网站怎么设计专业网站建设加盟合作

网站怎么设计,专业网站建设加盟合作,循化县公司网站建设,网站开发怎么报价单一、Matplotlib 架构与核心概念1.1 三层架构体系用户层 (pyplot) ← 最简单#xff0c;面向MATLAB用户↓ 艺术家层 (Artist) ← 面向对象#xff0c;更精细的控制↓ 后端层 (Backend) ← 底层渲染1.2 关键术语Figure#xff1a;画布#xff0c;可以包含多个子图Axes面向MATLAB用户 ↓ 艺术家层 (Artist) ← 面向对象更精细的控制 ↓ 后端层 (Backend) ← 底层渲染1.2 关键术语Figure画布可以包含多个子图Axes坐标系真正绘图的地方Axis坐标轴Artist所有可见元素Backend渲染引擎二、快速入门2.1 基本绘图流程import matplotlib.pyplot as plt import numpy as np # 1. 准备数据 x np.linspace(0, 10, 100) y np.sin(x) # 2. 创建图形和坐标轴 fig, ax plt.subplots(figsize(10, 6)) # 3. 绘制数据 ax.plot(x, y, labelsin(x), colorblue, linewidth2, linestyle-) # 4. 自定义图表 ax.set_title(正弦函数, fontsize16, fontweightbold) ax.set_xlabel(X轴, fontsize12) ax.set_ylabel(Y轴, fontsize12) ax.legend() ax.grid(True, alpha0.3) # 5. 显示或保存 plt.tight_layout() plt.savefig(sine_wave.png, dpi300, bbox_inchestight) plt.show()三、图形与坐标轴控制3.1 创建多子图# 方法1subplot plt.figure(figsize(12, 8)) # 2行2列第1个子图 plt.subplot(2, 2, 1) plt.plot(x, np.sin(x)) plt.title(sin(x)) plt.subplot(2, 2, 2) plt.plot(x, np.cos(x)) plt.title(cos(x)) # 方法2subplots (推荐) fig, axes plt.subplots( nrows2, ncols3, figsize(15, 10), sharexTrue, # 共享x轴 shareyTrue # 共享y轴 ) # 遍历所有坐标轴 for i, ax in enumerate(axes.flat): ax.plot(x, np.sin(x i*0.5)) ax.set_title(fPlot {i1}) ax.grid(True) plt.tight_layout() # 方法3GridSpec (更灵活布局) fig plt.figure(figsize(12, 8)) gs fig.add_gridspec(3, 3) # 3行3列网格 # 创建不同大小的子图 ax1 fig.add_subplot(gs[0, :]) # 第1行所有列 ax2 fig.add_subplot(gs[1, :2]) # 第2行前2列 ax3 fig.add_subplot(gs[1:, 2]) # 第1行到最后第3列 ax4 fig.add_subplot(gs[2, 0]) # 第3行第1列 ax5 fig.add_subplot(gs[2, 1]) # 第3行第2列3.2 坐标轴控制fig, ax plt.subplots(1, 2, figsize(12, 5)) # 左图基本设置 ax[0].plot(x, np.tan(x)) ax[0].set_xlim(0, 10) # 设置x轴范围 ax[0].set_ylim(-5, 5) # 设置y轴范围 ax[0].set_xlabel(X轴, fontsize12) ax[0].set_ylabel(Y轴, fontsize12) ax[0].set_title(tan(x)函数, fontsize14) ax[0].grid(True, linestyle--, alpha0.7) # 右图高级设置 ax[1].plot(x, np.exp(x)) ax[1].set_xscale(log) # 对数坐标 ax[1].set_yscale(log) ax[1].set_xticks([1, 2, 5, 10]) # 自定义刻度 ax[1].set_xticklabels([一, 二, 五, 十], fontsize10) # 自定义标签 ax[1].tick_params(axisboth, whichmajor, labelsize10) ax[1].spines[top].set_visible(False) # 隐藏顶部边框 ax[1].spines[right].set_visible(False) # 隐藏右边框 # 双y轴 fig, ax1 plt.subplots(figsize(10, 6)) ax1.plot(x, np.sin(x), b-, labelsin(x)) ax1.set_xlabel(X轴) ax1.set_ylabel(sin(x), colorb) ax1.tick_params(axisy, labelcolorb) ax2 ax1.twinx() # 共享x轴 ax2.plot(x, np.cos(x), r-, labelcos(x)) ax2.set_ylabel(cos(x), colorr) ax2.tick_params(axisy, labelcolorr) # 添加图例 lines1, labels1 ax1.get_legend_handles_labels() lines2, labels2 ax2.get_legend_handles_labels() ax1.legend(lines1 lines2, labels1 labels2, locupper right)四、绘图类型大全4.1 基本图表类型fig, axes plt.subplots(2, 3, figsize(15, 10)) x np.linspace(0, 10, 20) y np.random.randn(20) # 1. 