当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

参考：Make filled polygons between two curves in Python using Matplotlib

Matplotlib是Python中强大的数据可视化库，它提供了丰富的绘图功能。本文将详细介绍如何使用Matplotlib在两条曲线之间创建填充多边形，这是一种常用的数据可视化技术，可以直观地展示两个数据集之间的差异或关系。我们将探讨多种方法和技巧，以帮助您掌握这一绘图技能。

1. 基础知识：理解填充多边形

在开始绘制之前，我们需要理解什么是填充多边形，以及为什么它在数据可视化中很重要。

填充多边形是指在两条曲线之间的区域用颜色或图案填充。这种技术通常用于：

  • 显示数据范围或不确定性
  • 比较两个数据集
  • 强调某个特定区域
  • 创建面积图

在Matplotlib中，我们主要使用fill_between()函数来实现这一效果。

让我们从一个简单的例子开始：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sine')
plt.plot(x, y2, label='Cosine')
plt.fill_between(x, y1, y2, alpha=0.3)
plt.title('Filled Area Between Sine and Cosine Curves - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

在这个例子中，我们创建了两条曲线（正弦和余弦），然后使用fill_between()函数填充它们之间的区域。alpha参数用于设置填充区域的透明度。

2. 使用fill_between()函数

fill_between()函数是Matplotlib中创建填充多边形的核心工具。让我们深入了解它的用法和参数。

2.1 基本语法

fill_between()函数的基本语法如下：

plt.fill_between(x, y1, y2, where=None, interpolate=False, step=None, **kwargs)
  • x：x轴数据
  • y1：第一条曲线的y值
  • y2：第二条曲线的y值（可选，默认为0）
  • where：指定填充区域的条件
  • interpolate：是否在数据点之间进行插值
  • step：创建阶梯式填充
  • **kwargs：其他关键字参数，如颜色、透明度等

2.2 填充到x轴

最简单的用法是填充一条曲线到x轴的区域：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y, label='Sine')
plt.fill_between(x, y, color='skyblue', alpha=0.4)
plt.title('Area Under Sine Curve - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何填充正弦曲线下方到x轴的区域。

2.3 填充两条曲线之间的区域

现在，让我们看看如何填充两条曲线之间的区域：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.sin(x) * np.exp(-x/10)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Curve 1')
plt.plot(x, y2, label='Curve 2')
plt.fill_between(x, y1, y2, color='green', alpha=0.3)
plt.title('Area Between Two Curves - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何填充两条不同的曲线之间的区域。

3. 条件填充

有时，我们可能只想填充满足某些条件的区域。fill_between()函数的where参数允许我们实现这一点。

3.1 基于y值的条件填充

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sine')
plt.plot(x, y2, label='Cosine')
plt.fill_between(x, y1, y2, where=(y1 > y2), color='red', alpha=0.3, label='Sine > Cosine')
plt.fill_between(x, y1, y2, where=(y1 <= y2), color='blue', alpha=0.3, label='Sine <= Cosine')
plt.title('Conditional Filling - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何根据y值的大小关系来选择性地填充区域。

3.2 基于x值的条件填充

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y, label='Sine')
plt.fill_between(x, y, where=(x < 5), color='green', alpha=0.3, label='x < 5')
plt.fill_between(x, y, where=(x >= 5), color='orange', alpha=0.3, label='x >= 5')
plt.title('Filling Based on X Values - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何根据x值来选择性地填充区域。

4. 高级技巧

4.1 使用渐变色填充

我们可以使用颜色映射来创建渐变填充效果：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LinearSegmentedColormap

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

colors = ['blue', 'white', 'red']
n_bins = 100
cmap = LinearSegmentedColormap.from_list('custom', colors, N=n_bins)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, color='blue', label='Sine')
plt.plot(x, y2, color='red', label='Cosine')

for i in range(n_bins):
    plt.fill_between(x, y1, y2, where=y1 >= y2, color=cmap(i/n_bins), alpha=0.1)
    plt.fill_between(x, y1, y2, where=y1 < y2, color=cmap(1 - i/n_bins), alpha=0.1)

plt.title('Gradient Filling Between Curves - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何使用颜色映射创建渐变填充效果。

