您的位置:

python创建多维图片(python 三维坐标图多组数据)

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

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()。