折线图 axes[0, 0].plot(x, y, markero, linestyle-, colorblue, markersize8) axes[0, 0].set_title(折线图) # 2. 散点图 axes[0, 1].scatter(x, y, cy, cmapviridis, s100, alpha0.7, edgecolorsblack) axes[0, 1].set_title(散点图) # 3. 柱状图 categories [A, B, C, D, E] values [23, 45, 56, 78, 33] axes[0, 2].bar(categories, values, color[red, blue, green, orange, purple]) axes[0, 2].set_title(柱状图) # 4. 水平柱状图 axes[1, 0].barh(categories, values, colorskyblue) axes[1, 0].set_title(水平柱状图) # 5. 直方图 data np.random.randn(1000) axes[1, 1].hist(data, bins30, edgecolorblack, alpha0.7, colorlightgreen) axes[1, 1].set_title(直方图) # 6. 饼图 sizes [15, 30, 45, 10] labels [A, B, C, D] axes[1, 2].pie(sizes, labelslabels, autopct%1.1f%%, explode(0, 0.1, 0, 0), shadowTrue) axes[1, 2].set_title(饼图) plt.tight_layout()4.2 高级图表类型fig plt.figure(figsize(16, 12)) # 1. 箱线图 plt.subplot(2, 3, 1) data [np.random.normal(0, std, 100) for std in range(1, 4)] plt.boxplot(data, labels[A, B, C], patch_artistTrue, boxpropsdict(facecolorlightblue)) plt.title(箱线图) # 2. 小提琴图 plt.subplot(2, 3, 2) import seaborn as sns sns.violinplot(datadata) plt.title(小提琴图) # 3. 热力图 plt.subplot(2, 3, 3) matrix np.random.rand(10, 10) plt.imshow(matrix, cmaphot, interpolationnearest) plt.colorbar() plt.title(热力图) # 4. 等高线图 plt.subplot(2, 3, 4) X, Y np.meshgrid(np.linspace(-5, 5, 100), np.linspace(-5, 5, 100)) Z np.sin(np.sqrt(X**2 Y**2)) plt.contourf(X, Y, Z, 20, cmapRdYlBu) plt.colorbar() plt.title(等高线图) # 5. 3D图 from mpl_toolkits.mplot3d import Axes3D ax fig.add_subplot(2, 3, 5, projection3d) X, Y np.meshgrid(np.linspace(-5, 5, 50), np.linspace(-5, 5, 50)) Z np.sin(np.sqrt(X**2 Y**2)) ax.plot_surface(X, Y, Z, cmapviridis, edgecolornone) ax.set_title(3D曲面图) # 6. 极坐标图 plt.subplot(2, 3, 6, projectionpolar) theta np.linspace(0, 2*np.pi, 100) r 2 np.cos(5*theta) plt.plot(theta, r) plt.title(极坐标图) plt.tight_layout()五、样式与美化5.1 内置样式# 查看所有可用样式 print(plt.style.available) # 应用样式 plt.style.use(seaborn-v0_8-darkgrid) # 深色网格背景 # plt.style.use(ggplot) # R语言风格 # plt.style.use(fivethirtyeight) # 538风格 # plt.style.use(dark_background) # 黑色背景 # 恢复默认样式 plt.style.use(default) # 组合多个样式 plt.style.use([seaborn-v0_8-whitegrid, seaborn-v0_8-poster])5.2 颜色管理# 1. 