用python编程,使用matplotlib库提供的subplot()函数在同一图中绘制余弦和正弦函数图像

### 使用 Matplotlib 和 Subplot 绘制正弦和余弦函数图像 以下是使用 `matplotlib` 的 `subplot` 方法在同一张图中分别绘制正弦和余弦函数的示例代码: ```python import numpy as np import matplotlib.pyplot as plt # 定义 x 轴的数据范围,从 -π 到 π x = np.linspace(-np.pi, np.pi, 256) # 计算对应的正弦和余弦值 y_sin = np.sin(x) y_cos = np.cos(x) # 创建一个新的图形并设置其大小 plt.figure(figsize=(8, 6)) # 添加第一个子图:正弦函数 plt.subplot(2, 1, 1) # 子图布局为 2 行 1 列,当前为第 1 个子图 plt.plot(x, y_sin, color="blue", linewidth=2.0, linestyle="-", label="Sin(x)") plt.title("Sine Function") # 设置子图标题 plt.grid(True) # 启用网格线 plt.legend(loc='upper left') # 显示图例 # 添加第二个子图:余弦函数 plt.subplot(2, 1, 2) # 子图布局为 2 行 1 列,当前为第 2 个子图 plt.plot(x, y_cos, color="red", linewidth=2.0, linestyle="-", label="Cos(x)") plt.title("Cosine Function") # 设置子图标题 plt.grid(True) # 启用网格线 plt.legend(loc='upper left') # 显示图例 # 调整子图之间的间距 plt.tight_layout() # 展示最终绘图结果 plt.show() ``` #### 解析: - **导入库**:引入了 `numpy` 来生成数值数组以及计算三角函数值;引入了 `matplotlib.pyplot` 进行绘图操作[^1]。 - **定义数据**:利用 `linspace()` 函数创建了一组均匀分布的点作为横轴数据,并基于这些点计算出对应纵轴上的正弦和余弦值[^3]。 - **创建子图**:通过调用 `subplot()` 方法来划分区域,分别为两个独立但共享同一窗口下的子图分配空间。此方法接受三个参数——总行数、列数及当前索引位置[^2]。 - **配置样式与属性**:设置了线条颜色、宽度、风格等视觉效果选项,并启用了辅助阅读功能如网格线和标签说明[^2]。 ---

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

python matplotlib中的subplot函数使用详解

python matplotlib中的subplot函数使用详解

今天小编就为大家分享一篇python matplotlib中的subplot函数使用详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

python使用matplotlib:subplot绘制多个子图的示例

python使用matplotlib:subplot绘制多个子图的示例

数据可视化的时候,常常需要将多个子图放在同一个画板上进行比较,python 的matplotlib包下的subplot可以帮助完成子功能。 part1 绘制如下子图 import matplotlib.pyplot as plt plt.figure(figsize=(6,6), dpi=80) plt.figure(1) ax1 = plt.subplot(221) plt.plot([1,2,3,4],[4,5,7,8], color="r",linestyle = "--") ax2 = plt.subplot(222) plt.plot([1,2,3,5],[2,3,5,7],c

Python绘制正余弦函数图像的方法

Python绘制正余弦函数图像的方法

主要介绍了Python绘制正余弦函数图像的方法,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧

Python使用matplotlib绘制正弦和余弦曲线的方法示例

Python使用matplotlib绘制正弦和余弦曲线的方法示例

主要介绍了Python使用matplotlib绘制正弦和余弦曲线的方法,结合实例形式分析了Python调用matplotlib库进行图形绘制想具体操作技巧,需要的朋友可以参考下

Python使用add_subplot与subplot画子图操作示例

Python使用add_subplot与subplot画子图操作示例

主要介绍了Python使用add_subplot与subplot画子图操作,涉及Python使用matplotlib模块进行图形绘制的相关操作技巧,需要的朋友可以参考下

