美赛开赛在即，可能你已经准备好建模、写作以及代码，但是可能还没准备好论文中的配色，在好看的图尤为重要的美赛中，好的图片会给论文锦上添花。那么小编今天跟大家分享一篇如何使用python画出干净、漂亮的绘图技巧，帮助同学们突出重围，获得评审老师的青睐！
一、2D绘图
1.折线图
import matplotlib.pyplot as plt
#上一行代码也可替换为 import pylab as plt
x = [1,2,3] #各个点的横纵坐标
y = [5,7,4]
x2 = [1,2,3]
y2 = [10,14,12]
plt.plot(x, y, label='First Line') #对应的哪几个参数是一条直线
plt.plot(x2, y2, label='Second Line') #label=' '对应的直线名为什么
plt.xlabel('Plot Number') #xlabel 横坐标的含义，ylabel同理
plt.ylabel('Important var')
plt.grid(linestyle = "--") #设置背景网格线为虚线
plt.title('Interesting Graph\nCheck it out') #表格标题
plt.legend() #生成默认图例
plt.show() #生成图像
2.条形图
import pylab as plt
plt.bar([1,3,5,7,9],[5,2,7,8,2], label="Example one",color='navy') #生成的数据，标签名，颜色
plt.bar([2,4,6,8,10],[8,6,2,5,6], label="Example two", color='g')
plt.legend() #生成图例
plt.xlabel('bar number') #生成坐标标签
plt.ylabel('bar height')
plt.title('Epic Graph\nAnother Line! Whoa') #生成表格标题
plt.show()
你可以在任何类型的绘图中使用颜色，例如g为绿色，b为蓝色，r为红色，等等。具体颜色代码请见附录
3.直方图
import matplotlib.pyplot as plt
plt.rc('font', family='Simhei') #涉及到中文图示，需要加上此句
population_ages = [22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]
#每个点的数值
bins = [0,10,20,30,40,50,60,70,80,90,100,110,120,130] #对应的横坐标间距
plt.hist(population_ages, bins, histtype='bar', rwidth=0.8) #直方图矩形宽度设置
plt.xlabel('x')
plt.ylabel('y')
plt.title('图像标题名')
plt.legend() #生成图示
plt.show()
4.散点图
import pylab as plt
x = [1,2,3,4,5,6,7,8]
y = [5,2,4,2,1,4,5,2] #x和y对应多个点的坐标
plt.scatter(x,y, label='skitscat', color='b', s=25, marker="o") #label标签名，color散点颜色，s表示点的大小（数值越大，点越大）
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\nCheck it out')
plt.legend()
plt.show()
5.饼状图
import matplotlib.pyplot as plt
import matplotlib.pyplot as plt
plt.rc('font', family='Simhei')
slices = [7,2,2,13] #各个图形占总体的比重,例如 7/(7+2+2+13)=29.2%
activities = ['sleeping','eating','working','playing'] #各个扇形标签
cols = ['c','m','r','b'] #图像颜色
plt.pie(slices,
labels=activities,
colors=cols,
startangle=90,
shadow= True,
explode=(0,0.1,0,0),
autopct='%1.1f%%')
plt.title('图像标题')
plt.show()
在plt.pie中：
首先我们需要指定『切片』，这是每个部分的相对大小。
然后，我们指定相应切片的颜色列表。
接下来，我们可以选择指定图形的『起始角度』。这使你可以在任何地方开始绘图。在我们的例子中，我们为饼图选择了 90 度角，这意味着第一个部分是一个竖直线条。
接下来，我们可以选择给绘图添加一个字符大小的阴影，然后我们甚至可以使用explode拉出一个切片。
我们总共有四个切片，所以对于explode，如果我们不想拉出任何切片，我们传入0,0,0,0。如果我们想要拉出第一个切片，我们传入0.1,0,0,0。数值越大，这个切片被拉出的距离就越大。
explode=(0,0.1,0,0),
6.堆积条形图
import matplotlib.pyplot as plt
通过使用 plt.bar() 函数中的可选参数，可以绘制堆积条形图，plt.bar() 函数的可选参数 bottom 允许指定条形图的起始值。
import matplotlib.pyplot as plt
y_1 = [3., 25., 45., 22.]
y_2 = [6., 25., 50., 25.]
x = range(4)
plt.bar(x, y_1, color = 'b')
plt.bar(x, y_2, color = 'r', bottom = y_1)
plt.show()
可以结合 for 循环，利用延迟呈现机制可以堆叠更多的条形：
import numpy as np
import matplotlib.pyplot as plt
data = np.array([[5., 30., 45., 22.], [5., 25., 50., 20.], [1., 2., 1., 1.]])
x = np.arange(data.shape[1])
for i in range(data.shape[0]):
plt.bar(x, data[i], bottom = np.sum(data[:i], axis = 0))
plt.show()
7.对称条形图
import matplotlib.pyplot as plt
例如，当我们想要绘制不同年龄段的男性与女性数量的对比时，一个简单且有用的技巧是对称绘制两个条形图：
import numpy as np
import matplotlib.pyplot as plt
w_pop = np.array([5., 30., 45., 22.])