使用颜色名称 colors [red, green, blue, cyan, magenta, yellow, black] # 2. 使用十六进制颜色 hex_colors [#FF5733, #33FF57, #3357FF, #F3FF33] # 3. 使用RGB/RGBA rgb_colors [(0.2, 0.4, 0.6), (0.8, 0.2, 0.2, 0.5)] # RGBA支持透明度 # 4. 使用颜色映射 x np.random.rand(100) y np.random.rand(100) sizes np.random.rand(100) * 1000 colors np.random.rand(100) plt.figure(figsize(12, 5)) # 内置颜色映射 plt.subplot(1, 2, 1) scatter plt.scatter(x, y, ssizes, ccolors, cmapviridis, alpha0.6) plt.colorbar(scatter) plt.title(viridis颜色映射) # 反转颜色映射 plt.subplot(1, 2, 2) scatter plt.scatter(x, y, ssizes, ccolors, cmapviridis_r, alpha0.6) plt.colorbar(scatter) plt.title(反转颜色映射) plt.tight_layout() # 常用颜色映射 # 顺序型: viridis, plasma, summer, winter, hot, cool # 发散型: RdYlBu, RdYlGn, bwr, coolwarm # 分类型: tab10, Set1, Set2, Set3, tab205.3 字体与文本fig, ax plt.subplots(figsize(10, 6)) # 绘制数据 x np.linspace(0, 10, 100) ax.plot(x, np.sin(x), label正弦波) ax.plot(x, np.cos(x), label余弦波) # 文本设置 ax.set_title(三角函数可视化, fontsize18, fontweightbold, fontfamilyMicrosoft YaHei, # 中文字体 pad20) # 与图的间距 ax.set_xlabel(角度 (弧度), fontsize14, styleitalic) ax.set_ylabel(函数值, fontsize14, styleitalic) # 自定义刻度标签字体 ax.tick_params(axisboth, labelsize12) # 图例文本 ax.legend(fontsize12, frameonTrue, shadowTrue, fancyboxTrue) # 添加注解 ax.annotate(最大值点, xy(np.pi/2, 1), # 箭头指向的点 xytext(3, 1.5), # 文本位置 arrowpropsdict(arrowstyle-, connectionstylearc3, colorred), fontsize12, bboxdict(boxstyleround,pad0.5, facecoloryellow, alpha0.3)) # 添加文本 ax.text(2, 0.5, 这里是一个重要的\n注释, fontsize10, bboxdict(boxstyleround, facecolorwheat, alpha0.5)) # 数学公式 ax.text(7, 0, r$\int_0^\infty e^{-x^2} dx \frac{\sqrt{\pi}}{2}$, fontsize14, bboxdict(boxstyleround, facecolorlightblue, alpha0.5))六、高级功能6.1 动画import matplotlib.animation as animation from IPython.display import HTML # 创建动画 fig, ax plt.subplots(figsize(8, 6)) x np.linspace(0, 2*np.pi, 100) line, ax.plot(x, np.sin(x)) ax.grid(True) # 动画函数 def animate(frame): line.set_ydata(np.sin(x frame/10.0)) # 更新数据 return line, # 创建动画对象 ani animation.FuncAnimation(fig, animate, frames100, interval50, blitTrue) # 保存为GIF ani.save(sine_wave.gif, writerpillow, fps20) # 在Jupyter中显示 # HTML(ani.to_html5_video())6.2 交互式图表# 启用交互模式 plt.ion() fig, ax plt.subplots(figsize(10, 6)) x np.linspace(0, 10, 100) for phase in np.linspace(0, 2*np.pi, 20): ax.clear() # 清除之前的内容 ax.plot(x, np.sin(x phase)) ax.set_title(fPhase: {phase:.2f}) ax.grid(True) plt.draw() # 重新绘制 plt.pause(0.1) # 暂停一下 