Python使用matplotlib绘制多个图形单独显示的方法示例

Python使用matplotlib绘制多个图形单独显示的方法示例

主要介绍了Python使用matplotlib绘制多个图形单独显示的方法,结合实例形式分析了matplotlib实现绘制多个图形单独显示的具体操作技巧与注意事项,代码备有较为详尽的注释便于理解,需要的朋友可以参考下

python使用matplotlib绘制热图

python使用matplotlib绘制热图

主要为大家详细介绍了python使用matplotlib绘制热图,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

python matplotlib在一张画布上画多个图的两种方法,plt.subplot(),plt.subplots()。

python matplotlib在一张画布上画多个图的两种方法,plt.subplot(),plt.subplots()。

Matplotlib在一张画布上画多个图的两种方法,plt.subplot,plt.subplots。 目录回顾plt.subplots()画法plt.subplot()画法保存 回顾 之前也用过plt.subplots()在一张图上画过多个图,今天看到用plt.subplot()的画法想着也来实现下,同时也发现了两者之间的优缺点,感觉subplot()更便捷一点。其实两者都是别人写好的库函数,只要理解好库函数的传递参数的参数,合理的将自己传入的参数整理,两者都容易上手的。 这里我用的是jupyter notebook 画的,工具挺多的。 plt.subplots()画法 import mat

python 图像处理画一个正弦函数代码实例

python 图像处理画一个正弦函数代码实例

主要介绍了python 图像处理画一个正弦函数代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

Python matplotlib读取excel数据并用for循环画多个子图subplot操作

Python matplotlib读取excel数据并用for循环画多个子图subplot操作

主要介绍了Python matplotlib读取excel数据并用for循环画多个子图subplot操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

Python笔记之用turtle库绘制三角函数和反三角函数的图像(考研党福利)

Python笔记之用turtle库绘制三角函数和反三角函数的图像(考研党福利)

文章目录前言程序源代码函数图像sin(x)图像arcsin(x)图像cos(x)图像arccos(x)图像tan(x)图像arctan(x)图像cot(x)图像arccot(x)图像sec(x)图像arcsec(x)图像csc(x)图像arccsc(x)图像 前言 最近因为复习高数在网上找三角函数图像,发现大多数都模糊不清,实在是头痛,所以自己学以致用,用Python画出了三角函数图像。希望我的博客可以帮到大家,也祝考研党们早日上岸,考上理想的学校! 想了解代码的详细信息可以去看我的另一篇博客: https://blog.csdn.net/qq_44437695/article/details

Python3使用Matplotlib 绘制精美的数学函数图形

Python3使用Matplotlib 绘制精美的数学函数图形

主要介绍了Python3使用Matplotlib 绘制精美的数学函数图形,非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下

python使用Matplotlib绘制分段函数

python使用Matplotlib绘制分段函数

主要为大家详细介绍了python使用Matplotlib绘制分段函数,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

Python figure参数及subplot子图绘制代码

Python figure参数及subplot子图绘制代码

主要介绍了Python figure参数及subplot子图绘制代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

python基础教程:Python绘制正余弦函数图像的方法

python基础教程:Python绘制正余弦函数图像的方法

今天打算通过绘制正弦和余弦函数,从默认的设置开始,一步一步地调整改进,让它变得好看,变成我们初高中学习过的图象那样。通过这个过程来学习如何进行对图表的一些元素的进行调整。 简单绘图 matplotlib有一套允许定制各种属性的默认设置。你可以几乎控制matplotlib中的每一个默认属性:图像大小,每英寸点数,线宽,色彩和样式,子图(axes),坐标轴和网格属性,文字和字体属性,等等。

python使用matplotlib绘制雷达图

python使用matplotlib绘制雷达图

主要为大家详细介绍了python使用matplotlib绘制雷达图,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

python绘制多个子图的实例

python绘制多个子图的实例

今天小编就为大家分享一篇python绘制多个子图的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

Python使用matplotlib绘制余弦的散点图示例

Python使用matplotlib绘制余弦的散点图示例

本文实例讲述了Python使用matplotlib绘制余弦的散点图。分享给大家供大家参考,具体如下: 一 代码 import numpy as np import pylab as pl a = np.arange(0,2.0*np.pi,0.1) b = np.cos(a) #绘制散点图 pl.scatter(a,b) pl.show() 二 运行结果 三 修改散点符号代码 import numpy as np import pylab as pl a = np.arange(0,2.0*np.pi,0.1) b = np.cos(a) pl.scatter(a,b,marker='

