Matplotlib - 图窗属性

图像属性

接下来简单介绍几个常用的图形属性.

坐标轴上下限

设置坐标轴上下限有两种方法 lim 和 axis.

示例 1

效果图

代码

lim
1
2
3
4
5
6
7
8
9
10
import matplotlib.pyplot as plt

x = [520, 521, 522, 523]
y = [1, 2, 3, 4]

fig1 = plt.figure()
plt.plot(x, y, color='#112d4e')
plt.xlim(520, 523)
plt.ylim(1, 4)
plt.show()

axis

1
2
3
4
5
6
7
8
9
import matplotlib.pyplot as plt

x = [520, 521, 522, 523]
y = [1, 2, 3, 4]

fig1 = plt.figure()
plt.plot(x, y, color='#112d4e')
plt.axis([520, 523, 1, 4])
plt.show()

plt.axis('equal') 会变成 1 : 1 比例

标题 与 坐标轴标签

示例 2

用中心极限定理示例.

代码

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
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(32)

# 定义一个非正态分布的总体 - 均匀分布
population = np.random.uniform(0, 1, size=100000)

# 样本大小
sample_size = 30
# 抽样次数
num_samples = 1000

# 存储每次抽样的均值
sample_means = []

# 循环抽样和计算均值
for _ in range(num_samples):
    # 从总体中随机抽取一个样本 放回抽样
    sample = np.random.choice(population, size=sample_size, replace=True)

    # 计算样本的均值
    mean = np.mean(sample)

    # 将均值添加到列表中
    sample_means.append(mean)

# 绘制样本均值的直方图
plt.hist(
    sample_means,
    bins=30,
    density=True,
    histtype='stepfilled',
    alpha=0.5,
    color='#8c82fc',
    edgecolor='#b693fe',
)

# 绘制正态分布曲线作为参考
mean_of_means = np.mean(sample_means)
std_of_means = np.std(sample_means, ddof=1)  # ddof=1时，计算的是样本的标准差
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = np.exp(-((x - mean_of_means) ** 2) / (2 * std_of_means**2)) / (
    std_of_means * np.sqrt(2 * np.pi)
)
plt.plot(x, p, color='#F0988C', linewidth=2, label='Normal Distribution')

# 设置图表标题和坐标轴标签
plt.title('Central Limit Theorem')
plt.xlabel('Sample Mean')
plt.ylabel('Frequency')
plt.legend(loc='upper right', frameon=False)

plt.show()