如何使用matplotlib在python中绘制矢量

时间:2017-02-16 18:30:59

标签: python python-2.7 numpy matplotlib vector

我正在学习线性代数课程,我希望可视化动作中的向量,例如向量加法,法向量等。

例如:

V = np.array([[1,1],[-2,2],[4,-7]])

在这种情况下,我想绘制3个向量V1 = (1,1), M2 = (-2,2), M3 = (4,-7)

然后我应该能够添加V1,V2来绘制一个新的矢量V12(所有这些都在一个图中)。

当我使用以下代码时,情节不是预期的

import numpy as np
import matplotlib.pyplot as plt
M = np.array([[1,1],[-2,2],[4,-7]])

print("vector:1")
print(M[0,:])
# print("vector:2")
# print(M[1,:])
rows,cols = M.T.shape
print(cols)

for i,l in enumerate(range(0,cols)):
    print("Iteration: {}-{}".format(i,l))
    print("vector:{}".format(i))
    print(M[i,:])
    v1 = [0,0],[M[i,0],M[i,1]]
    # v1 = [M[i,0]],[M[i,1]]
    print(v1)
    plt.figure(i)
    plt.plot(v1)
    plt.show()

8 个答案:

答案 0 :(得分:15)

这样的东西
plt.show()

enter image description here

然后将任意两个向量相加并将它们绘制到相同的图中,在调用plt.quiver(*origin, V[:,0], V[:,1], color=['r','b','g'], scale=21) v12 = V[0] + V[1] # adding up the 1st (red) and 2nd (blue) vectors plt.quiver(*origin, v12[0], v12[1]) plt.show() 之前执行此操作。类似的东西:

origin[0], origin[1]

enter image description here

注意:在Python2中使用*origin而不是{{1}}

答案 1 :(得分:8)

这也可以使用matplotlib.pyplot.quiver来实现,如链接答案中所述;

plt.quiver([0, 0, 0], [0, 0, 0], [1, -2, 4], [1, 2, -7], angles='xy', scale_units='xy', scale=1)
plt.xlim(-10, 10)
plt.ylim(-10, 10)
plt.show()

mpl output

答案 2 :(得分:4)

您对以下内容的期望是什么?

v1 = [0,0],[M[i,0],M[i,1]]
v1 = [M[i,0]],[M[i,1]]

这会产生两个不同的元组,你会覆盖你第一次做的事情......无论如何,matplotlib无法理解你所使用的“矢量”是什么。你必须明确,并绘制“箭头”:

In [5]: ax = plt.axes()

In [6]: ax.arrow(0, 0, *v1, head_width=0.05, head_length=0.1)
Out[6]: <matplotlib.patches.FancyArrow at 0x114fc8358>

In [7]: ax.arrow(0, 0, *v2, head_width=0.05, head_length=0.1)
Out[7]: <matplotlib.patches.FancyArrow at 0x115bb1470>

In [8]: plt.ylim(-5,5)
Out[8]: (-5, 5)

In [9]: plt.xlim(-5,5)
Out[9]: (-5, 5)

In [10]: plt.show()

结果:

enter image description here

答案 3 :(得分:4)

你的主要问题是你在循环中创建新的数字,因此每个向量都会绘制在不同的数字上。这就是我提出的问题,请告诉我它是否仍然不符合您的期望:

CODE:

import numpy as np
import matplotlib.pyplot as plt
M = np.array([[1,1],[-2,2],[4,-7]])

rows,cols = M.T.shape

#Get absolute maxes for axis ranges to center origin
#This is optional
maxes = 1.1*np.amax(abs(M), axis = 0)

for i,l in enumerate(range(0,cols)):
    xs = [0,M[i,0]]
    ys = [0,M[i,1]]
    plt.plot(xs,ys)

plt.plot(0,0,'ok') #<-- plot a black point at the origin
plt.axis('equal')  #<-- set the axes to the same scale
plt.xlim([-maxes[0],maxes[0]]) #<-- set the x axis limits
plt.ylim([-maxes[1],maxes[1]]) #<-- set the y axis limits
plt.legend(['V'+str(i+1) for i in range(cols)]) #<-- give a legend
plt.grid(b=True, which='major') #<-- plot grid lines
plt.show()