Python使用matplotlib模块绘制图像并设置标题与坐标轴等信息示例

Python使用matplotlib模块绘制图像并设置标题与坐标轴等信息示例

主要介绍了Python使用matplotlib模块绘制图像并设置标题与坐标轴等信息,结合实例形式分析了Python中matplotlib模块进行坐标系图形绘制的相关操作技巧,需要的朋友可以参考下

使用python绘制二元函数图像的实例

使用python绘制二元函数图像的实例

今天小编就为大家分享一篇使用python绘制二元函数图像的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

最新推荐最新推荐

recommend-type

【机械故障诊断】基于周期冲击分段与能量特征提取的压缩机阀片故障识别系统设计 MATLAB 压缩机阀片故障识别|周期冲击分段与能量特征提取

内容概要:通过MATLAB实现压缩机阀片故障识别,采用周期冲击分段与能量特征提取相结合的技术路线。首先对接收的振动信号进行质量控制与预处理,利用包络解调和自相关函数估计主要冲击周期,并通过相位对齐完成周期样本构造。在此基础上,构建包含时域、包络域、频域和非线性能量域的五维紧凑特征,用于表征不同故障状态。最终采用树集成分类模型实现多状态故障的自动识别,并通过分层部署架构支持离线分析与在线监测。整个系统强调机理与数据的深度融合、质量控制与防信息泄漏设计,适用于多种工业场景。 适合人群:具备一定信号处理与机器学习基础知识,从事工业设备状态监测、故障诊断或预测性维护的研发人员和工程师。 使用场景及目标:①实现往复式压缩机阀片从正常到严重损伤的多状态故障精准识别;②在强噪声、工况变化和转速波动环境下提升故障诊断的鲁棒性和准确性;③构建可追溯、可部署、可持续维护的工业级设备健康监测系统,服务于石油化工、天然气输送、制冷与高压气体系统等领域。 阅读建议:此资源提供了完整的MATLAB可执行工程实现,建议结合提供的GUI界面与代码示例,从数据模拟、信号处理、特征提取到模型训练与评估进行全流程实践。重点关注周期分段的物理意义、多域特征的构建逻辑以及模型部署中的防泄漏设计,以深入理解其工程应用价值。
recommend-type

03-01-Accurate Determination of Chip Package Insertion Loss.pdf

03-01-Accurate Determination of Chip Package Insertion Loss.pdf
recommend-type

chrome-headless-shell-mac-x64-160.0.8172.0(Canary).zip

内容概要:Chrome for Testing 官方 chrome-headless-shell 160.0.8172.0 mac-x64 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:macOS Intel 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①无头浏览器内核(Playwright/Puppeteer/Selenium 无界面自动化与爬虫);②服务器/容器离线内置;③版本精准匹配(chromedriver 与 Chrome 需同大版本)。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。
recommend-type

chrome-linux64-159.0.8145.0(Canary).zip

内容概要:Chrome for Testing 官方 chrome 159.0.8145.0 linux64 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:Linux 64 位 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①Chrome for Testing 官方浏览器本体,供自动化测试使用;②与同版本 chromedriver 配套;③CI/容器环境的浏览器运行时。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。
recommend-type