plt.ioff() # 关闭交互模式6.3 自定义图形元素# 创建自定义标记 from matplotlib.path import Path from matplotlib.markers import MarkerStyle # 自定义路径 star_vertices [ (0, 1), (-0.3, 0.2), (-1, 0.2), (-0.5, -0.2), (-0.6, -1), (0, -0.6), (0.6, -1), (0.5, -0.2), (1, 0.2), (0.3, 0.2), (0, 1) ] star_codes [Path.MOVETO] [Path.LINETO] * 9 [Path.CLOSEPOLYO] star_path Path(star_vertices, star_codes) star_marker MarkerStyle(markerstar_path) fig, ax plt.subplots(figsize(8, 6)) x np.random.rand(20) y np.random.rand(20) ax.scatter(x, y, s200, markerstar_marker, colorgold, edgecolorblack)七、性能优化7.1 大数据集优化# 1. 使用set_data而不是重新绘图 fig, ax plt.subplots(figsize(10, 6)) x np.linspace(0, 10, 10000) y np.random.randn(10000) # 高效方式 line, ax.plot([], [], -, alpha0.5) # 先创建空线条 line.set_data(x, y) # 然后设置数据 ax.set_xlim(x.min(), x.max()) ax.set_ylim(y.min(), y.max()) # 2. 降低分辨率 # 对大数据集进行下采样 def downsample(data, factor): return data[::factor] x_down downsample(x, 10) y_down downsample(y, 10) # 3. 使用rasterized fig, ax plt.subplots(figsize(10, 6)) scatter ax.scatter(x, y, s1, alpha0.5, rasterizedTrue) # 栅格化7.2 保存优化# 保存高质量图片 fig.savefig(high_quality.png, dpi300, # 分辨率 bbox_inchestight, # 去除白边 facecolorwhite, # 背景色 edgecolornone, # 边框颜色 transparentFalse, # 是否透明 pad_inches0.1) # 内边距 # 保存为矢量图 fig.savefig(vector.svg, formatsvg) fig.savefig(vector.pdf, formatpdf) # 批量保存 for i in range(5): fig, ax plt.subplots() ax.plot(np.random.rand(10)) ax.set_title(fFigure {i1}) fig.savefig(ffigure_{i1}.png, dpi150) plt.close(fig) # 关闭图形释放内存八、实战项目模板8.1 科学论文图表def create_scientific_plot(): # 设置科学论文风格 plt.rcParams.update({ font.size: 12, axes.labelsize: 14, axes.titlesize: 16, xtick.labelsize: 12, ytick.labelsize: 12, legend.fontsize: 12, figure.titlesize: 18, lines.linewidth: 2, axes.grid: True, grid.alpha: 0.3, savefig.dpi: 300, savefig.bbox: tight, savefig.format: pdf }) # 创建图形 fig, axes plt.subplots(2, 2, figsize(12, 10)) fig.suptitle(实验结果可视化, fontweightbold) # 子图1时间序列 t np.linspace(0, 10, 1000) data1 np.sin(2*np.pi*t) np.random.normal(0, 0.1, 1000) data2 np.cos(2*np.pi*t) np.random.normal(0, 0.1, 1000) axes[0, 0].plot(t, data1, label实验组, color#2E86AB) axes[0, 0].plot(t, data2, label对照组, color#A23B72, linestyle--) axes[0, 0].set_xlabel(时间 (s)) axes[0, 0].set_ylabel(信号强度) axes[0, 0].legend() axes[0, 0].set_title(A. 时间序列分析) # 子图2箱线图比较 groups [np.random.normal(i, 0.5, 100) for i in range(4)] bp axes[0, 1].boxplot(groups, labels[A, B, C, D], patch_artistTrue) # 自定义箱线图颜色 colors [#F18F01, #048BA8, #2E933C, #A23B72] for patch, color in zip(bp[boxes], colors): patch.set_facecolor(color) patch.set_alpha(0.7) axes[0, 1].set_ylabel(测量值) axes[0, 1].set_title(B. 