devbox
繁依Fanyi0
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

python图像代码大全,python编程代码图片_python图形代码大全

作者：繁依Fanyi0 | 2024-08-17 19:51:28

赞

踩

python图形代码大全

大家好，小编为大家解答python图像代码大全的问题。很多人还不知道python编程代码图片，现在让我们一起来看看吧！

Python画图

Python常用的绘图工具包括：matplotlib, seaborn, plotly等，以及一些其他专用于绘制某类图如词云图等的包，描绘绘图轨迹的turtle包等。本章节将会使用一些例子由易到难的阐述绘图的经典小例子，目前共收录10个python绘制满天星教学设计。

1 turtle绘制奥运五环图

turtle绘图的函数非常好用，基本看到函数名字，就能知道它的含义，下面使用turtle，仅用15行代码来绘制奥运五环图。

1 导入库

  1. import turtle
  2. 复制代码

2 定义画圆函数

  1. def drawCircle(x,y,c='red'):
  2.     p.pu()# 抬起画笔
  3.     p.goto(x,y) # 绘制圆的起始位置
  4.     p.pd()# 放下画笔
  5.     p.color(c)# 绘制c色圆环
  6.     p.circle(30,360) #绘制圆：半径，角度
  7. 复制代码

3 画笔基本设置

  1. p = turtle
  2. p.pensize(3) # 画笔尺寸设置3
  3. 复制代码

4 绘制五环图

调用画圆函数

  1. drawCircle(0,0,'blue')
  2. drawCircle(60,0,'black')
  3. drawCircle(120,0,'red')
  4. drawCircle(90,-30,'green')
  5. drawCircle(30,-30,'yellow')
  6.  
  7. p.done()
  8.
2 turtle绘制漫天雪花

导入模块

导入 turtle库和 python的 random

  1. import turtle as p
  2. import random
  3.

绘制雪花

  1. def snow(snow_count):
  2.     p.hideturtle()
  3.     p.speed(500)
  4.     p.pensize(2)
  5.     for i in range(snow_count):
  6.         r = random.random()
  7.         g = random.random()
  8.         b = random.random()
  9.         p.pencolor(r, g, b)
  10.         p.pu()
  11.         p.goto(random.randint(-350, 350), random.randint(1, 270))
  12.         p.pd()
  13.         dens = random.randint(8, 12)
  14.         snowsize = random.randint(10, 14)
  15.         for _ in range(dens):
  16.             p.forward(snowsize)  # 向当前画笔方向移动snowsize像素长度
  17.             p.backward(snowsize)  # 向当前画笔相反方向移动snowsize像素长度
  18.             p.right(360 / dens)  # 顺时针移动360 / dens度
  19.  
  20.

绘制地面

  1. def ground(ground_line_count):
  2.     p.hideturtle()
  3.     p.speed(500)
  4.     for i in range(ground_line_count):
  5.         p.pensize(random.randint(5, 10))
  6.         x = random.randint(-400, 350)
  7.         y = random.randint(-280, -1)
  8.         r = -y / 280
  9.         g = -y / 280
  10.         b = -y / 280
  11.         p.pencolor(r, g, b)
  12.         p.penup()  # 抬起画笔
  13.         p.goto(x, y)  # 让画笔移动到此位置
  14.         p.pendown()  # 放下画笔
  15.         p.forward(random.randint(40, 100))  # 眼当前画笔方向向前移动40~100距离
  16.

