使用 Matplotlib 在极坐标轴上绘制误差线

简介

在数据可视化中，误差线用于表示数据点的不确定性或可变性。Matplotlib 是 Python 中一个流行的数据可视化库，它为误差线提供了内置支持。在本实验中，我们将学习如何使用 Matplotlib 在极坐标中创建误差线图。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，请随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。

Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL matplotlib(("Matplotlib")) -.-> matplotlib/BasicConceptsGroup(["Basic Concepts"]) matplotlib(("Matplotlib")) -.-> matplotlib/PlottingDataGroup(["Plotting Data"]) python(("Python")) -.-> python/DataStructuresGroup(["Data Structures"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) matplotlib/BasicConceptsGroup -.-> matplotlib/importing_matplotlib("Importing Matplotlib") matplotlib/BasicConceptsGroup -.-> matplotlib/figures_axes("Understanding Figures and Axes") matplotlib/PlottingDataGroup -.-> matplotlib/error_bars("Error Bars") python/DataStructuresGroup -.-> python/tuples("Tuples") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") python/DataScienceandMachineLearningGroup -.-> python/numerical_computing("Numerical Computing") python/DataScienceandMachineLearningGroup -.-> python/data_visualization("Data Visualization") subgraph Lab Skills matplotlib/importing_matplotlib -.-> lab-48873{{"Matplotlib：极坐标轴上的误差线绘制"}} matplotlib/figures_axes -.-> lab-48873{{"Matplotlib：极坐标轴上的误差线绘制"}} matplotlib/error_bars -.-> lab-48873{{"Matplotlib：极坐标轴上的误差线绘制"}} python/tuples -.-> lab-48873{{"Matplotlib：极坐标轴上的误差线绘制"}} python/importing_modules -.-> lab-48873{{"Matplotlib：极坐标轴上的误差线绘制"}} python/numerical_computing -.-> lab-48873{{"Matplotlib：极坐标轴上的误差线绘制"}} python/data_visualization -.-> lab-48873{{"Matplotlib：极坐标轴上的误差线绘制"}} end

导入必要的库

在这一步中，我们将导入在极坐标轴上创建误差线图所需的库。

import matplotlib.pyplot as plt
import numpy as np

创建数据

在这一步中，我们将为误差线图创建数据。我们将使用 NumPy 创建一个 theta 值数组和一个相应半径值数组。

theta = np.arange(0, 2 * np.pi, np.pi / 4)
r = theta / np.pi / 2 + 0.5

创建图形和子图

在这一步中，我们将为误差线图创建一个图形和子图。

fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(projection='polar')

创建误差线

在这一步中，我们将在极坐标轴上创建误差线。我们将使用 errorbar() 函数来创建半径和 theta 误差线。

ax.errorbar(theta, r, xerr=0.25, yerr=0.1, capsize=7, fmt="o", c="seagreen")

设置标题并显示图形

在这一步中，我们将为图形设置一个标题，并使用 show() 函数显示它。

ax.set_title("Pretty Polar Error Bars")
plt.show()

创建重叠的 theta 误差线

在这一步中，我们将创建重叠的 theta 误差线，以展示它们如何降低输出图形的可读性。

fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(projection='polar')
ax.errorbar(theta, r, xerr=5.25, yerr=0.1, capsize=7, fmt="o", c="darkred")
ax.set_title("Overlapping Theta Error Bars")
plt.show()

创建较大半径的误差线

在这一步中，我们将创建较大半径的误差线，以展示它们如何导致数据中出现不必要的比例，从而缩小显示范围。

fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(projection='polar')
ax.errorbar(theta, r, xerr=0.25, yerr=10.1, capsize=7, fmt="o", c="orangered")
ax.set_title("Large Radius Error Bars")
plt.show()

总结

在这个实验中，我们学习了如何使用 Matplotlib 在极坐标中创建误差线图。我们创建了一个图形和子图，并使用 errorbar() 函数创建半径和 theta 误差线。我们还展示了重叠的 theta 误差线如何降低可读性，以及较大半径的误差线如何导致数据中出现不必要的比例。