组间比较) # 子图3相关性热图 data np.random.randn(100, 8) corr_matrix np.corrcoef(data.T) im axes[1, 0].imshow(corr_matrix, cmapcoolwarm, vmin-1, vmax1) plt.colorbar(im, axaxes[1, 0]) # 添加相关系数值 for i in range(8): for j in range(8): axes[1, 0].text(j, i, f{corr_matrix[i, j]:.2f}, hacenter, vacenter, colorwhite if abs(corr_matrix[i, j]) 0.5 else black, fontsize8) axes[1, 0].set_title(C. 变量相关性) axes[1, 0].set_xticks(range(8)) axes[1, 0].set_yticks(range(8)) axes[1, 0].set_xticklabels([fV{i1} for i in range(8)]) axes[1, 0].set_yticklabels([fV{i1} for i in range(8)]) # 子图43D散点图 ax3d fig.add_subplot(2, 2, 4, projection3d) x np.random.randn(100) y np.random.randn(100) z np.random.randn(100) c np.random.rand(100) scatter ax3d.scatter(x, y, z, cc, cmapviridis, s50, alpha0.7) ax3d.set_xlabel(X轴) ax3d.set_ylabel(Y轴) ax3d.set_zlabel(Z轴) ax3d.set_title(D. 三维分布) plt.colorbar(scatter, axax3d, shrink0.7) plt.tight_layout() plt.savefig(scientific_plot.pdf) plt.show() create_scientific_plot()8.2 商业仪表板def create_business_dashboard(): plt.style.use(seaborn-v0_8-darkgrid) fig plt.figure(figsize(18, 12)) gs fig.add_gridspec(3, 4, hspace0.3, wspace0.3) # 1. 关键指标卡片 ax1 fig.add_subplot(gs[0, 0]) metrics { 收入: 125.6, 利润: 45.2, 增长率: 15.8, 市场份额: 22.4 } bars ax1.barh(list(metrics.keys()), list(metrics.values()), color[#FF6B6B, #4ECDC4, #45B7D1, #96CEB4]) ax1.set_xlabel((百万)) ax1.set_title(关键绩效指标, fontweightbold) # 在条形图上添加数值 for bar, value in zip(bars, metrics.values()): width bar.get_width() ax1.text(width 2, bar.get_y() bar.get_height()/2, f{value:.1f}M, vacenter, fontweightbold) # 2. 月度销售趋势 ax2 fig.add_subplot(gs[0, 1:3]) months [1月, 2月, 3月, 4月, 5月, 6月, 7月, 8月, 9月, 10月, 11月, 12月] sales [120, 135, 150, 145, 160, 175, 190, 185, 200, 210, 220, 230] ax2.plot(months, sales, markero, linewidth3, color#2E86AB) ax2.fill_between(months, sales, alpha0.3, color#2E86AB) ax2.set_title(月度销售额趋势, fontweightbold) ax2.set_ylabel(销售额 (百万)) ax2.grid(True, alpha0.5) # 3. 产品销售占比 ax3 fig.add_subplot(gs[0, 3]) products [产品A, 产品B, 产品C, 产品D, 其他] market_share [35, 25, 20, 15, 5] wedges, texts, autotexts ax3.pie(market_share, labelsproducts, autopct%1.1f%%, startangle90, colors[#FF6B6B, #4ECDC4, #45B7D1, #96CEB4, #FFEAA7]) ax3.set_title(产品销售占比, fontweightbold) # 4. 