主函数

  1. def main():
  2.     p.setup(800, 600, 0, 0)
  3.     # p.tracer(False)
  4.     p.bgcolor("black")
  5.     snow(30)
  6.     ground(30)
  7.     # p.tracer(True)
  8.     p.mainloop()
  9.  
  10. main()
  11.
3 wordcloud词云图
  1. import hashlib
  2. import pandas as pd
  3. from wordcloud import WordCloud
  4. geo_data=pd.read_excel(r"../data/geo_data.xlsx")
  5. print(geo_data)
  6. # 0     深圳
  7. # 1     深圳
  8. # 2     深圳
  9. # 3     深圳
  10. # 4     深圳
  11. # 5     深圳
  12. # 6     深圳
  13. # 7     广州
  14. # 8     广州
  15. # 9     广州
  16.  
  17. words = ','.join(x for x in geo_data['city'] if x != []) #筛选出非空列表值
  18. wc = WordCloud(
  19.     background_color="green", #背景颜色"green"绿色
  20.     max_words=100, #显示最大词数
  21.     font_path='./fonts/simhei.ttf', #显示中文
  22.     min_font_size=5,
  23.     max_font_size=100,
  24.     width=500  #图幅宽度
  25.     )
  26. x = wc.generate(words)
  27. x.to_file('../data/geo_data.png')
  28. 复制代码

[图片上传失败...(image-78330d-1577689175382)]

4 plotly画柱状图和折线图
  1. #柱状图+折线图
  2. import plotly.graph_objects as go
  3. fig = go.Figure()
  4. fig.add_trace(
  5.     go.Scatter(
  6.         x=[0, 1, 2, 3, 4, 5],
  7.         y=[1.5, 1, 1.3, 0.7, 0.8, 0.9]
  8.     ))
  9. fig.add_trace(
  10.     go.Bar(
  11.         x=[0, 1, 2, 3, 4, 5],
  12.         y=[2, 0.5, 0.7, -1.2, 0.3, 0.4]
  13.     ))
  14. fig.show()
  15.
5 seaborn热力图
  1. # 导入库
  2. import seaborn as sns
  3. import pandas as pd
  4. import numpy as np
  5. import matplotlib.pyplot as plt
  6.  
  7. # 生成数据集
  8. data = np.random.random((6,6))
  9. np.fill_diagonal(data,np.ones(6))
  10. features = ["prop1","prop2","prop3","prop4","prop5", "prop6"]
  11. data = pd.DataFrame(data, index = features, columns=features)
  12. print(data)
  13. # 绘制热力图
  14. heatmap_plot = sns.heatmap(data, center=0, cmap='gist_rainbow')
  15. plt.show()
  16.
 
6 matplotlib折线图

模块名称：example_utils.py，里面包括三个函数，各自功能如下：

  1. import matplotlib.pyplot as plt
  2.  
  3. # 创建画图fig和axes
  4. def setup_axes():
  5.     fig, axes = plt.subplots(ncols=3, figsize=(6.5,3))
  6.     for ax in fig.axes:
  7.         ax.set(xticks=[], yticks=[])
  8.     fig.subplots_adjust(wspace=0, left=0, right=0.93)
  9.     return fig, axes
  10. # 图片标题
  11. def title(fig, text, y=0.9):
  12.     fig.suptitle(text, size=14, y=y, weight='semibold', x=0.98, ha='right',
  13.                  bbox=dict(boxstyle='round', fc='floralwhite', ec='#8B7E66',
  14.                            lw=2))
  15. # 为数据添加文本注释
  16. def label(ax, text, y=0):
  17.     ax.annotate(text, xy=(0.5, 0.00), xycoords='axes fraction', ha='center',
  18.                 style='italic',
  19.                 bbox=dict(boxstyle='round', facecolor='floralwhite',
  20.                           ec='#8B7E66'))
  21.
  
  1. import numpy as np
  2. import matplotlib.pyplot as plt
  3.  
  4. import example_utils
  5.  
  6. x = np.linspace(0, 10, 100)
  7.  
  8. fig, axes = example_utils.setup_axes()
  9. for ax in axes:
  10.     ax.margins(y=0.10)
  11.  
  12. # 子图1 默认plot多条线，颜色系统分配
  13. for i in range(1, 6):
  14.     axes[0].plot(x, i * x)
  15.  
  16. # 子图2 展示线的不同linestyle
  17. for i, ls in enumerate(['-', '--', ':', '-.']):
  18.     axes[1].plot(x, np.cos(x) + i, linestyle=ls)
  19.  
  20. # 子图3 展示线的不同linestyle和marker
  21. for i, (ls, mk) in enumerate(zip(['', '-', ':'], ['o', '^', 's'])):
  22.     axes[2].plot(x, np.cos(x) + i * x, linestyle=ls, marker=mk, markevery=10)
  23.  
  24. # 设置标题
  25. # example_utils.title(fig, '"ax.plot(x, y, ...)": Lines and/or markers', y=0.95)
  26. # 保存图片
  27. fig.savefig('plot_example.png', facecolor='none')
  28. # 展示图片
  29. plt.show()
  30. 复制代码
7 matplotlib散点图

