self.kv3 = float(self.le_kv3.text()) self.kv4 = float(self.le_kv4.text()) self.kv5 = float(self.le_kv5.text()) self.a11 = float(self.le_a11.text()) self.a12 = float(self.le_a12.text()) self.p1 = float(self.le_p1 .text()) self.a21 = float(self.le_a21.text()) self.a22 = float(self.le_a22.text()) self.p2 = float(self.le_p2 .text()) self.q1 = float(self.le_q1 .text()) self.q2 = float(self.le_q2 .text()) self.m1 = float(self.le_m1 .text()) self.m2 = float(self.le_m2 .text()) self.d1 = float(self.le_d1 .text()) self.d2 = float(self.le_d2 .text()) self.c1 = float(self.le_c1 .text()) self.c2 = float(self.le_c2 .text()) self.h1 = float(self.le_h1 .text()) self.b1 = float(self.le_b1 .text()) if self.kv4 > 2 or self.kv4 < 0: QMessageBox.about(self, "Ошибка", "Значение kv4 должно быть от 0 до 2") else: self.h = self.l / self.N1 self.t = self.tt / self.N2 self.hh = self.h * self.h self.rr = self.hh / self.t self.x = np.zeros((self.N1+1), 'float') self.y = np.zeros((self.N1+1), 'float') self.v = np.zeros((self.N1+1), 'float') self.a = np.zeros((self.N1), 'float') self.b = np.zeros((self.N1), 'float') self.z = np.zeros((self.N1+1), 'float') self.m.plot() def closeEvent(self, event): self.flag = False if __name__ == '__main__': app = QApplication(sys.argv) ex = App() ex.resize(800, 600) ex.show() sys.exit(app.exec_()) Отслеживать
73.5k 110 110 золотых знаков 38 38 серебряных знаков 55 55 бронзовых знаков
задан 13 июн 2021 в 15:15
99 7 7 бронзовых знаков
1 ответ 1
Сортировка: Сброс на вариант по умолчанию
Обратите внимание, я добавил кнопку button_save и метод saveChart() .
void QWidget::render(QPainter *painter, const QPoint &targetOffset = QPoint(), const QRegion &sourceRegion = QRegion(), QWidget::RenderFlags renderFlags = RenderFlags(DrawWindowBackground | DrawChildren))
Renders the widget into the painter's QPainter::device().
import sys import os # +++ from PyQt5.Qt import * from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas from matplotlib.figure import Figure import numpy as np import pylab import time class PlotCanvas(FigureCanvas): def __init__(self, rbtns, parent=None, width=5, height=4, dpi=100): self.fig = Figure(figsize=(width, height), dpi=dpi) self.axes = self.fig.add_subplot(111) super().__init__(self.fig) self.p = parent self.rbtns = rbtns def e1(self, u, v): return self.p.a11 + self.p.a12 * u * v def e2(self, u, v): return self.p.a21 + self.p.a22 * u * v def f1(self, u, v): return u * (self.p.m1-self.p.d1) + v * self.p.d1 - self.p.c1 * u * u - self.p.h1 * u - self.p.b1 def f2(self, u, v): return v * (self.p.m2-self.p.d2) + u * self.p.d2 - self.p.c2 * v * v def Rs(self, x): if self.rbtns[2].isChecked(): return 0.5*np.sin(3*np.pi*x/2.)+0.5*np.sin(1*np.pi*x/3.)+np.sin(1.*np.pi*x/2.) elif self.rbtns[3].isChecked(): return 1.5*np.sin(np.pi*x/2.)+0.5*np.sin(1*np.pi*x/2.)*np.sin(2.*np.pi*x/1.) elif self.rbtns[4].isChecked(): return 1.2 * np.sin(3 * np.pi * x / 2.) + 0.5 * np.sin(np.pi * x / 3.) * np.sin(np.pi * x / 2.) elif self.rbtns[0].isChecked(): return 0.5*np.sin(3*np.pi*x/2.)-0.2*np.sin(2*np.pi*x/2.)-np.sin(3.*np.pi*x/3.) elif self.rbtns[1].isChecked(): return 1.5*np.sin(np.pi*x/2.)-0.5*np.sin(1*np.pi*x/2.)*np.sin(2.