m_pop = np.array( [5., 25., 50., 20.])
x = np.arange(4)
plt.barh(x, w_pop)
plt.barh(x, -m_pop)
plt.show()
图中女性人口的条形图照常绘制。然而，男性人口的条形图的条形图的条形图向左延伸，而不是向右延伸。可以使用数据的负值来快速实现对称条形图的绘制。
二、3D绘图
1.3D散点图
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
from matplotlib import style
style.use('ggplot')
fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')
x = [1,2,3,4,5,6,7,8,9,10]
y = [5,6,7,8,2,5,6,3,7,2]
z = [1,2,6,3,2,7,3,3,7,2]
x2 = [-1,-2,-3,-4,-5,-6,-7,-8,-9,-10]
y2 = [-5,-6,-7,-8,-2,-5,-6,-3,-7,-2]
z2 = [1,2,6,3,2,7,3,3,7,2]
ax1.scatter(x, y, z, c='g', marker='o')
ax1.scatter(x2, y2, z2, c ='r', marker='o')
ax1.set_xlabel('x axis')
ax1.set_ylabel('y axis')
ax1.set_zlabel('z axis')
plt.show()
2.3D条形图
import matplotlib.pyplot as plt
对于条形图，你需要拥有条形的起点，条形的高度和宽度。但对于 3D 条形图，你还有另一个选项，就是条形的深度。大多数情况下，条形图从轴上的条形平面开始，但是你也可以通过打破此约束来添加另一个维度。
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import style
style.use('ggplot')
fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')
x3 = [1,2,3,4,5,6,7,8,9,10]
y3 = [5,6,7,8,2,5,6,3,7,2]
z3 = np.zeros(10)
dx = np.ones(10)
dy = np.ones(10)
dz = [1,2,3,4,5,6,7,8,9,10]
ax1.bar3d(x3, y3, z3, dx, dy, dz)
ax1.set_xlabel('x axis')
ax1.set_ylabel('y axis')
ax1.set_zlabel('z axis')
plt.show()
注意这里，我们必须定义x、y和z，然后是 3 个维度的宽度、高度和深度。
附件：
import matplotlib.pyplot as plt
颜色表color=' '
图标marker=" "
固定代码模板
import matplotlib.pyplot as plt
绘图时加上：
import pandas as pd
import pylab as plt
import numpy as np
更改图片字体大小时加上：
plt.rc('font',family='Simhei')
图片注释出现汉字时，需要加上:
plt.rc('font',family='Simhei')
生成等长标注的图表：
plt.axis("equal")
为横纵坐标生成标签：
plt.xlabel('横坐标标签名')
plt.ylabel('纵坐标标签名')
X轴范围
plt.xlim((2000,2010)) # X轴的起点和终点
Y轴范围
plt.ylim(6e9,7e9) # Y轴的起点和终点
为生成的图表添加表头：
plt.title(“标题名”)
网格线
plt.grid(axis='y') # axis: 'both','x','y'
生成三维图像（空白画板）
import pylab as plt
axes=plt.axes(projection='3d')
plt.show()
文章来源：CSDN 牛哥带你学代码
距离2023年美赛报名倒计时仅剩15天！
保研加分、综测评奖
【截止到北京时间15:00，当前2023美赛报名接近13400支队伍通过数模乐园美赛报名队伍已经全部处理完下发至队长邮箱，各参赛队伍及时登录队长邮箱查收报名成功相关文件并登录官网核对参赛信息，报名人数持续增长，提前报名提前充分备赛。
由于报名参加美赛的同学不具备Visa或国际支付方式，以及缺乏一定的参赛经验，为了更好的提升参赛者的获奖率，数模乐园继续推出2023年美赛辅助报名及证书打印并邮寄的服务。2022年通过数模乐园辅助报名中，4支队伍斩获2021 Outstanding Winner奖（其中一支获得SIAM Award冠名奖；另外3支获得Outstanding Winner奖），O奖获奖率同比增长50%，整体参赛获奖率达99.3%，2021年助力1支队伍获得1万美元奖学金。数模乐园已累计为10万多人以上同学完成了美赛辅助报名服务！已成为国内最大的美赛辅助报名平台！
竞赛报名
或复制下方报名官网进行报名：http://www.nmmcm.org.cn/match_detail/23
进群领取历年美赛真题及培训资料，进群备注：学校+专业
通过数模乐园报名完成后，数模乐园会在工作时间内将报名成功的邮件发送至参赛队伍的队长邮箱里，（和你报名时间顺序有关系，报名日期越早，收到的邮件就越早，所以很多同学一开始没有很强的备赛意识，表示不是很急，结果报名的比较晚，但是还特别想快速的收到报名成功的邮件，这里要告诫一下这类同学，越到最后，报名的队伍就越多，所以为了避免造成报名拥堵及邮件接收延迟问题，强烈建议同学们需要提前完成报名工作，每年这类问题经常会有发生）邮件中包含2023年美赛参赛指南、数模乐园赠送的备赛大礼包以及518密训课程等内容。
热门跟贴