Python Matplotlib中绘制正弦曲线下的随机点

在Python中，绘制正弦曲线下的随机点是一种非常有趣的可视化练习，它展示了Matplotlib在Python中的多功能性。通过生成随机点并沿y轴进行偏移，我们可以创建一个散点图，它看起来像是遵循正弦波形状的。

本文深入探讨了生成这些随机点的过程，使用正弦函数计算它们对应的y坐标，并使用Matplotlib将结果可视化的方法。我们将更深入地了解如何利用Matplotlib的绘图功能来创建引人入胜且动态的可视化效果。

如何在Python Matplotlib中绘制正弦曲线下的随机点

下面是我们将在下一节中看到的程序的完整逐步说明：

导入必要的库 −
- numpy 用于生成随机数和进行数学计算。
- matplotlib.pyplot 用于创建图表和可视化。
定义随机点的数量 −
- 将 num_points 变量设置为所需的随机点的数量。
生成随机x坐标 −
- np.random.uniform(0, 2 * np.pi, num_points) 生成一个数组，其中包含在0和2π（包括）之间的 num_points 个随机值。这些值将作为点的x坐标。
- 使用正弦函数计算y坐标−
np.sin(x) 计算在前一步生成的x坐标的正弦值。这给出了位于正弦曲线上的点的y坐标。
- 生成y坐标的随机偏移量−
np.random.uniform(-0.5, 0.5, num_points) 生成一个在-0.5和0.5之间的随机值数组。这些值将用于偏移y坐标，使点在正弦曲线周围散布。
- 将偏移量添加到y坐标中−
y += offsets 将随机偏移量添加到第4步生成的y坐标上，创建一个在正弦曲线周围散布的点的分布。
- 绘制点 –
plt.scatter(x, y, color=’blue’, s=10) 创建一个随机点的散点图。x坐标由数组x给出，y坐标由数组y给出，点的颜色设定为蓝色，点的大小设定为10。
- 绘制正弦曲线 –
x_vals = np.linspace(0, 2 * np.pi, 100) 生成100个在0到2π之间均匀分布的数值。这些数值将用作绘制正弦曲线的x坐标。
y_vals = np.sin(x_vals) 计算上述生成的x坐标的正弦值，从而得到正弦曲线的y坐标。
plt.plot(x_vals, y_vals, color=’red’) 绘制正弦曲线，使用x坐标为x_vals，y坐标为y_vals。曲线的颜色设置为红色。
- 设置x轴和y轴的坐标范围 −
plt.xlim(0, 2 * np.pi) 将x轴的坐标范围设置为从0到2π。
plt.ylim(-1.5, 1.5) 将y轴的坐标范围设置为从-1.5到1.5。
- 设置标签和标题 −
plt.xlabel(‘x’) 将x轴的标签设置为’x’。
plt.ylabel(‘y’) 将y轴的标签设置为’y’。
plt.title(‘Random Points under Sine Curve’)
- 将绘图的标题设置为’正弦曲线下的随机点’。
显示绘图−
- plt.show() 显示具有所有指定元素（点、正弦曲线、标签和标题）的绘图。

示例

以下是使用上述步骤的程序示例。

import numpy as np
import matplotlib.pyplot as plt

# Number of random points to generate
num_points = 100

# Generate random x-coordinates between 0 and 2*pi
x = np.random.uniform(0, 2 * np.pi, num_points)

# Compute corresponding y-coordinates using the sine function
y = np.sin(x)

# Generate random offsets for the y-coordinates
offsets = np.random.uniform(-0.5, 0.5, num_points)

# Add offsets to the y-coordinates
y += offsets

# Plot the points
plt.scatter(x, y, color='blue', s=10)

# Plot the sine curve
x_vals = np.linspace(0, 2 * np.pi, 100)
y_vals = np.sin(x_vals)
plt.plot(x_vals, y_vals, color='red')

# Set the x-axis and y-axis limits
plt.xlim(0, 2 * np.pi)
plt.ylim(-1.5, 1.5)

# Set labels and title
plt.xlabel('x')
plt.ylabel('y')
plt.title('Random Points under Sine Curve')

# Display the plot
plt.show()