*np.pi*x/2.) def plot(self): self.axes.cla() plt = self.axes tst = time.perf_counter() self.p.a[0] = 0. self.p.b[0] = 0. for i in range(0, self.p.N1+1): self.p.x[i] = i * self.p.h self.p.y[i] = self.p.ky1 * np.exp(self.p.ky2 * \ (((i * self.p.h / self.p.ky3) -self.p.ky4) ** self.p.ky5)) self.p.v[i] = self.p.kv1 * np.exp(self.p.kv2 * \ (((i * self.p.h / self.p.kv3) - self.p.kv4) ** self.p.kv5)) self.p.x = np.linspace(0, self.p.l, self.p.N1+1) R = self.Rs(self.p.x) plt.axis([0., self.p.l, 0.0, 2.5]) plt.plot(self.p.x, self.p.y, 'b-', label='$u^0(x)$') plt.plot(self.p.x, self.p.v, 'g--', label='$v^0(x)$') plt.plot(self.p.x, R, 'k-.', label='$r(x)$') plt.legend(loc=0) plt.set_xlabel('$x$') plt.set_ylabel('$u,v,r$') plt.grid(True) pylab.ion() self.p.x = np.linspace(0, self.p.l, self.p.N1+1) for j in range(1, self.p.N2+1): for i in range(1, self.p.N1): e11 = (self.e1(self.p.y[i], self.p.v[i]) + self.e1(self.p.y[i+1], self.p.v[i+1])) / 2. e12 = (self.e1(self.p.y[i], self.p.v[i]) + self.e1(self.p.y[i-1], self.p.v[i-1])) / 2. aa = e12 / self.p.rr bb = e11 / self.p.rr cc = aa + bb + 1 r12 = self.p.p1 / self.p.rr self.p.a[i] = bb / (cc-aa*self.p.a[i-1]) d = self.p.t*self.f1(self.p.y[i], self.p.v[i])-r12*0.5 * \ ((self.p.y[i]+self.p.y[i+1])*(self.p.v[i+1]-self.p.v[i]) - \ (self.p.y[i]+self.p.y[i-1])*(self.p.v[i]-self.p.v[i-1]))+self.p.y[i]- \ (self.p.q1/self.p.rr)*0.5*((self.p.y[i]+self.p.y[i+1]) * \ (R[i+1]-R[i]) - (self.p.y[i]+self.p.y[i-1])*(R[i]-R[i-1])) self.p.b[i] = (aa*self.p.b[i-1]+d)/(cc-aa*self.p.a[i-1]) for ii in range(1, self.p.N1+1): i = self.p.N1-ii self.p.y[i] = self.p.a[i]*self.p.y[i+1]+self.p.b[i] for i in range(0,self.p.N1+1): if self.p.y[i]Выберите ресурс', alignment=Qt.AlignCenter)) formLayout.addRow(self.h_layout) formLayout.addRow('', button) formLayout.addRow('', button_save) # + self.layout.addLayout(formLayout, 0, 1) self.layout.setColumnStretch(0, 1) self.layout.setColumnStretch(1, 0) # +++ vvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvv def saveChart(self, w): # + fnameOld = f"screen_shot_.png" if os.path.exists(f"/"): os.remove(f"") w.i += 1 fname = f"screen_shot_.png" pixmap = QPixmap(w.m.size()) # . w.m.render(QPainter(pixmap)) # . pixmap.save(fname) # . self.label_png = QLabel() self.label_png.setWindowTitle(fname) self.label_png.setPixmap(pixmap) self.label_png.show() # +++ ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ def initVars(self): self.ky1 = float(self.le_ky1.text()) self.ky2 = float(self.le_ky2.text()) self.ky3 = float(self.le_ky3.text()) self.ky4 = float(self.le_ky4.text()) self.ky5 = float(self.le_ky5.text()) self.kv1 = float(self.le_kv1.text()) self.kv2 = float(self.le_kv2.text()) self.kv3 = float(self.le_kv3.text()) self.kv4 = float(self.le_kv4.text()) self.kv5 = float(self.le_kv5.text()) self.a11 = float(self.le_a11.text()) self.a12 = float(self.le_a12.text()) self.p1 = float(self.le_p1 .text()) self.a21 = float(self.le_a21.text()) self.a22 = float(self.le_a22.text()) self.p2 = float(self.le_p2 .text()) self.q1 = float(self.le_q1 .text()) self.q2 = float(self.le_q2 .text()) self.m1 = float(self.le_m1 .text()) self.m2 = float(self.le_m2 .text()) self.d1 = float(self.le_d1 .text()) self.d2 = float(self.le_d2 .text()) self.c1 = float(self.le_c1 .text()) self.c2 = float(self.le_c2 .text()) self.h1 = float(self.le_h1 .text()) self.b1 = float(self.le_b1 .text()) if self.kv4 > 2 or self.kv4 < 0: QMessageBox.about(self, "Ошибка", "Значение kv4 должно быть от 0 до 2") else: self.h = self.l / self.N1 self.t = self.tt / self.N2 self.hh = self.h * self.h self.rr = self.hh / self.t self.x = np.zeros((self.N1+1), 'float') self.y = np.zeros((self.N1+1), 'float') self.v = np.zeros((self.N1+1), 'float') self.a = np.zeros((self.N1), 'float') self.b = np.zeros((self.N1), 'float') self.z = np.zeros((self.N1+1), 'float') self.m.plot() def closeEvent(self, event): self.flag = False if __name__ == '__main__': app = QApplication(sys.argv) ex = App() ex.resize(800, 600) ex.show() sys.exit(app.exec_()) Использование библиотеки Matplotlib. Как рисовать графики вида y = f(x)
