【matplotlib基础】--几何图形

matplotlib,基础,几何图形 · 浏览次数 : 175

小编点评

** matplotlib 中绘制各种几何图形** matplotlib 包含许多用于绘制各种几何图形的对象的类,包括 `Rectangle`、`Polygon`、`Circle`、`Ellipse`、`Arc` 和 `Wedge`。以下是绘制一些常见图形的示例代码: ** 1. 多边形** ```python import matplotlib.pyplot as plt import matplotlib.patches as mptchfig = plt.figure(figsize=[6, 6])ax = fig.add_subplot(111) r1 = mptch.Rectangle(xy=(0.2, 0.3), height=0.5, width=0.7, color="lightblue") r2 = mptch.Rectangle(xy=(0.4, 0.6), height=0.3, width=0.2, angle=60, color="lightgreen") ax.add_patch(r1)ax.add_patch(r2) plt.show() ``` ** 2. 圆形** ```python import matplotlib.pyplot as plt import matplotlib.patches as mptch fig, ax = plt.subplots(1, 1, figsize=(6, 6)) a = mptch.Arc(xy=(0.4, 0.7), width=0.5, height=0.5, angle=270, theta1=0, theta2=120, linewidth=10, color="lightblue") ax.add_patch(a) plt.show() ``` ** 3. 圆弧** ```python import matplotlib.pyplot as plt import matplotlib.patches as mptch fig, ax = plt.subplots(1, 1, figsize=(6, 6)) x, y, dx, dy = 0.1, 0.2, 0.2, 0.2 a = mptch.Arrow(x=x, y=y, dx=dx, dy=dy, width=0.2, color="lightblue") ax.add_patch(a) plt.show() ``` ** 4.箭头** ```python import matplotlib.pyplot as plt import matplotlib.patches as mptch fig, ax = plt.subplots(1, 1, figsize=(6, 6)) x, y, dx, dy = 0.1, 0.2, 0.2, 0.2 a = mptch.Arrow(x=x, y=y, dx=dx, dy=dy, width=0.4, color="lightgreen") ax.add_patch(a) plt.show() ``` ** 5. 几何图形总结** ```python import matplotlib.pyplot as plt # 设置图尺寸 fig, ax = plt.subplots(1, 1, figsize=(6, 6)) # 绘制多边形 r1 = mptch.Rectangle(xy=(0.2, 0.3), height=0.5, width=0.7, color="lightblue") r2 = mptch.Rectangle(xy=(0.4, 0.6), height=0.3, width=0.2, angle=60, color="lightgreen") ax.add_patch(r1)ax.add_patch(r2) # 绘制圆形 a = mptch.Arc(xy=(0.4, 0.7), width=0.5, height=0.5, angle=270, theta1=0, theta2=120, linewidth=10, color="lightblue") ax.add_patch(a) # 绘制圆弧 x, y, dx, dy = 0.1, 0.2, 0.2, 0.2 a = mptch.Arrow(x=x, y=y, dx=dx, dy=dy, width=0.2, color="lightblue") ax.add_patch(a) # 绘制箭头 x, y, dx, dy = 0.1, 0.2, 0.2, 0.2 a = mptch.Arrow(x=x, y=y, dx=dx, dy=dy, width=0.4, color="lightgreen") ax.add_patch(a) # 显示图 plt.show() ```

正文

除了绘制各类分析图形(比如柱状图,折线图,饼图等等)以外,matplotlib 也可以在画布上任意绘制各类几何图形。
这对于计算机图形学、几何算法和计算机辅助设计等领域非常重要。

matplitlib 中的 patches 类提供了丰富的几何对象,
本篇抛砖引玉,介绍其中几种常用的几何图形绘制方法。

其实matplitlib封装的各种现成的图形对象(柱状图,折线图,饼图等等)本质也是基于 patches 来绘制的。

1. 多边形类

多边形可以用在地理信息图表中,用来表示地理区域的边界或地理要素的形状;
也可以用来展示数据的分布区域或边界,比如用在散点图中。

几种常用的多边形绘制方式如下:

1.1. 矩形

绘制矩形用Rectangle对象。

import matplotlib.pyplot as plt
import matplotlib.patches as mptch

fig = plt.figure(figsize=[6, 6])
ax = fig.add_subplot(111)

r1 = mptch.Rectangle(xy=(0.2, 0.3), 
                     height=0.5,
                     width=0.7,
                     color="lightblue")
r2 = mptch.Rectangle(xy=(0.4, 0.6),
                     height=0.3,
                     width=0.2,
                     angle=60,
                     color="lightgreen")

ax.add_patch(r1)
ax.add_patch(r2)
plt.show()

Rectangle对象的主要参数

  1. xy:矩形的起始点,也就是左下角的点
  2. height:矩形的高
  3. width:矩形的宽,高和宽设置一样就是正方形
  4. angle:沿着起始点,逆时针旋转的角度
  5. color:矩形的颜色,默认蓝色