对应代码：

  1. """
  2. 散点图的基本用法
  3. """
  4. import numpy as np
  5. import matplotlib.pyplot as plt
  6.  
  7. import example_utils
  8.  
  9. # 随机生成数据
  10. np.random.seed(1874)
  11. x, y, z = np.random.normal(0, 1, (3, 100))
  12. t = np.arctan2(y, x)
  13. size = 50 * np.cos(2 * t)**2 + 10
  14.  
  15. fig, axes = example_utils.setup_axes()
  16.  
  17. # 子图1
  18. axes[0].scatter(x, y, marker='o',  color='darkblue', facecolor='white', s=80)
  19. example_utils.label(axes[0], 'scatter(x, y)')
  20.  
  21. # 子图2
  22. axes[1].scatter(x, y, marker='s', color='darkblue', s=size)
  23. example_utils.label(axes[1], 'scatter(x, y, s)')
  24.  
  25. # 子图3
  26. axes[2].scatter(x, y, s=size, c=z,  cmap='gist_ncar')
  27. example_utils.label(axes[2], 'scatter(x, y, s, c)')
  28.  
  29. # example_utils.title(fig, '"ax.scatter(...)": Colored/scaled markers',
  30. #                     y=0.95)
  31. fig.savefig('scatter_example.png', facecolor='none')
  32.  
  33. plt.show()
  34.
8 matplotlib柱状图
 

对应代码：

  1. import numpy as np
  2. import matplotlib.pyplot as plt
  3.  
  4. import example_utils
  5.  
  6.  
  7. def main():
  8.     fig, axes = example_utils.setup_axes()
  9.  
  10.     basic_bar(axes[0])
  11.     tornado(axes[1])
  12.     general(axes[2])
  13.  
  14.     # example_utils.title(fig, '"ax.bar(...)": Plot rectangles')
  15.     fig.savefig('bar_example.png', facecolor='none')
  16.     plt.show()
  17.  
  18. # 子图1
  19. def basic_bar(ax):
  20.     y = [1, 3, 4, 5.5, 3, 2]
  21.     err = [0.2, 1, 2.5, 1, 1, 0.5]
  22.     x = np.arange(len(y))
  23.     ax.bar(x, y, yerr=err, color='lightblue', ecolor='black')
  24.     ax.margins(0.05)
  25.     ax.set_ylim(bottom=0)
  26.     example_utils.label(ax, 'bar(x, y, yerr=e)')
  27.  
  28. # 子图2
  29. def tornado(ax):
  30.     y = np.arange(8)
  31.     x1 = y + np.random.random(8) + 1
  32.     x2 = y + 3 * np.random.random(8) + 1
  33.     ax.barh(y, x1, color='lightblue')
  34.     ax.barh(y, -x2, color='salmon')
  35.     ax.margins(0.15)
  36.     example_utils.label(ax, 'barh(x, y)')
  37.  
  38. # 子图3
  39. def general(ax):
  40.     num = 10
  41.     left = np.random.randint(0, 10, num)
  42.     bottom = np.random.randint(0, 10, num)
  43.     width = np.random.random(num) + 0.5
  44.     height = np.random.random(num) + 0.5
  45.     ax.bar(left, height, width, bottom, color='salmon')
  46.     ax.margins(0.15)
  47.     example_utils.label(ax, 'bar(l, h, w, b)')
  48.  
  49.  
  50. main()
  51.
9 matplotlib等高线图