Эта заметка первая в серии коротких шпаргалок про использование библиотеки Matplotlib, поэтому начнем с самых простых примеров.
Следующий пример строит график функции f(x) = sin(x) / x:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# . Импортируем один из пакетов Matplotlib
import matplotlib. pyplot as plt
import numpy as np
# Будем рисовать график этой функции
def func ( x ) :
"""
sinc(x)
"""
return math . sin ( x ) / x if x != 0 else 1.0
if __name__ == '__main__' :
# Интервал изменения переменной по оси X
xmin = - 20.0
xmax = 20.0
# Количество отсчетов на заданном интервале
count = 200
# . Создадим список координат по оси X на отрезке [-xmin; xmax], включая концы
xlist = np. linspace ( xmin , xmax , count )
# Вычислим значение функции в заданных точках
ylist = [ func ( x ) for x in xlist ]
# . Нарисуем одномерный график
plt. plot ( xlist , ylist )
# . Покажем окно с нарисованным графиком
plt. show ( )
Если в качестве отсчетов по оси X используется последовательность 0, 1, 2, . len(ylist) - 1, то первый параметр можно опустить. Следующий пример это демонстрирует
График выглядит точно также с той лишь разницей, что координаты X отсчитываются от 0, а расстояние между точками считается равным 1.
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# . Импортируем один из пакетов Matplotlib
import matplotlib. pyplot as plt
import numpy as np
# Будем рисовать график этой функции
def func ( x ) :
"""
sinc(x)
"""
return math . sin ( x ) / x if x != 0 else 1.0
if __name__ == '__main__' :
# Интервал изменения переменной по оси X
xmin = - 20.0
xmax = 20.0
# Количество отсчетов на заданном интервале
count = 200
# . Создадим список координат по оси X на отрезке [-xmin; xmax], включая концы
xlist = np. linspace ( xmin , xmax , count )
# Вычислим значение функции в заданных точках
ylist = [ func ( x ) for x in xlist ]
# . Нарисуем одномерный график
plt. plot ( ylist )
# . Покажем окно с нарисованным графиком
plt. show ( )
Если вызывать функцию plot() несколько раз подряд, то на график будут добавляться новые кривые. Следующий пример рисует два гарфика на одних осях:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# . Импортируем один из пакетов Matplotlib
import matplotlib. pyplot as plt
import numpy as np
# Будем рисовать график этой функции
def func ( x ) :
"""
sinc(x)
"""
return math . sin ( x ) / x if x != 0 else 1.0
if __name__ == '__main__' :
# Интервал изменения переменной по оси X
xmin = - 20.0
xmax = 20.0
# Количество отсчетов на заданном интервале
count = 200
# . Создадим список координат по оси X на отрезке [-xmin; xmax], включая концы
xlist = np. linspace ( xmin , xmax , count )
# Вычислим значение функции в заданных точках
ylist1 = [ func ( x ) for x in xlist ]
ylist2 = [ func ( x * 0.2 ) for x in xlist ]
# . Нарисуем одномерные графики
plt. plot ( xlist , ylist1 )
plt. plot ( xlist , ylist2 )
# . Покажем окно с нарисованным графиком
plt. show ( )
Результат работы этого скрипта выглядит следующим образом:
Вы можете подписаться на новости сайта через RSS, Группу Вконтакте или Канал в Telegram.