代码运行效果
image.png

1.2. 任意多边形

任意多边形比较简单,给Polygon对象传入多边形的各个顶点即可。

fig = plt.figure(figsize=[6, 6])
ax = fig.add_subplot(111)

#三角形
p1 = mptch.Polygon(xy=[(0.1, 0.1), (0.4, 0.1), (0.3, 0.6)], 
                   color='lightblue')
#四边形
p2 = mptch.Polygon(xy=[(0.5, 0.5), (0.9, 0.5),  (0.9, 0.1), (0.6, 0.2)], 
                   color='lightgreen')
ax.add_patch(p1)
ax.add_patch(p2)

plt.show()

Polygon对象的主要参数

  1. xy:多边形各个顶点的列表
  2. color:多边形的颜色,默认蓝色

代码运行效果
image.png

1.3. 正多边形

虽然用Polygon对象也可以绘制正多边形,但是需要计算各个顶点的坐标位置,很麻烦。
matplotlib提供了专门绘制正多边形的对象CirclePolygon

fig = plt.figure(figsize=[6, 6])
ax = fig.add_subplot(111)

p1 = mptch.CirclePolygon(xy=(0.3, 0.3), 
                         radius=0.2, 
                         resolution=6, 
                         color='lightgreen')
p2 = mptch.CirclePolygon(xy=(0.6, 0.6), 
                         radius=0.2, 
                         resolution=8, 
                         color='lightblue')
ax.add_patch(p1)
ax.add_patch(p2)

plt.show()

CirclePolygon对象的主要参数

  1. xy:正多边形的中心点坐标
  2. radius:正多边形的外接圆半径
  3. resolution:正多边形的边数
  4. color:正多边形的颜色,默认蓝色

代码运行效果
image.png

2. 圆形类

圆形类也是使用比较多的形状。

2.1. 圆和椭圆

绘制圆和椭圆分别用CircleEllipse对象。

fig = plt.figure(figsize=[6, 6])
ax = fig.add_subplot(111)

c = mptch.Circle(xy=(0.5, 0.5), 
                 radius=0.4, 
                 color="lightblue")
e = mptch.Ellipse(xy=(0.5, 0.5), 
                  height=0.3, 
                  width=0.4, 
                  color="lightgreen")

ax.add_patch(c)
ax.add_patch(e)
plt.show()

Circle对象的主要参数

  1. xy:圆心坐标
  2. radius:圆的半径
  3. color:圆的颜色,默认蓝色

Ellipse对象的主要参数

  1. xy:椭圆心坐标
  2. height:椭圆的高度
  3. width:椭圆的宽度
  4. color:椭圆的颜色,默认蓝色

**PS. **当椭圆的heightwidth设置一样时,椭圆就是圆了。

代码运行效果
image.png

3. 圆弧和扇形

除了完整的圆,也可以绘制弧形(Arc对象)和扇形(Wedge对象)。

fig = plt.figure(figsize=[6, 6])
ax = fig.add_subplot(111)

#圆弧
a = mptch.Arc(xy=(0.4, 0.7), 
              width=0.5, height=0.5, 
              angle=270, 
              theta1=0, theta2=120, 
              linewidth=10, 
              color="lightblue")

#扇形
w = mptch.Wedge(center=(0.3, 0.5), 
                r=0.2, 
                theta1=30, theta2=330, 
                color="lightgreen")

ax.add_patch(a)
ax.add_patch(w)
plt.show()

Arc对象的主要参数

  1. xy:圆弧的圆心坐标
  2. width:圆弧的宽度
  3. height:圆弧的高度
  4. angle:圆弧朝向的角度,逆时针旋转
  5. theta1:圆弧开始的角度,逆时针旋转
  6. theta2:圆弧结束的角度,逆时针旋转
  7. linewidth:圆弧的粗细
  8. color:圆弧的颜色,默认蓝色

PS. widthheight相等时,圆弧相当于是的一段,不相等时,圆弧相当于是椭圆的一段。
圆弧开始的角度其实就是 angle+theta1,结束的角度是angle+theta2

Wedge对象的主要参数

  1. xy:扇形的圆心坐标
  2. r:扇形的半径
  3. theta1:扇形开始的角度,逆时针旋转
  4. theta2:扇形结束的角度,逆时针旋转
  5. color:扇形的颜色,默认蓝色

代码运行效果:(本来想画个鱼钩钓鱼的抽象效果的,:))
image.png

4. 箭头

箭头也是一种比较常用的图形,可用来标注和指示数据的方向或关联性,比如增长或下降趋势;
还可以用来表示数据流向或关系。

matplotlib中用Arrow对象来绘制箭头。

fig = plt.figure(figsize=[6, 6])
ax = fig.add_subplot(111)

x, y, dx, dy  = 0.1, 0.2, 0.2, 0.2
a1 = mptch.Arrow(x=x, y=y, 
                 dx=dx, dy=dy, 
                 width=0.2, color="lightblue")
a2 = mptch.Arrow(x=x+dx, y=y+dy, 
                 dx=dx, dy=dy, 
                 width=0.4, color="lightgreen")

ax.add_patch(a1)
ax.add_patch(a2)
plt.show()