4.2 填充多个区域

有时我们需要在同一图表中填充多个不同的区域：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.sin(2*x)
y3 = np.sin(3*x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sin(x)')
plt.plot(x, y2, label='Sin(2x)')
plt.plot(x, y3, label='Sin(3x)')

plt.fill_between(x, y1, y2, where=(y1 > y2), color='red', alpha=0.3, label='y1 > y2')
plt.fill_between(x, y2, y3, where=(y2 > y3), color='green', alpha=0.3, label='y2 > y3')
plt.fill_between(x, y1, y3, where=(y1 < y3), color='blue', alpha=0.3, label='y1 < y3')

plt.title('Multiple Filled Areas - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何在同一图表中填充多个不同的区域。

4.3 创建堆叠面积图

堆叠面积图是另一种常见的可视化类型，可以使用fill_between()来创建：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.random.rand(100)
y2 = np.random.rand(100)
y3 = np.random.rand(100)

plt.figure(figsize=(10, 6))

plt.fill_between(x, 0, y1, label='Dataset 1', alpha=0.5)
plt.fill_between(x, y1, y1+y2, label='Dataset 2', alpha=0.5)
plt.fill_between(x, y1+y2, y1+y2+y3, label='Dataset 3', alpha=0.5)

plt.title('Stacked Area Chart - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何创建一个简单的堆叠面积图。

5. 自定义样式

5.1 使用不同的填充样式

Matplotlib提供了多种填充样式，我们可以使用hatch参数来设置：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sine')
plt.plot(x, y2, label='Cosine')

plt.fill_between(x, y1, y2, where=(y1 > y2), color='red', alpha=0.3, hatch='/', label='Sine > Cosine')
plt.fill_between(x, y1, y2, where=(y1 <= y2), color='blue', alpha=0.3, hatch='\\', label='Sine <= Cosine')

plt.title('Custom Fill Patterns - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何使用不同的填充样式来区分不同的区域。

5.2 添加边框

我们可以为填充区域添加边框以增强视觉效果：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sine')
plt.plot(x, y2, label='Cosine')

plt.fill_between(x, y1, y2, color='lightblue', alpha=0.5, edgecolor='blue', linewidth=2)

plt.title('Filled Area with Border - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何为填充区域添加边框。

6. 实际应用案例

6.1 可视化股票价格范围

import matplotlib.pyplot as plt
import numpy as np

dates = np.arange('2023-01-01', '2023-12-31', dtype='datetime64[D]')
high_prices = np.random.randint(100, 150, size=len(dates))
low_prices = high_prices - np.random.randint(5, 20, size=len(dates))

plt.figure(figsize=(12, 6))
plt.plot(dates, high_prices, label='High Price')
plt.plot(dates, low_prices, label='Low Price')
plt.fill_between(dates, high_prices, low_prices, alpha=0.3, label='Price Range')

plt.title('Stock Price Range Visualization - how2matplotlib.com')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何使用填充区域来可视化股票的价格范围。

6.2 可视化置信区间

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x) + np.random.normal(0, 0.1, 100)
y_mean = np.sin(x)
y_std = np.std(y - y_mean)

plt.figure(figsize=(10, 6))
plt.plot(x, y, 'o', alpha=0.5, label='Data')
plt.plot(x, y_mean, label='Mean')
plt.fill_between(x, y_mean - y_std, y_mean + y_std, alpha=0.3, label='Confidence Interval')

plt.title('Data with Confidence Interval - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何使用填充区域来可视化数据的置信区间。

7. 常见问题和解决方案

7.1 处理不连续数据

有时，我们可能需要处理不连续的数据。在这种情况下，我们可以使用np.nan来表示缺失值：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建一些缺失值
y1[30:40] = np.nan
y2[60:70] = np.nan

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sine')
plt.plot(x, y2, label='Cosine')
plt.fill_between(x, y1, y2, where=~(np.isnan(y1) | np.isnan(y2)), interpolate=True, alpha=0.3)

plt.title('Handling Discontinuous Data - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何处理包含缺失值的不连续数据。我们使用where参数来排除缺失值，并使用interpolate=True来连接缺失区域。

