Matplotlib库基础图表函数及引力波的绘制实例

pyplot基本图表函数概述

pyplot饼图的绘制

plt.pie()

lables指的是饼图的标签

sizes指的是对应的尺寸

explode让第二个30%突出0.1

autopct中间显示百分数的方式

shadow=False二维饼图不带阴影

 startangle=90饼图的起始角度

加plt.axis('equal')可以让饼图成为一个正圆形的饼图

labels='Frogs','Hogs','Dogs','Logs'
sizes=[15,30,45,10]
explode=(0,0.1,0,0)
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90)
plt.axis('equal')
plt.show()

pyplot直方图的绘制

plt.hist参数值：
hist的参数非常多，但常用的有以下6个，只有第一个是必须的，后面5个可选

x: 作直方图所要用的数据，必须是一维数组。多维数组可以先进行扁平化再作图

bins: 直方图的柱数，可选项，默认为10

normed: 是否将得到的直方图向量归一化。默认为0

facecolor: 直方图颜色

edgecolor: 直方图边框颜色

alpha: 透明度

histtype: 直方图类型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’

mu,sigma=100,20
a=np.random.normal(mu,sigma,size=100)#均值和方差正态分布
plt.hist(a,40,histtype='bar',facecolor='r',edgecolor='g',alpha=0.75)
plt.title('Histogram')
plt.show()

pyplot极坐标的绘制

这段代码使用Python中的matplotlib库生成一个极坐标条形图。以下是代码的详细解释：

导入matplotlib.pyplot库并将其命名为plt，导入numpy库并将其命名为np。

将n设置为20，这将是绘图中的条形数目。

使用np.linspace()创建一个在0和2π之间均匀分布的长度为n的数组，并将其存储在theta中。

创建一个长度为n的随机值数组，每个值在0和10之间，然后将其乘以10，将其存储在redii中。

创建一个长度为n的随机值数组，每个值在0和π/4之间，然后将其乘以π/4，将其存储在width中。

使用plt.subplot()创建一个极坐标投影的子图，传入参数111和projection='polar'。

通过调用ax.bar()并传入theta、redii、width和bottom参数来创建一个bars对象。

遍历bars中的每个bar，并根据其对应的r值（缩放为10的最大值）从viridis colormap中选择颜色，

并将其alpha设置为0.5。

使用plt.show()显示图形。

总体而言，该代码创建了一个随机的极坐标条形图，其中每个条形的半径和宽度是随机生成的，并

且每个条形的颜色取决于其半径值，使用了一个颜色映射。

import matplotlib.pyplot as plt
import numpy as np
n=20
theta=np.linspace(0.0,2*np.pi,n,endpoint=False)
redii=10*np.random.rand(n)
width=np.pi/4*np.random.rand(n)
ax=plt.subplot(111,projection='polar')
bars=ax.bar(theta,redii,width=width,bottom=0.0)
for r,bar in zip(redii,bars):bar.set_facecolor(plt.cm.viridis(r/10.))bar.set_alpha(0.5)
plt.show()

pyplot散点图的绘制

fig,ax=plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simple Scatter')
plt.show()