Arrow对象的主要参数

  1. x:箭头的起点X坐标
  2. y:箭头的起点Y坐标
  3. dx:箭头的终点X坐标偏移起点X坐标的值
  4. dy:箭头的终点Y坐标偏移起点Y坐标的值
  5. width:箭头的宽度
  6. color:箭头的颜色,默认蓝色

PS. 其实就是起点坐标(x, y)终点坐标(x+dx, y+dy)

代码运行效果
image.png

5. 总结

几何图形是matplotlib最基本的能力,复杂花哨的分析图表归根结底都是这些基本的几何图形。

除了本篇介绍的这些,完整的patches可以参考官方文档:https://matplotlib.org/stable/api/patches_api.html

image.png

与【matplotlib基础】--几何图形相似的内容:

【matplotlib基础】--几何图形

除了绘制各类分析图形(比如柱状图,折线图,饼图等等)以外,matplotlib 也可以在画布上任意绘制各类几何图形。这对于计算机图形学、几何算法和计算机辅助设计等领域非常重要。 matplitlib 中的 patches 类提供了丰富的几何对象,本篇抛砖引玉,介绍其中几种常用的几何图形绘制方法。 其

【matplotlib基础】--子图

使用Matplotlib对分析结果可视化时,比较各类分析结果是常见的场景。在这类场景之下,将多个分析结果绘制在一张图上,可以帮助用户方便地组合和分析多个数据集,提高数据可视化的效率和准确性。 本篇介绍Matplotlib绘制子图的常用方式和技巧。 1. 添加子图的方式 添加子图主要有两种方式,一种是

【matplotlib基础】--动画

matplotlib的动画一直是一个强大但使用频率不高的功能,究其原因,一方面展示动画需要一定的媒介,没有图形和文字展示方便;二来大家更关心的是分析结果的最终图表,图表的动态展示则没有那么重要。 不过,随着短视频的兴起,在短视频平台上展示动画变得非常容易,所以,我们发现有越来越多的数据分析动画(比如

【matplotlib基础】--画布

Matplotlib 库是一个用于数据可视化和绘图的 Python 库。它提供了大量的函数和类,可以帮助用户轻松地创建各种类型的图表,包括直方图、箱形图、散点图、饼图、条形图和密度图等。 使用 Matplotlib 的过程中,遇到的难点并不在于绘制各类的图形,因为每种图形都有其对应的API。难点在于

【matplotlib基础】--坐标轴

Matplotlib的坐标轴是用于在绘图中表示数据的位置的工具。 坐标轴是图像中的水平和垂直线,它们通常表示为 x 轴和 y 轴。坐标轴的作用是帮助观察者了解图像中数据的位置和大小,通常标有数字或标签,以指示特定的值在图像中的位置。 1. 坐标轴范围 Matplotlib绘制图形时,会自动根据X,Y

【matplotlib基础】--刻度

Matplotlib中刻度是用于在绘图中表示数据大小的工具。 刻度是坐标轴上的数字或标签,用于指示数据的大小或值,通常以整数或小数表示,具体取决于坐标轴的类型和限制。 1. 主次刻度 默认的绘制时,坐标轴只有默认的主要刻度,如下所示: from matplotlib.ticker import Mu

【matplotlib基础】--图例

Matplotlib 中的图例是帮助观察者理解图像数据的重要工具。图例通常包含在图像中,用于解释不同的颜色、形状、标签和其他元素。 1. 主要参数 当不设置图例的参数时,默认的图例是这样的。 import numpy as np import matplotlib.pyplot as plt x =

【matplotlib基础】--文本标注

Matplotlib 文本和标注可以为数据和图形之间提供额外的信息,帮助观察者更好地理解数据和图形的含义。 文本用于在图形中添加注释或提供更详细的信息,以帮助观察者理解图形的含义。标注则是一种更加细粒度的文本信息,可以被用来为特定的数据点或区域提供更详细的信息。 本篇通过示例依次介绍文本和标注的常用

【matplotlib基础】--绘图配置

Matplotlib 提供了大量配置参数,这些参数可以但不限于让我们从整体上调整通过 Matplotlib 绘制的图形样式,这里面的参数还有很多是功能性的,和其他工具结合时需要用的配置。 通过plt.rcParams,可以查看所有的配置信息: import matplotlib.pyplot as

【matplotlib基础】--样式表

Matplotlib库 由于诞生的比较早,所以其默认的显示样式很难符合现在的审美,这也是它经常为人诟病的地方。 不过,经过版本更迭之后,现在 Matplotlib 已经内置了很多样式表,通过使用不同的样式表,可以整体改变绘制图形的风格,不用再调整一个个显示参数。 1. 样式表的使用 1.1. 所有内