本博文就是记录一些matplotlib的基本用法,方便日后查看.$ $

二维

利用matplotlib在二维平面画点.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
# coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
def loadData():
    data=np.loadtxt('lr_linear_data.txt')
    # 点的坐标
    xy=data[:,0:2]
    # 点得分类标签
    lable=data[:,2:]
    return xy, lable
xy,lable=loadData()
# 获得点的个数
num=xy.shape[0]
for i in xrange(num):
	# 根据点的标签,给相同标签的点相同得颜色
    if int(lable[i, 0]) == 0:
    	# r代表是红色,o代表用圆圈来表示点
        plt.plot(xy[i, 0], xy[i, 1], 'ro')
    elif int(lable[i, 0]) == 1:
        plt.plot(xy[i, 0], xy[i, 1], 'bo')
plt.axis([-6,6,-6,6])
plt.xlabel('x'); plt.ylabel('y')
plt.show()

上面代码的显示结果如下:

利用matplotlib在二维平面画直线.
直线方程为:

\[ \theta_{0}+\theta_{1}x+\theta_{2}y=0 \]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
theta=np.array([1.33761001,6.66484963,-6.63002026])
min_x = -6
max_x = 6
y_min_x = float(-theta[0] - theta[1] * min_x) / theta[2]
y_max_x = float(-theta[0] - theta[1] * max_x) / theta[2]
plt.plot([min_x, max_x], [y_min_x, y_max_x], '-g')
plt.axis([-6,6,-6,6])
plt.xlabel('x'); plt.ylabel('y')
plt.show()

显示结果:

三维

利用matplotlib在三维空间画点

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# coding=utf-8
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
if __name__=='__main__':
    res = np.loadtxt('axis1_sample_point.txt')
    x=res[0:90,0:1]
    y=res[0:90,1:2]
    z=res[0:90,2:]
    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[0:30],y[0:30],z[0:30],c='r') #绘制数据点
    ax.scatter(x[30:60],y[30:60],z[30:60],c='y')
    ax.scatter(x[60:90],y[60:90],z[60:90],c='g')
    ax.set_zlabel('Z') #坐标轴
    ax.set_ylabel('Y')
    ax.set_xlabel('X')
    plt.show()

显示结果:

数据下载:Data