1.调用plt.subplots()函数创建一个新的Figure对象和一个包含单个子图的Axes对象，并将它们分别存储在fig和ax变量中。

2.调用np.random.randn(100)函数生成一个长度为100的随机数数组，并将每个值乘以10，得到x坐标的值。

3.调用np.random.randn(100)函数生成另一个长度为100的随机数数组，并将每个值乘以10，得到y坐标的值。

4.调用ax.plot()函数并传入x和y坐标数组，将散点图绘制在坐标轴上。

5.调用ax.set_title()函数并传入字符串'Simple Scatter'，将坐标轴的标题设置为'Simple Scatter'。

6.调用plt.show()函数显示图形。

引力波的绘制

import wave
import numpy as np
import matplotlib.pyplot as pltwith wave.open("H1_Strain.wav", 'rb') as h_wave:rate_h = h_wave.getframerate()h_frames = h_wave.getnframes()h_strain = np.frombuffer(h_wave.readframes(h_frames), dtype=np.int16)with wave.open("L1_Strain.wav", 'rb') as l_wave:rate_l = l_wave.getframerate()l_frames = l_wave.getnframes()l_strain = np.frombuffer(l_wave.readframes(l_frames), dtype=np.int16)reftime, ref_H1 = np.genfromtxt('wf_template.txt').transpose()htime_interval = 1/rate_h
ltime_interval = 1/rate_l
fig = plt.figure(figsize=(12, 6))htime_len = len(h_strain)/rate_h
htime = np.arange(-htime_len/2, htime_len/2, htime_interval)
plth = fig.add_subplot(221)
plth.plot(htime, h_strain, 'y')
plth.set_xlabel('Time (seconds)')
plth.set_ylabel('H1 Strain')
plth.set_title('H1 Strain')ltime_len = len(l_strain)/rate_l
ltime = np.arange(-ltime_len/2, ltime_len/2, ltime_interval)
pltl = fig.add_subplot(222)
pltl.plot(ltime, l_strain, 'g')
pltl.set_xlabel('Time (seconds)')
pltl.set_ylabel('L1 Strain')
pltl.set_title('L1 Strain')pltref = fig.add_subplot(212)
pltref.plot(reftime, ref_H1)
pltref.set_xlabel('Time (seconds)')
pltref.set_ylabel('Template Strain')
pltref.set_title('Template')
fig.tight_layout()plt.savefig("Gravitational_Waves_Original.png")
plt.show()
plt.close(fig)

 引入需要的Python库

import wave
import numpy as np
import matplotlib.pyplot as plt

 其中：

wave: Python自带的读取.wav音频文件的库。
numpy: Python科学计算的基础库，用于处理数值数据。
matplotlib: Python中最流行的绘图库，用于数据可视化。
读取H1_Strain.wav和L1_Strain.wav两个音频文件，获取采样率和采样数据。

with wave.open("H1_Strain.wav", 'rb') as h_wave:rate_h = h_wave.getframerate()h_frames = h_wave.getnframes()h_strain = np.frombuffer(h_wave.readframes(h_frames), dtype=np.int16)with wave.open("L1_Strain.wav", 'rb') as l_wave:rate_l = l_wave.getframerate()l_frames = l_wave.getnframes()l_strain = np.frombuffer(l_wave.readframes(l_frames), dtype=np.int16)

其中：

with ... as ...是Python文件IO操作的常用方式，确保文件读取完成后自动关闭。
getframerate()：获取音频的采样率。
getnframes()：获取音频的采样数据长度。
np.frombuffer()：将读取的二进制数据转换为numpy数组，以便后续的处理和绘图。
读取引力波数据的参考波形数据，并将其转置。

reftime, ref_H1 = np.genfromtxt('wf_template.txt').transpose()

其中：

np.genfromtxt()：从txt文件中读取数据，返回一个numpy数组。
计算时间间隔和时间范围，并在matplotlib中创建画布。
makefile

htime_interval = 1/rate_h
ltime_interval = 1/rate_l
fig = plt.figure(figsize=(12, 6))

其中：

figsize是画布的大小，用于调整图片的宽度和高度。
计算H1和L1的时间序列，用于绘制两个引力波信号的波形图。

htime_len = len(h_strain)/rate_h
htime = np.arange(-htime_len/2, htime_len/2, htime_interval)
plth = fig.add_subplot(221)
plth.plot(htime, h_strain, 'y')
plth.set_xlabel('Time (seconds)')
plth.set_ylabel('H1 Strain')
plth.set_title('H1 Strain')ltime_len = len(l_strain)/rate_l
ltime = np.arange(-ltime_len/2, ltime_len/2, ltime_interval)
pltl = fig.add_subplot(222)
pltl.plot(ltime, l_strain, 'g')
pltl.set_xlabel('Time (seconds)')
pltl.set_ylabel('L1 Strain')
pltl.set_title('L1 Strain')

其中：

len()获取numpy数组的长度，即采样点数。
np.arange()生成等间隔的时间序列，以便绘制