输出:

enter image description here

编辑代码:

import numpy as np
import matplotlib.pyplot as plt
M = np.array([[1,1],[-2,2],[4,-7]])

rows,cols = M.T.shape

#Get absolute maxes for axis ranges to center origin
#This is optional
maxes = 1.1*np.amax(abs(M), axis = 0)
colors = ['b','r','k']


for i,l in enumerate(range(0,cols)):
    plt.axes().arrow(0,0,M[i,0],M[i,1],head_width=0.05,head_length=0.1,color = colors[i])

plt.plot(0,0,'ok') #<-- plot a black point at the origin
plt.axis('equal')  #<-- set the axes to the same scale
plt.xlim([-maxes[0],maxes[0]]) #<-- set the x axis limits
plt.ylim([-maxes[1],maxes[1]]) #<-- set the y axis limits
plt.grid(b=True, which='major') #<-- plot grid lines
plt.show()

编辑输出: enter image description here

答案 4 :(得分:2)

感谢大家,每篇帖子都对我有很大帮助。 rbierman代码对我的问题非常直接,我修改了一下并创建了一个函数来绘制给定数组的向量。我希望看到任何进一步改进它的建议。

import numpy as np
import matplotlib.pyplot as plt
def plotv(M):
    rows,cols = M.T.shape
    print(rows,cols)

    #Get absolute maxes for axis ranges to center origin
    #This is optional
    maxes = 1.1*np.amax(abs(M), axis = 0)
    colors = ['b','r','k']
    fig = plt.figure()
    fig.suptitle('Vectors', fontsize=10, fontweight='bold')

    ax = fig.add_subplot(111)
    fig.subplots_adjust(top=0.85)
    ax.set_title('Vector operations')

    ax.set_xlabel('x')
    ax.set_ylabel('y')

    for i,l in enumerate(range(0,cols)):
        # print(i)
        plt.axes().arrow(0,0,M[i,0],M[i,1],head_width=0.2,head_length=0.1,zorder=3)

        ax.text(M[i,0],M[i,1], str(M[i]), style='italic',
            bbox={'facecolor':'red', 'alpha':0.5, 'pad':0.5})

    plt.plot(0,0,'ok') #<-- plot a black point at the origin
    # plt.axis('equal')  #<-- set the axes to the same scale
    plt.xlim([-maxes[0],maxes[0]]) #<-- set the x axis limits
    plt.ylim([-maxes[1],maxes[1]]) #<-- set the y axis limits

    plt.grid(b=True, which='major') #<-- plot grid lines
    plt.show()

r = np.random.randint(4,size=[2,2])
print(r[0,:])
print(r[1,:])
r12 = np.add(r[0,:],r[1,:])
print(r12)
plotv(np.vstack((r,r12)))

Vector addition performed on random vectors

答案 5 :(得分:0)

所有不错的解决方案,特殊情况下可以借鉴和即兴使用->如果您想在箭头附近添加标签:


    arr = [2,3]
    txt = “Vector X”
    ax.annotate(txt, arr)
    ax.arrow(0, 0, *arr, head_width=0.05, head_length=0.1)

答案 6 :(得分:0)

为了将向量长度和角度与绘图的 x,y 坐标相匹配,您可以使用 plt.quiver 的以下选项:

plt.figure(figsize=(5,2), dpi=100)
plt.quiver(0,0,250,100, angles='xy', scale_units='xy', scale=1)
plt.xlim(0,250)
plt.ylim(0,100)

答案 7 :(得分:0)

Quiver 是一个很好的方法,一旦你弄清楚它令人讨厌的细微差别,比如不以原始比例绘制矢量。据我所知,你必须将这些参数传递给 quiver 调用,正如许多人指出的那样:angles='xy', scale_units='xy', scale=1 AND 你应该设置你的 plt.xlimplt.ylim这样你就会得到一个正方形或接近正方形的网格。这是我让它始终按照我想要的方式绘制的唯一方法。例如,将原点作为 *[0,0] 和 U、V 作为 *[5,3] 传递意味着结果图应该是一个以 0,0 原点为中心的向量,在 x 轴的右侧超过 5 个单位y 轴上 3 个单位。