对应代码：

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  3. from matplotlib.cbook import get_sample_data
  4.  
  5. import example_utils
  6.  
  7. z = np.load(get_sample_data('bivariate_normal.npy'))
  8.  
  9. fig, axes = example_utils.setup_axes()
  10.  
  11. axes[0].contour(z, cmap='gist_earth')
  12. example_utils.label(axes[0], 'contour')
  13.  
  14. axes[1].contourf(z, cmap='gist_earth')
  15. example_utils.label(axes[1], 'contourf')
  16.  
  17. axes[2].contourf(z, cmap='gist_earth')
  18. cont = axes[2].contour(z, colors='black')
  19. axes[2].clabel(cont, fontsize=6)
  20. example_utils.label(axes[2], 'contourf + contour\n + clabel')
  21.  
  22. # example_utils.title(fig, '"contour, contourf, clabel": Contour/label 2D data',
  23. #                     y=0.96)
  24. fig.savefig('contour_example.png', facecolor='none')
  25.  
  26. plt.show()
  27.
10 imshow图
 

对应代码：

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  3. from matplotlib.cbook import get_sample_data
  4. from mpl_toolkits import axes_grid1
  5.  
  6. import example_utils
  7.  
  8.  
  9. def main():
  10.     fig, axes = setup_axes()
  11.     plot(axes, *load_data())
  12.     # example_utils.title(fig, '"ax.imshow(data, ...)": Colormapped or RGB arrays')
  13.     fig.savefig('imshow_example.png', facecolor='none')
  14.     plt.show()
  15.  
  16.  
  17. def plot(axes, img_data, scalar_data, ny):
  18.  
  19.     # 默认线性插值
  20.     axes[0].imshow(scalar_data, cmap='gist_earth', extent=[0, ny, ny, 0])
  21.  
  22.     # 最近邻插值
  23.     axes[1].imshow(scalar_data, cmap='gist_earth', interpolation='nearest',
  24.                    extent=[0, ny, ny, 0])
  25.  
  26.     # 展示RGB/RGBA数据
  27.     axes[2].imshow(img_data)
  28.  
  29.  
  30. def load_data():
  31.     img_data = plt.imread(get_sample_data('5.png'))
  32.     ny, nx, nbands = img_data.shape
  33.     scalar_data = np.load(get_sample_data('bivariate_normal.npy'))
  34.     return img_data, scalar_data, ny
  35.  
  36.  
  37. def setup_axes():
  38.     fig = plt.figure(figsize=(6, 3))
  39.     axes = axes_grid1.ImageGrid(fig, [0, 0, .93, 1], (1, 3), axes_pad=0)
  40.  
  41.     for ax in axes:
  42.         ax.set(xticks=[], yticks=[])
  43.     return fig, axes
  44.  
  45.  
  46. main()
  47. 复制代码
11 pyecharts绘制仪表盘

使用pip install pyecharts 安装，版本为 v1.6，pyecharts绘制仪表盘，只需要几行代码：

  1. from pyecharts import charts
  2.  
  3. # 仪表盘
  4. gauge = charts.Gauge()
  5. gauge.add('Python小例子', [('Python机器学习', 30), ('Python基础', 70.),
  6.                         ('Python正则', 90)])
  7. gauge.render(path="./data/仪表盘.html")
  8. print('ok')
  9.