健康社区大数据信息化云平台建设综合解决方案.pptx

健康社区大数据信息化云平台建设综合解决方案.pptx
recommend-type

西南大学2012计信院保研试题:计算机网络解析

"西南大学2012年计信院保研题" 这篇资料涉及的是西南大学计算机与信息科学学院在2012年的保研考试题目,主要考察了计算机网络的相关知识,包括TCP/IP协议簇、网络地址、数据传输机制以及DNS应用协议等核心概念。 1. UDP(User Datagram Protocol,用户数据报协议)与IP协议虽然都是无连接的,但它们服务于不同的层次和目的。UDP提供的是无连接、不可靠的服务,适合于对实时性要求高的应用,如VoIP或在线游戏。而TCP(Transmission Control Protocol,传输控制协议)虽然也是基于IP,但它提供了面向连接、可靠的数据传输服务,确保数据包按序到达且无丢失,适用于HTTP、FTP等需要保证数据完整性的应用。因此,TCP/IP协议簇同时使用UDP是为了满足不同类型应用的需求。 2. MAC地址(Media Access Control Address)是物理网络接口的唯一标识,用于局域网内的数据帧传输。然而,MAC地址仅在局域网内部有效,无法跨网络进行识别。IP地址(Internet Protocol Address)则是全球唯一的网络层地址,使得数据包能够在互联网上正确路由。ARP(Address Resolution Protocol,地址解析协议)用于将IP地址转换为对应的MAC地址,以便在局域网内进行数据传输。 3. TCP实现可靠数据传输服务采用了多种技术,包括: - 序列号和确认应答:每个发送的数据包都有一个唯一的序列号,接收方通过确认应答来确认接收到的数据包,确保数据的有序性。 - 流量控制:通过滑动窗口机制限制发送方的发送速率,避免接收方来不及处理导致拥塞。 - 拥塞控制:当网络出现拥塞时,TCP会减缓数据发送速率,以减少拥塞。 - 重传机制:如果接收方没有收到某个数据包,它会发送负确认,发送方会重新发送丢失的数据包。 - 时间戳:用于计算往返时延并检测旧的数据包。 4. 基于TCP/IP协议的DNS(Domain Name System,域名系统)应用协议实现过程大致如下: - 用户发起DNS查询,请求将域名转换为IP地址。 - 查询通常首先发送到本地DNS解析器,如果解析器缓存中有对应记录,则直接返回结果。 - 若缓存中没有,解析器会向根DNS服务器查询,根服务器会指引到顶级域服务器。 - 顶级域服务器再指向权威DNS服务器,该服务器负责管理特定域名的记录。 - 权威服务器返回IP地址,整个过程使用TCP或UDP完成,TCP用于大数据量的区域传输,UDP用于常规查询。 5. 题目给出的网络拓扑图涉及路由器A、B、C,要求构建路由表。路由表通常包含目的地址和下一跳地址,用于指导数据包的转发。根据网络拓扑,路由器A的路由表可能如下: - 目的地址:192.168.1.0/24,下一跳:S0/0 - 目的地址:192.168.2.0/24,下一跳:S3/0 - 目的地址:192.168.3.0/24,下一跳:S1/0 - 默认路由(所有其他未列出的目的地址):S0/0 同样,需要构建路由器B和C的路由表,考虑它们与其他路由器的连接以及到目标网络的路径。这需要对网络路由原理有深入理解,包括子网掩码、默认路由、静态路由和动态路由协议等知识。
recommend-type

企业级Selenium基础设施设计(一):驱动仓库统一纳管+灰度发布+自动降级——支撑日均200万次自动化执行的工业级架构(附开源组件清单)

# 企业级 Selenium 基础设施:从偶发失败到百万级稳定执行的工程纵深 当 CI 流水线里那句熟悉的 `org.openqa.selenium.TimeoutException: timeout: Timed out receiving message from renderer` 第 17 次在凌晨三点弹出时,你盯着监控面板上那条忽高忽低的“偶发失败率”曲线——12.3%,像一道无法愈合的伤口。本地能跑通的脚本,在流水线里却像被施了诅咒;Chrome 124 刚发布,团队就陷入驱动版本、浏览器内核、glibc 版本三者交织的泥潭;某次灰度升级后,亚太区的回归任务集体超时,发布窗口被迫
recommend-type

数据流模型性能仿真常用工具有哪些?它们各自适合什么场景?