Сохранение графика в файл изображения в Python с использованием Matplotlib
Создание графиков и диаграмм является важной частью анализа данных в Python. Библиотека Matplotlib предлагает мощные инструменты для визуализации данных.
Алексей Кодов
Автор статьи
7 июля 2023 в 18:22
Создание графиков и диаграмм является важной частью анализа данных в Python. Библиотека Matplotlib предлагает мощные инструменты для визуализации данных. Однако в некоторых случаях может возникнуть необходимость сохранить график в виде файла изображения, а не отображать его в графическом интерфейсе пользователя.
Пример проблемы
Рассмотрим следующий пример кода:
import matplotlib.pyplot as plt plt.plot([1, 2, 3], [1, 4, 9]) plt.show()
В этом примере создается линейный график и отображается с использованием метода show() библиотеки matplotlib.pyplot . Вместо этого предположим, что необходимо сохранить этот график в виде файла изображения, например, в формате PNG.
Решение проблемы
Библиотека Matplotlib предоставляет метод savefig() , который позволяет сохранять графики в виде файлов изображений. Этот метод принимает в качестве аргумента путь к файлу, в который необходимо сохранить график.
import matplotlib.pyplot as plt plt.plot([1, 2, 3], [1, 4, 9]) plt.savefig('foo.png')
В этом примере линейный график сохраняется в файл foo.png в текущей рабочей директории. Формат файла определяется по его расширению.
Форматы файлов
Метод savefig() поддерживает различные форматы файлов, включая PNG, PDF, SVG, EPS и многие другие. Формат файла определяется по его расширению. Если расширение не указано, по умолчанию используется формат PNG.
Важно отметить, что метод savefig() должен вызываться до show() , так как show() может изменить состояние объекта figure, что приведет к неверному сохранению файла.
Таким образом, сохранение графиков в виде файлов изображения в Python с использованием Matplotlib может быть выполнено просто и быстро с помощью метода savefig() .
Пострение графиков
Фундаментальная задача программирования — вычисление математических и, в частности, алгебраических функций. Казалось бы, что проще? Однако, запись выражения на языке математики не принимается напрямую языком программирования. Выражение нужно написать в виде, который будет понятен тому или иному языку программирования.
Например, y = x², должно быть записано как y = x*x или y = x**2 .
Упражнение №1
Запишите выражение, заданное формулой, в виде, подходящем для языка Python.
и найдите его значения в точках 1, 10, 1000.
Для вычисления математических функций мы не будем использовать стандартную библиотеку math. Т.к. она не работает с векторами. В нашем случае разумней обратить внимание на библиотеку numpy. Данная библиотека обеспечивает удобную работу с векторам.
Т.е., если у нас есть вектор x=[1, 2, 3, 4] и мы вызовим numpy.log(x), то логарифм будет взят от каждого элемента списка и возвращен будет список значений.
Аналогичная функция в модуля math ожидает число, т.е. нельзя сделать math.log(x), нужно делать math.log(x[0]) и т.д.
Традиционно библиотека numpy подключается командой:
import numpy as np
Данный вызов сообщает, что подключить numpy под псевдонимом np. Это делается, чтобы не писать каждый раз:
numpy.cos(x)
np.cos(x)
Такой код, с более коротким именем библиотеки, элементарно, проще читать.
Основные математические функции и константы функии, которые нам понадобятся из numpy:
| Функция библиотеки math | Математическая функция |
|---|---|
| np.pi | Число pi |
| np.e | Число e |
| np.cos | Косинус |
| np.sin | Синус |
| np.tan | Тангенс |
| np.acos | Арккосинус |
| np.asin | Арксинус |
| np.atan | Арктангенс |
| np.exp | Экспонента |
| np.log | Логарифм |
Функция log вычисляет натуральный логарифм. Чтобы вычислить логарифм по другому основанию, нужно воспользоваться формулой перехода. Например, если мы хотим получить логарифм x по основанию 2, нужно написать:
np.log(x) / np.log(2)
Построение графиков
matplotlib - набор дополнительных модулей (библиотек) языка Python. Предоставляет средства для построения самых разнообразных 2D графиков и диаграмм данных. Отличается простотой использования — для построения весьма сложных и красочно оформленных диаграмм достаточно нескольких строк кода. При этом качество получаемых изображений более чем достаточно для их публикования. Также позволяет сохранять результаты в различных форматах, например Postscript, и, соответственно, вставлять изображения в документы TeX. Предоставляет API для встраивания своих графических объектов в приложения пользователя.