仪表盘中共展示三项，每项的比例为30%,70%,90%，如下图默认名称显示第一项：Python机器学习，完成比例为30%

 
12 pyecharts漏斗图
  1. from pyecharts import options as opts
  2. from pyecharts.charts import Funnel, Page
  3. from random import randint
  4.  
  5. def funnel_base() -> Funnel:
  6.   c = (
  7.     Funnel()
  8.     .add("豪车", [list(z) for z in zip(['宝马', '法拉利', '奔驰', '奥迪', '大众', '丰田', '特斯拉'],
  9.                  [randint(1, 20) for _ in range(7)])])
  10.     .set_global_opts(title_opts=opts.TitleOpts(title="豪车漏斗图"))
  11.   )
  12.   return c
  13. funnel_base().render('./img/car_fnnel.html')
  14. 复制代码

以7种车型及某个属性值绘制的漏斗图，属性值大越靠近漏斗的大端。

 
13 pyecharts日历图
  1. import datetime
  2. import random
  3. from pyecharts import options as opts
  4. from pyecharts.charts import Calendar
  5.  
  6. def calendar_interval_1() -> Calendar:
  7.     begin = datetime.date(2019, 1, 1)
  8.     end = datetime.date(2019, 12, 27)
  9.     data = [
  10.         [str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]
  11.         for i in range(0, (end - begin).days + 1, 2)  # 隔天统计
  12.     ]
  13.     calendar = (
  14.       Calendar(init_opts=opts.InitOpts(width="1200px")).add(
  15.             "", data, calendar_opts=opts.CalendarOpts(range_="2019"))
  16.         .set_global_opts(
  17.             title_opts=opts.TitleOpts(title="Calendar-2019年步数统计"),
  18.             visualmap_opts=opts.VisualMapOpts(
  19.                 max_=25000,
  20.                 min_=1000,
  21.                 orient="horizontal",
  22.                 is_piecewise=True,
  23.                 pos_top="230px",
  24.                 pos_left="100px",
  25.             ),
  26.         )
  27.     )
  28.     return calendar
  29.  
  30. calendar_interval_1().render('./img/calendar.html')
  31. 复制代码

绘制2019年1月1日到12月27日的步行数，官方给出的图形宽度900px不够，只能显示到9月份，本例使用opts.InitOpts(width="1200px")做出微调，并且visualmap显示所有步数，每隔一天显示一次：

 
14 pyecharts绘制graph图
  1. import json
  2. import os
  3. from pyecharts import options as opts
  4. from pyecharts.charts import Graph, Page
  5.  
  6. def graph_base() -> Graph:
  7.     nodes = [
  8.         {"name": "cus1", "symbolSize": 10},
  9.         {"name": "cus2", "symbolSize": 30},
  10.         {"name": "cus3", "symbolSize": 20}
  11.     ]
  12.     links = []
  13.     for i in nodes:
  14.         if i.get('name') == 'cus1':
  15.             continue
  16.         for j in nodes:
  17.             if j.get('name') == 'cus1':
  18.                 continue
  19.             links.append({"source": i.get("name"), "target": j.get("name")})
  20.     c = (
  21.         Graph()
  22.         .add("", nodes, links, repulsion=8000)
  23.         .set_global_opts(title_opts=opts.TitleOpts(title="customer-influence"))
  24.     )
  25.     return c
  26.

构建图，其中客户点1与其他两个客户都没有关系(link)，也就是不存在有效边：

 
15 pyecharts水球图
  1. from pyecharts import options as opts
  2. from pyecharts.charts import Liquid, Page
  3. from pyecharts.globals import SymbolType
  4.  
  5. def liquid() -> Liquid:
  6.     c = (
  7.         Liquid()
  8.         .add("lq", [0.67, 0.30, 0.15])
  9.         .set_global_opts(title_opts=opts.TitleOpts(title="Liquid"))
  10.     )
  11.     return c
  12.  
  13. liquid().render('./img/liquid.html')
  14.

水球图的取值[0.67, 0.30, 0.15]表示下图中的三个波浪线，一般代表三个百分比:

 
16 pyecharts饼图
  1. from pyecharts import options as opts
  2. from pyecharts.charts import Pie
  3. from random import randint
  4.  
  5. def pie_base() -> Pie:
  6.     c = (
  7.         Pie()
  8.         .add("", [list(z) for z in zip(['宝马', '法拉利', '奔驰', '奥迪', '大众', '丰田', '特斯拉'],
  9.                                        [randint(1, 20) for _ in range(7)])])
  10.         .set_global_opts(title_opts=opts.TitleOpts(title="Pie-基本示例"))
  11.         .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
  12.     )
  13.     return c
  14.  
  15. pie_base().render('./img/pie_pyecharts.html')
 
