如果你想要在Linxu中獲得一個(gè)高效、自動(dòng)化、高質(zhì)量的科學(xué)畫圖的解決方案,應(yīng)該考慮嘗試下matplotlib庫(kù)。Matplotlib是基于python的開源科學(xué)測(cè)繪包,基于python軟件基金會(huì)許可證發(fā)布。大量的文檔和例子、集成了Python和Numpy科學(xué)計(jì)算包、以及自動(dòng)化能力,是作為L(zhǎng)inux環(huán)境中進(jìn)行科學(xué)畫圖的可靠選擇的幾個(gè)原因。這個(gè)教程將提供幾個(gè)用matplotlib畫圖的例子。
基于Python語(yǔ)法的matplotlib是其許多特性和高效工作流的基礎(chǔ)。世面上有許多用于繪制高質(zhì)量圖的科學(xué)繪圖包,但是這些包允許你直接在你的Python代碼中去使用嗎?除此以外,這些包允許你創(chuàng)建可以保存為圖片文件的圖片嗎?Matplotlib允許你完成所有的這些任務(wù)。從而你可以節(jié)省時(shí)間,使用它你能夠花更少的時(shí)間創(chuàng)建更多的圖片。
安裝Python和Numpy包是使用Matplotlib的前提,安裝Numpy的指引請(qǐng)見該鏈接。
可以通過如下命令在Debian或Ubuntu中安裝Matplotlib:
1 | $ sudo apt-get install python-matplotlib |
在Fedora或CentOS/RHEL環(huán)境則可用如下命令:
1 | $ sudo yum install python-matplotlib |
本教程會(huì)提供幾個(gè)繪圖例子演示如何使用matplotlib:
在這些例子中我們將用Python腳本來執(zhí)行Mapplotlib命令。注意numpy和matplotlib模塊需要通過import命令在腳本中進(jìn)行導(dǎo)入。
np為nuupy模塊的命名空間引用,plt為matplotlib.pyplot的命名空間引用:
1 2 | import numpy as np import matplotlib.pyplot as plt |
第一個(gè)腳本,script1.py 完成如下任務(wù):
script1.py的內(nèi)容如下:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 | import numpy as np import matplotlib.pyplot as plt xData = np.arange( 0 , 10 , 1 ) yData1 = xData.__pow__( 2.0 ) yData2 = np.arange( 15 , 61 , 5 ) plt.figure(num = 1 , figsize = ( 8 , 6 )) plt.title( 'Plot 1' , size = 14 ) plt.xlabel( 'x-axis' , size = 14 ) plt.ylabel( 'y-axis' , size = 14 ) plt.plot(xData, yData1, color = 'b' , linestyle = '--' , marker = 'o' , label = 'y1 data' ) plt.plot(xData, yData2, color = 'r' , linestyle = '-' , label = 'y2 data' ) plt.legend(loc = 'upper left' ) plt.savefig( 'images/plot1.png' , format = 'png' ) |
所畫之圖如下:
第二個(gè)腳本,script2.py 完成如下任務(wù):
script2.py代碼如下:
1 2 3 4 5 6 7 8 9 10 11 12 13 | import numpy as np import matplotlib.pyplot as plt mu = 0.0 sigma = 2.0 samples = np.random.normal(loc = mu, scale = sigma, size = 1000 ) plt.figure(num = 1 , figsize = ( 8 , 6 )) plt.title( 'Plot 2' , size = 14 ) plt.xlabel( 'value' , size = 14 ) plt.ylabel( 'counts' , size = 14 ) plt.hist(samples, bins = 40 , range = ( - 10 , 10 )) plt.text( - 9 , 100 , r '$\mu$ = 0.0, $\sigma$ = 2.0' , size = 16 ) plt.savefig( 'images/plot2.png' , format = 'png' ) |
結(jié)果見如下鏈接:
第三個(gè)腳本,script3.py 完成如下任務(wù):
腳本script3.py的代碼如下:
1 2 3 4 5 6 7 8 9 | 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.savefig( 'images/plot3.png' , format = 'png' ) |
結(jié)果如下鏈接所示:
這個(gè)教程提供了幾個(gè)用matplotlib科學(xué)畫圖包進(jìn)行畫圖的例子,Matplotlib是在Linux環(huán)境中用于解決科學(xué)畫圖的絕佳方案,表現(xiàn)在其無縫地和Python、Numpy連接、自動(dòng)化能力,和提供多種自定義的高質(zhì)量的畫圖產(chǎn)品。matplotlib包的文檔和例子詳見這里。
聯(lián)系客服