### DataFlow模型性能仿真工具和方法 对于DataFlow模型的性能仿真实验,多种工具和技术可以支持这一过程。这些工具不仅能够帮助理解数据流图的行为特性,还能评估不同优化策略的效果。 #### 工具选择 一种常用的工具是Simulink中的SimEvents扩展模块[^3]。该模块允许创建离散事件系统模型来模拟复杂的生产、通信和服务网络。通过定义实体生成器、队列、服务器和其他组件之间的交互关系,可以构建精确的数据流动态行为表示形式。 另一种专门针对多速率同步数据流程序设计的语言是Ptolemy II框架下的SDF(Synchronous Data Flow)。它提供了图形化界
recommend-type

VS2008编译Wireshark指南

"这篇文档详细介绍了如何在Windows环境下使用Visual Studio 2008 (VS2008) 编译Wireshark源代码。主要步骤包括安装VS2008、Cygwin、Python,下载Wireshark源码,修改config.nmake文件,设置环境变量,以及进行编译。特别强调了某些特定版本的选择和配置,如Wireshark 1.7.0和Python 2.7,以及针对不同VS版本的config.nmake文件的调整。" Wireshark是一款强大的网络封包分析软件,它允许用户查看网络通信的数据包详情。在Windows平台上,使用VS2008编译Wireshark源码可以帮助开发者进行定制化开发或调试。以下是详细的步骤: 1. 安装Visual Studio 2008: 选择适合自己的安装选项,确保包含必要的编译工具。VS2008的编译器将用于构建Wireshark。 2. 安装Cygwin: Cygwin是一个提供Linux环境的工具集合,用于在Windows上运行许多开源工具。在安装Cygwin时,务必选择必要的库,如Archive(解压)、Devel(开发工具,包括bison和flex)、Interpreters(Python)、Utils(patch和dos2unix)和Web(wget),这些是编译Wireshark所必需的。 3. 安装Python 2.7: Wireshark编译过程中会使用Python,因此需要确保安装正确版本。Python 2.4-2.7通常兼容,但其他版本可能存在问题。 4. 下载Wireshark源码: 选择合适的版本,建议使用Wireshark 1.7.0,因为这个版本已知与VS2008和指定的库版本兼容。注意,高版本可能需要Qt 5,需要额外安装。 5. 修改`config.nmake`文件: 在Wireshark源码根目录下找到此文件,用文本编辑器(如Notepad++)打开,取消`MSVC_VARIANT`行的注释,将其设置为`MSVC2008`。同时,确认`WIRESHARK_TARGET_PLATFORM`设置为`win32`,尽管有些教程建议改为`win64`,但在某些情况下可能导致编译错误。 6. 添加环境变量: 根据编译需要,可能需要设置或调整系统的环境变量,包括指向Cygwin、Python和其他工具的路径。 7. 编译Wireshark: 使用VS2008打开Wireshark项目,然后进行编译。如果遇到问题,检查上述步骤是否正确执行,以及所有依赖项是否已安装。 在编译过程中可能会遇到各种错误或警告,这可能需要对源代码或配置文件进行进一步调整。熟悉C++、Cygwin工具链和Wireshark的构建系统将有助于解决这些问题。编译成功后,就可以使用自定义的Wireshark版本来分析网络流量,或进行更深入的开发工作。
recommend-type

Selenium + WSL2深度整合秘籍:Windows下复现Linux级稳定性的7层隔离机制(含systemd user session注入与cgroup v2资源管控实录)

以下是对您提供的技术博文进行深度润色后的最终版本。全文严格遵循您的全部优化要求: - ✅ **完全去除所有显性标题层级**(如“引言”“2.1”“3.2.1”等),代之以自然段落过渡与语义锚点; - ✅ **打破“总—分—总”结构**,以真实工程痛点切入,将原理、代码、验证、归因、运维实践有机交织; - ✅ **彻底消除AI模板痕迹**:无“本文将…”“首先…其次…”“综上所述”等句式;大量使用设问、插入语、工程师口语化表达(如“别急着重启”“这坑我们踩过三次”“你猜怎么着?”); - ✅ **注入一线工程洞察**:每项技术选择均附带权衡说明(“为什么不用Docker?”“为何放弃--use