17 pyecharts极坐标图
  1. import random
  2. from pyecharts import options as opts
  3. from pyecharts.charts import Page, Polar
  4.  
  5. def polar_scatter0() -> Polar:
  6.     data = [(alpha, random.randint(1, 100)) for alpha in range(101)] # r = random.randint(1, 100)
  7.     print(data)
  8.     c = (
  9.         Polar()
  10.         .add("", data, type_="bar", label_opts=opts.LabelOpts(is_show=False))
  11.         .set_global_opts(title_opts=opts.TitleOpts(title="Polar"))
  12.     )
  13.     return c
  14.  
  15. polar_scatter0().render('./img/polar.html')
  16.

极坐标表示为(夹角,半径)，如(6,94)表示夹角为6，半径94的点：

 
18 pyecharts词云图
  1. from pyecharts import options as opts
  2. from pyecharts.charts import Page, WordCloud
  3. from pyecharts.globals import SymbolType
  4.  
  5. words = [
  6.     ("Python", 100),
  7.     ("C++", 80),
  8.     ("Java", 95),
  9.     ("R", 50),
  10.     ("JavaScript", 79),
  11.     ("C", 65)
  12. ]
  13.  
  14. def wordcloud() -> WordCloud:
  15.     c = (
  16.         WordCloud()
  17.         # word_size_range: 单词字体大小范围
  18.         .add("", words, word_size_range=[20, 100], shape='cardioid')
  19.         .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud"))
  20.     )
  21.     return c
  22.  
  23. wordcloud().render('./img/wordcloud.html')
  24.

("C",65)表示在本次统计中C语言出现65次

19 pyecharts系列柱状图
  1. from pyecharts import options as opts
  2. from pyecharts.charts import Bar
  3. from random import randint
  4.  
  5. def bar_series() -> Bar:
  6.     c = (
  7.         Bar()
  8.         .add_xaxis(['宝马', '法拉利', '奔驰', '奥迪', '大众', '丰田', '特斯拉'])
  9.         .add_yaxis("销量", [randint(1, 20) for _ in range(7)])
  10.         .add_yaxis("产量", [randint(1, 20) for _ in range(7)])
  11.         .set_global_opts(title_opts=opts.TitleOpts(title="Bar的主标题", subtitle="Bar的副标题"))
  12.     )
  13.     return c
  14.  
  15. bar_series().render('./img/bar_series.html')
  16. 复制代码
20 pyecharts热力图
  1. import random
  2. from pyecharts import options as opts
  3. from pyecharts.charts import HeatMap
  4.  
  5. def heatmap_car() -> HeatMap:
  6.     x = ['宝马', '法拉利', '奔驰', '奥迪', '大众', '丰田', '特斯拉']
  7.     y = ['中国','日本','南非','澳大利亚','阿根廷','阿尔及利亚','法国','意大利','加拿大']
  8.     value = [[i, j, random.randint(0, 100)]
  9.              for i in range(len(x)) for j in range(len(y))]
  10.     c = (
  11.         HeatMap()
  12.         .add_xaxis(x)
  13.         .add_yaxis("销量", y, value)
  14.         .set_global_opts(
  15.             title_opts=opts.TitleOpts(title="HeatMap"),
  16.             visualmap_opts=opts.VisualMapOpts(),
  17.         )
  18.     )
  19.     return c
  20.  
  21. heatmap_car().render('./img/heatmap_pyecharts.html')
  22.

热力图描述的实际是三维关系，x轴表示车型，y轴表示国家，每个色块的颜色值代表销量，颜色刻度尺显示在左下角，颜色越红表示销量越大。

文章知识点与官方知识档案匹配，可进一步学习相关知识
Python入门技能树人工智能机器学习工具包Scikit-learn441240 人正在系统学习中
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/994235
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号