7.2 处理大量数据

当处理大量数据时，绘图可能会变得很慢。一种解决方案是使用降采样：

import matplotlib.pyplot as plt
import numpy as np

# 生成大量数据
x = np.linspace(0, 100, 10000)
y1 = np.sin(x) + np.random.normal(0, 0.1, 10000)
y2 = np.cos(x) + np.random.normal(0, 0.1, 10000)

# 降采样
step = 100
x_sampled = x[::step]
y1_sampled = y1[::step]
y2_sampled = y2[::step]

plt.figure(figsize=(10, 6))
plt.plot(x_sampled, y1_sampled, label='Sine')
plt.plot(x_sampled, y2_sampled, label='Cosine')
plt.fill_between(x_sampled, y1_sampled, y2_sampled, alpha=0.3)

plt.title('Handling Large Datasets - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何通过降采样来处理大量数据，从而提高绘图效率。

8. 高级应用：动态填充

我们可以创建动态填充效果，例如随时间变化的填充区域：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots(figsize=(10, 6))
x = np.linspace(0, 2*np.pi, 100)
line, = ax.plot([], [], lw=2)
fill = ax.fill_between([], [], alpha=0.3)

ax.set_xlim(0, 2*np.pi)
ax.set_ylim(-1.5, 1.5)

def init():
    line.set_data([], [])
    fill.set_xy(np.empty((0, 2)))
    return line, fill

def update(frame):
    y = np.sin(x + frame/10)
    line.set_data(x, y)

    vertices = np.vstack([np.column_stack([x, y]), 
                          np.column_stack([x[::-1], np.zeros_like(x)])])
    fill.set_xy(vertices)

    ax.set_title(f'Dynamic Filling - Frame {frame} - how2matplotlib.com')
    return line, fill

ani = FuncAnimation(fig, update, frames=100, init_func=init, blit=True)
plt.show()

这个例子创建了一个动画，展示了如何实现动态填充效果。

9. 结合其他Matplotlib功能

9.1 添加颜色条

我们可以结合颜色条来展示填充区域的数值范围：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

fig, ax = plt.subplots(figsize=(10, 6))
im = ax.fill_between(x, y1, y2, cmap='viridis')
ax.plot(x, y1, 'b', label='Sine')
ax.plot(x, y2, 'r', label='Cosine')

plt.colorbar(im, ax=ax, label='Value')
ax.set_title('Filled Area with Colorbar - how2matplotlib.com')
ax.legend()
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何为填充区域添加颜色条，以显示数值范围。

9.2 在3D图中填充

我们也可以在3D图中创建填充效果：

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(10, 6))
ax = fig.add_subplot(111, projection='3d')

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z1 = np.sin(np.sqrt(X**2 + Y**2))
Z2 = np.cos(np.sqrt(X**2 + Y**2))

ax.plot_surface(X, Y, Z1, alpha=0.5, cmap='viridis')
ax.plot_surface(X, Y, Z2, alpha=0.5, cmap='plasma')

ax.set_title('3D Filled Surfaces - how2matplotlib.com')
plt.show()

Output:

Matplotlib绘制两条曲线之间的填充多边形：详细教程与实例

这个例子展示了如何在3D图中创建填充效果，使用两个不同的曲面。

10. 总结

在本文中，我们详细探讨了如何使用Matplotlib在Python中创建两条曲线之间的填充多边形。我们从基础知识开始，逐步深入到更高级的技巧和应用。通过各种示例，我们展示了fill_between()函数的强大功能，以及如何将其应用于各种数据可视化场景。

关键点总结：

  1. 使用fill_between()函数是创建填充多边形的核心方法。
  2. 可以通过条件填充来突出显示特定区域。
  3. 高级技巧包括使用渐变色填充、创建堆叠面积图等。
  4. 自定义样式可以通过设置颜色、透明度、填充模式等来实现。
  5. 实际应用包括股票价格范围可视化、置信区间展示等。
  6. 处理大量数据时，可以考虑使用降采样技术。
  7. 动态填充效果可以通过动画实现。
  8. Matplotlib的其他功能（如颜色条、3D绘图）可以与填充多边形结合使用。

通过掌握这些技巧，您可以创建更加丰富和信息量大的数据可视化图表。记住，实践是提高技能的最佳方式，所以请尝试修改这些示例，创建适合您自己数据和需求的可视化效果。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程