Пример построения графика функции:
import numpy as np import matplotlib.pyplot as plt x = np.arange(-10, 10.01, 0.01) plt.plot(x, x**2) plt.show()
На одном рисунке можно построить несколько графиков функций:
import numpy as np import matplotlib.pyplot as plt x = np.arange(-10, 10.01, 0.01) plt.plot(x, np.sin(x), x, np.cos(x), x, -x) plt.show()
Также довольно просто на график добавить служебную информацию и отобразить сетку:
import numpy as np import matplotlib.pyplot as plt x = np.arange(-10, 10.01, 0.01) plt.plot(x, np.sin(x), x, np.cos(x), x, -x) plt.xlabel(r'$x$') plt.ylabel(r'$f(x)$') plt.title(r'$f_1(x)=\sin(x),\ f_2(x)=\cos(x),\ f_3(x)=-x$') plt.grid(True) plt.show()
Или используя legend() , где можно указать место расположения подписей к кривым на графике в параметре loc . Подписи могут быть явно переданы legend((line1, line2, line3), ('label1', 'label2', 'label3')) или могут быть переданы в аргумет label , как в примере ниже. Чтобы сохранить график нужно воспользоваться savefig(figure_name) , где figure_name явлется строкой назания файла с указанием расширения. Для текстовых полей можно изменять шрифт ( fontsize ), для большей читаемости графика, а его размер указывается с помощью figure(figsize=(10, 5)) .
import numpy as np import matplotlib.pyplot as plt x = np.arange(-10, 10.01, 0.01) plt.figure(figsize=(10, 5)) plt.plot(x, np.sin(x), label=r'$f_1(x)=\sin(x)$') plt.plot(x, np.cos(x), label=r'$f_2(x)=\cos(x)$') plt.plot(x, -x, label=r'$f_3(x)=-x$') plt.xlabel(r'$x$', fontsize=14) plt.ylabel(r'$f(x)$', fontsize=14) plt.grid(True) plt.legend(loc='best', fontsize=12) plt.savefig('figure_with_legend.png') plt.show()
Текстовые поля в matplotlib могут содержать разметку LaTeX, заключенную в знаки $. Буква r перед кавычками говорит python, что символ "\" следует оставить как есть и не интерпретировать как начало спецсимвола (например, перевода строки - "\n").
Работа с matplotlib основана на использовании графических окон и осей (оси позволяют задать некоторую графическую область). Все построения применяются к текущим осям. Это позволяет изображать несколько графиков в одном графическом окне. По умолчанию создаётся одно графическое окно figure(1) и одна графическая область subplot(111) в этом окне. Команда subplot позволяет разбить графическое окно на несколько областей. Она имеет три параметра: nr , nc , np . Параметры nr и nc определяют количество строк и столбцов на которые разбивается графическая область, параметр np определяет номер текущей области ( np принимает значения от 1 до nr*nc ). Если nr*nc
import numpy as np import matplotlib.pyplot as plt x = np.arange(-10, 10.01, 0.01) t = np.arange(-10, 11, 1) #subplot 1 sp = plt.subplot(221) plt.plot(x, np.sin(x)) plt.title(r'$\sin(x)$') plt.grid(True) #subplot 2 sp = plt.subplot(222) plt.plot(x, np.cos(x), 'g') plt.axis('equal') plt.grid(True) plt.title(r'$\cos(x)$') #subplot 3 sp = plt.subplot(223) plt.plot(x, x**2, t, t**2, 'ro') plt.title(r'$x^2$') #subplot 4 sp = plt.subplot(224) plt.plot(x, x) sp.spines['left'].set_position('center') sp.spines['bottom'].set_position('center') plt.title(r'$x$') plt.show()
График может быть построен в полярной системе координат, для этого при создании subplot необходимо указать параметр polar=True :
import numpy as np import matplotlib.pyplot as plt plt.subplot(111, polar=True) phi = np.arange(0, 2*np.pi, 0.01) rho = 2*phi plt.plot(phi, rho, lw=2) plt.show()
Или может быть задан в параметрической форме (для этого не требуется никаких дополнительных действий, поскольку два массива, которые передаются в функцию plot воспринимаются просто как списки координат точек, из которых состоит график):
