pyplot
Σήμερα κάναμε μια μικρή εισαγωγή στη βιβλιοθήκη pyplot
, τμήμα της βιβλιοθήκης matplotlib
, την οποία χρησιμοποιούμε για να σχεδιάζουμε διάφορα σχήματα (από γραφικές παραστάσεις συναρτήσεων μιας ή δύο μεταβλητών έως και πολύ γενικότερα σχήματα).
Το σημερινό σημειωματάριο σας δίνεται χωρίς σχόλια. Αντί σχολίων σας παραπέμπω στην αντίστοιχη διάλεξη του κ. Πλεξουσάκη την οποία και ακολούθησα.
import matplotlib.pyplot as plt
plt.plot([1,2,3,4], [1,4,9,16])
plt.axis([0, 6, 0, 20])
plt.show()
import matplotlib.pyplot as plt
import numpy as np
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--')
plt.plot(t, t**2, 'bp')
plt.plot(t, t**3, 'g^')
plt.show()
import matplotlib.pyplot as plt
import numpy as np
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--')
plt.plot(t, t**2, 'bp')
plt.plot(t, t**3, 'g^-')
plt.axis([1.9, 3.1, 0, 28])
plt.show()
import numpy as np
import matplotlib.pyplot as plt
def f(t):
return np.exp(-t) * np.cos(2*np.pi*t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.figure(1)
plt.subplot(221)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.subplot(224)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.subplot(222)
plt.plot(t2, np.abs(np.cos(2*np.pi*t2)), 'g-')
plt.subplot(223)
plt.plot(t1, np.random.random(len(t1)), 'c-')
plt.show()
import numpy as np
import matplotlib.pyplot as plt
def f(t):
return t**2*np.sin(1/t)
epsilon = 0.01
step = 0.0001
x = np.arange(epsilon, 0.1, step)
plt.plot(x, f(x), 'g-', x, x**2, 'r--', x, -x**2, 'c--')
#plt.axis([epsilon, 0.05, -1, 1])
plt.show
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
def randrange(n, vmin, vmax):
return (vmax-vmin)*np.random.rand(n) + vmin
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
n = 100
xs = randrange(n, 23, 32)
ys = randrange(n, 0, 100)
zs = randrange(n, -25, 25)
ax.scatter(xs, ys, zs, c='b', marker=',')
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.show()
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, x)
Z = np.cos(np.sqrt(X**2 + Y**2))
ax.plot_wireframe(X, Y, Z)
plt.show()