Tikz作图教程:pgfplots宏包二维数据可视化的数据导入方法
pgfplots 绘图思想简介下面一段介绍来自pgfplots说明文档的引言部分,它对pgfplots的绘图思想作了清晰地描述:科研工作者在交流研究结果、论文时,将数据可视化往往是必要和方便的。pgfplots 宏包是一个非常优秀的可视化工具。pgfplots 让您作为终端用户只需要提供数据和绘图描述,而pgfplots 负责下列复杂而繁琐的工作,选择合适的缩放比例将图形缩放到指定的目标尺寸选择最
pgfplots 绘图思想简介
下面一段介绍来自pgfplots
说明文档的引言部分,它对pgfplots
的绘图思想作了清晰地描述:
科研工作者在交流研究结果、论文时,将数据可视化往往是必要和方便的。
pgfplots
宏包是一个非常优秀的可视化工具。pgfplots
让您作为终端用户只需要提供数据
和绘图描述
,而pgfplots
负责下列复杂而繁琐的工作,
- 选择合适的缩放比例
- 将图形缩放到指定的目标尺寸
- 选择最佳显示范围
- 分配标注位置,
- 在适当的位置绘制带有刻度、标注的坐标轴
pgfplots
解决了LaTeX
中可视化的一个老问题: 它的标注使用与 LaTeX
周围的文字相同的字体、字号。它直接嵌入LaTeX
中,从而使得能够毫不费力地使用LaTeX
强大的数学模式: 从任何类型的坐标轴标注到用户自定义的记号。它使得整个文档范围的线条样式、配色方案、标记和谐一致。
pgfplots
能够高质量出图。同时,它是一个嵌入式解决方案: 它在很大程度上独立于第三方工具,虽然它受益于从现有工具中调用函数。
它的主要目标是: 您提供数据和描述—而pgfplot运行时不需要更多输入。 如果你愿意,你可以对各种样式进行个性化的自定义。
二维数据可视化的数据导入方法
下面介绍两种基本的导入数据的方法:
\addplot table {name.dat};
其中name.dat
是一个用记事本编写的两列数据文件,注意扩展名用dat
。当数据量不大时,也可以直接将数据放在table
后面的大括号中。数据可以是一切实验数据。
例如,函数 x 2 x^2 x2的自变量和函数列表:
\addplot {函数解析式};
画一个有解析式的函数图像时,用这种方法。
两个具体例子
- 导入外部
dat
文件数据
\documentclass{article}
\usepackage{ctex}
\usepackage{pgfplots}
\pgfplotsset{width=7cm,compat=1.5}
\begin{document}
\begin{tikzpicture}
\begin{axis}[
title={二次函数$y=x^2$的图像},
xlabel={$x$},
ylabel={$y=x^2$},
ymax=16
]
\addplot [red,thick] table {xsquare.dat};
\end{axis}
\end{tikzpicture}
\end{document}
- 将数据直接放入
table
后面大括号里
\begin{tikzpicture}
\begin{axis}[
title={二次函数$y=x^2$的图像},
xlabel={$x$},
ylabel={$y=x^2$},
ymax=16
]
\addplot [cyan,thick,mark=*,] table {
-4 16
-3.5 12.25
-3 9
-2.5 6.25
-2 4
-1.5 2.25
-1.25 1.5625
-1 1
-0.75 0.5625
-0.5 0.25
-0.25 0.0625
0 0
0.25 0.0625
0.5 0.25
0.75 0.5625
1 1
1.5 2.25
2 4
2.5 6.25
3 9
3.5 12.25
4 16
};
\end{axis}
\end{tikzpicture}
上面两个例子的图像为
- 以解析式导入
\begin{tikzpicture}
\begin{axis}[
title={二次函数$y=x^2$的图像},
xlabel={$x$},
ylabel={$y=x^2$},
ymax=16
]
\addplot [blue,thick,mark=square,
domain=-4:4,
samples=21,] {x^2};
\end{axis}
\end{tikzpicture}
得到的图像为
【LaTeX微信交流加群:】
如果你希望交流LaTeX使用或者TikZ作图或者Beamer制作幻灯片方面的问题,请先添加作者微信:niltxz
,然后加入作者的LaTeX+TikZ+Beamer 交流微信群。
扫描识别下面二维码,关注公众号:大哉数学之为用
,获取更多 Tikz
作图教程。
更多推荐
所有评论(0)