import numpy as np import matplotlib.pyplot as plt t = np.arange(0, 2*np.pi, 0.01) r = 4 plt.plot(r*np.sin(t), r*np.cos(t), lw=3) plt.axis('equal') plt.show()
График функции двух переменных может быть построен, например, так:
from mpl_toolkits.mplot3d import axes3d import matplotlib.pyplot as plt import numpy as np ax = axes3d.Axes3D(plt.figure()) i = np.arange(-1, 1, 0.01) X, Y = np.meshgrid(i, i) Z = X**2 - Y**2 ax.plot_wireframe(X, Y, Z, rstride=10, cstride=10) plt.show()
Добавление текста на график: Команду text() можно использовать для добавления текста в произвольном месте (по умолчанию координаты задаются в координатах активных осей), а команды xlabel() , ylabel() и title() служат соответственно для подписи оси абсцисс, оси ординат и всего графика. Для более полной информации смотрите «Text introduction» раздел на оф. сайте.
import numpy as np import matplotlib.pyplot as plt mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) # the histogram of the data n, bins, patches = plt.hist(x, 50, density=True, facecolor='g', alpha=0.75) plt.xlabel('Smarts') plt.ylabel('Probability') plt.title('Histogram of IQ') plt.text(60, .030, r'$\mu=100,\ \sigma=15$') plt.text(50, .033, r'$\varphi_<\mu,\sigma^2>(x) = \frac <\sigma\sqrt<2\pi>> \,e^< -\frac<(x- \mu)^2>> = \frac \varphi\left(\frac\right),\quad x\in\mathbb $', fontsize=20, color='red') plt.axis([40, 160, 0, 0.04]) plt.grid(True) plt.show()
plot() — универсальная команда и в неё можно передавать произвольное количество аргументов. Например, для того, чтобы отобразить y в зависимости от x , можно выполнить команду:
import matplotlib.pyplot as plt plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) plt.show()
Каждую последовательность можно отобразить своим типом точек:
import numpy as np import matplotlib.pyplot as plt # равномерно распределённые значения от 0 до 5, с шагом 0.2 t = np.arange(0., 5., 0.2) # красные чёрточки, синие квадраты и зелёные треугольники plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') plt.show()
Также в matplotlib существует возможность строить круговые диаграммы:
import numpy as np import matplotlib.pyplot as plt data = [33, 25, 20, 12, 10] plt.figure(num=1, figsize=(6, 6)) plt.axes(aspect=1) plt.title('Plot 3', size=14) plt.pie(data, labels=('Group 1', 'Group 2', 'Group 3', 'Group 4', 'Group 5')) plt.show()
И аналогичным образом столбчатые диаграммы:
import numpy as np import matplotlib.pyplot as plt objects = ('A', 'B', 'C', 'D', 'E', 'F') y_pos = np.arange(len(objects)) performance = [10,8,6,4,2,1] plt.bar(y_pos, performance, align='center', alpha=0.5) plt.xticks(y_pos, objects) plt.ylabel('Value') plt.title('Bar title') plt.show()
Цветовые карты используются, если нужно указать в какие цвета должны окрашиваться участки трёхмерной поверхности в зависимости от значения Z в этой области. Цветовую карту можно задать самому, а можно воспользоваться готовой. Рассмотрим использование цветовой карты на примере графика функции z(x,y)=sin(x)*sin(y)/(x*y) .
import pylab from mpl_toolkits.mplot3d import Axes3D from matplotlib import cm import numpy def makeData(): x = numpy.arange(-10, 10, 0.1) y = numpy.arange(-10, 10, 0.1) xgrid, ygrid = numpy.meshgrid(x, y) zgrid = numpy.sin(xgrid)*numpy.sin(ygrid)/(xgrid*ygrid) return xgrid, ygrid, zgrid x, y, z = makeData() fig = pylab.figure() axes = Axes3D(fig) axes.plot_surface(x, y, z, rstride=4, cstride=4, cmap=cm.jet) pylab.show()
Альтернативой к использованию mpl_toolkits.mplot3d является библиотека plotly , которая позволяет интерактивно взаимодействовать с графиком, поворачивая его или увеличивая некоторую область в пространсте.