地区分布热图 ax4 fig.add_subplot(gs[1, :]) regions [华北, 华东, 华南, 华西, 华中] quarters [Q1, Q2, Q3, Q4] data np.random.randint(50, 100, size(len(regions), len(quarters))) im ax4.imshow(data, cmapYlOrRd) # 显示数值 for i in range(len(regions)): for j in range(len(quarters)): ax4.text(j, i, f{data[i, j]}, hacenter, vacenter, colorwhite if data[i, j] 75 else black, fontweightbold) ax4.set_xticks(range(len(quarters))) ax4.set_yticks(range(len(regions))) ax4.set_xticklabels(quarters) ax4.set_yticklabels(regions) ax4.set_title(各地区季度销售额, fontweightbold) plt.colorbar(im, axax4, label销售额 (万)) # 5. 客户满意度 ax5 fig.add_subplot(gs[2, :2]) categories [产品质量, 服务质量, 交付速度, 价格竞争力, 技术支持] scores [4.2, 4.5, 4.0, 3.8, 4.3] angles np.linspace(0, 2*np.pi, len(categories), endpointFalse) scores np.concatenate((scores, [scores[0]])) angles np.concatenate((angles, [angles[0]])) ax5 plt.subplot(gs[2, :2], projectionpolar) ax5.plot(angles, scores, o-, linewidth2) ax5.fill(angles, scores, alpha0.25) ax5.set_xticks(angles[:-1]) ax5.set_xticklabels(categories) ax5.set_ylim(0, 5) ax5.set_title(客户满意度雷达图, fontweightbold, pad20) # 6. 目标完成进度 ax6 fig.add_subplot(gs[2, 2:]) targets [销售目标, 利润目标, 增长目标, 客户目标] achieved [85, 92, 78, 88] bars ax6.barh(targets, achieved, color#4ECDC4) ax6.set_xlim(0, 100) ax6.set_xlabel(完成度 (%)) ax6.set_title(年度目标完成进度, fontweightbold) # 添加进度条和百分比 for bar, value in zip(bars, achieved): width bar.get_width() ax6.text(width/2, bar.get_y() bar.get_height()/2, f{value}%, vacenter, hacenter, colorwhite, fontweightbold) ax6.axvline(100, colorred, linestyle--, alpha0.5) plt.suptitle(商业智能仪表板, fontsize20, fontweightbold, y0.98) plt.tight_layout() plt.savefig(business_dashboard.png, dpi300, bbox_inchestight) plt.show() create_business_dashboard()九、调试与常见问题常见错误与解决方案# 1. 中文显示问题 plt.rcParams[font.sans-serif] [Microsoft YaHei, SimHei, DejaVu Sans] plt.rcParams[axes.unicode_minus] False # 解决负号显示问题 # 2. 图形显示不正常 fig, ax plt.subplots(figsize(10, 6)) # ... 绘图代码 ... plt.tight_layout() # 自动调整布局 plt.show() # 3. 保存图片不完整 fig.savefig(output.png, bbox_inchestight, dpi300) # 4. 性能优化 # 对于大数据集 x_large np.random.randn(1000000) y_large np.random.randn(1000000) # 方法1下采样 fig, ax plt.subplots() ax.plot(x_large[::1000], y_large[::1000], ., markersize1, alpha0.5) # 方法2使用hexbin fig, ax plt.subplots() hb ax.hexbin(x_large, y_large, gridsize50, cmapviridis) plt.colorbar(hb)十、最佳实践总结统一风格在整个项目中使用一致的样式明确标签为每个图表添加清晰的标题和轴标签合适配色使用色盲友好的颜色方案避免杂乱不要过度装饰保持简洁正确缩放根据数据特点选择合适的坐标轴范围添加图例多数据系列时一定要添加图例导出设置根据用途设置合适的分辨率和格式代码复用将常用图表封装为函数好的可视化应该让数据自己说话而不是让图表技巧喧宾夺主。