Функция eval()
В Python есть встроенная функция eval() , которая выполняет строку с кодом и возвращает результат выполнения:
>>> eval("2 + 3*len('hello')") 17 >>>
Это очень мощная, но и очень опасная инструкция, особенно если строки, которые вы передаёте в eval , получены не из доверенного источника. Если строкой, которую мы решим скормить eval() , окажется "os.system('rm -rf /')" , то интерпретатор честно запустит процесс удаления всех данных с компьютера.
Упражнение №2
Постройте график функции
и по графику найдите найдите корни уравнения y(x) = 0. (Не нужно применять численных методов — просто приблизьте график к корням функции настолько, чтобы было удобно их найти.)
Упражнение №3
Постройте график функции
Упражнение №4
Используя функцию eval() постройте график функции, введённой с клавиатуры. Чтобы считать данные с клавиатуры, используйте функцию input() . Попробуйте включить эффект «рисование от руки» посредством вызова plt.xkcd() . Посольку эта функция применяет некоторый набор настроек, избавиться от которых впоследствие не так просто, удобнее использовать ее как "контекстный менеджер" - это позволяет применить настройки временно, только к определенному блоку кода. Для этого используется ключевое слово with:
with plt.xkcd(): plt.pie([70, 10, 10, 10], labels=('В комментариях', 'В Ираке', 'В Сирии', 'В Афганистане')) plt.title('Где ведутся самые ожесточенные бои')
Отображение погрешностей
С помощью метода plt.errorbar можно рисовать точки с погрешностями измерений, как для лабораторных работ. Погрешности по осям абсцисс и ординат задаются в параметрах (соответственно) xerr и yerr .
import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [0.99, 0.49, 0.35, 0.253, 0.18] plt.errorbar(x, y, xerr=0.05, yerr=0.1) plt.grid() plt.show()
Альтернативой для plt.errorbar может слудить plt.fill_between , который заполняет область графика между кривыми, чтобы регулировать прозрачность используется аргумент alpha . Это число из отрезка [0, 1], на которое домножоается интенсивность цвета заполнения между кривыми.
import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 10, 0.01) plt.plot(x, x**2, label=r'$f = x^2$') plt.scatter(x, x**2 + np.random.randn(len(x))*x, s=0.3) plt.fill_between(x, 1.3*x**2, 0.7*x**2, alpha=0.3) plt.legend(loc='best') plt.savefig('figure_fill_between.png') plt.show()
В уже использованном модуле numpy есть метод polyfit, позволяющий приближать данные методом наименьших квадратов. Он возвращает погрешности и коэффициенты полученного многочлена.
x = [1, 2, 3, 4, 5, 6] y = [1, 1.42, 1.76, 2, 2.24, 2.5] p, v = np.polyfit(x, y, deg=1, cov=True) >>> p array([0.28517032, 0.80720757]) >>> v array([[0.00063242, -0.00221348], [-0.00221348, 0.00959173]])
Многочлен задается формулой p(x) = p[0] * x**deg + . + p[deg]
Для того, чтобы не выписывать каждый раз руками эту формулу для разных степеней, есть функция poly1d , которая возвращает функцию полинома, описанного точками p. Возвращенная функция может принимать на вход не только число, но и список значений, в таком случае, будет вычислено значение функции в каждой точке списка и возвращен список результатов.
p_f = np.poly1d(p) p_f(0.5) p_f([1, 2, 3])
Упражнение №5
Приблизить данные из приведённого примера с погрешностями или свои собственные (из лабораторного практикума по общей физике) многочленами первой и второй степени. Начертить точки с погрешностями и полученные аппроксимационные кривые на одном графике.
Упражнение №6 *
Постройте график функции Вейерштрасса
Сайт построен с использованием Pelican. За основу оформления взята тема от Smashing Magazine. Исходные тексты программ, приведённые на этом сайте, распространяются под лицензией GPLv3, все остальные материалы сайта распространяются под лицензией CC-BY.