2.Python数据分析与应用——Matplotlib数据可视化基础
2020-02-02 14:29
1976 查看
pyplot基本绘图语法
import numpy as np import matplotlib.pyplot as plt data=np.arange(0,1.1,0.01) plt.title('标题')#添加标题 plt.xlabel('x轴')#添加x轴的名称 plt.ylabel('y轴')#添加y轴的名称 plt.xlim((0,1))#x轴范围 plt.ylim((0,1))#y轴范围 plt.xticks([0,0.2,0.4,0.6,0.8,1])#x轴刻度 plt.yticks([0,0.2,0.4,0.6,0.8,1])#y轴刻度 plt.plot(data,data**2)#y=x^2曲线 plt.plot(data,data**3)#y=x^3曲线 plt.legend(['y=x^2','y=x^3'])#显示图例 #plt.savefig('d:/y=x^2.png')#另存为图片 plt.show()
pyplot的动态rc参数
import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei']#设置字体为SimHei显示中文 plt.rcParams['axes.unicode_minus']=False#设置正常显示符号 #lines.linewidth线条宽度(0~10) plt.rcParams['lines.linewidth']=3 #lines.linestyle线条样式(“-”“--”“-.”“:”) plt.rcParams['lines.linestyle']='-.' data=np.arange(0,1.1,0.01) plt.plot(data,data**2) plt.title('y=x^2曲线') plt.show()
绘制散点图
import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei']#设置字体为SimHei显示中文 plt.rcParams['axes.unicode_minus']=False#设置正常显示符号 x=[1,2,3,4,5,6,7,8,9,10] y=[30,35,31,32,32,38,33,34,38,31] plt.scatter(x,y,marker='o')#绘制散点图 plt.title('散点图') plt.show()
绘制折线图
import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei']#设置字体为SimHei显示中文 plt.rcParams['axes.unicode_minus']=False#设置正常显示符号 x=[1,2,3,4,5,6,7,8,9,10] y=[30,35,31,32,32,38,33,34,38,31] plt.plot(x,y,marker='o')#绘制折线图 plt.title('折线图') plt.show()
绘制点线图
import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei']#设置字体为SimHei显示中文 plt.rcParams['axes.unicode_minus']=False#设置正常显示符号 x=[1,2,3,4,5,6,7,8,9,10] y=[30,35,31,32,32,38,33,34,38,31] plt.plot(x,y,color='r',linestyle='--',marker='o')#绘制点线图 plt.title('点线图') plt.show()
绘制饼图
import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei']#设置字体为SimHei显示中文 plt.rcParams['axes.unicode_minus']=False#设置正常显示符号 plt.figure(figsize=(6,6))#确定画布大小 label=['第一产业','第二产业','第三产业']#定义饼图标签 explode=[0.01,0.01,0.01]#设定各项距离圆心n个半径 x=[30,50,20] plt.pie(x,explode=explode,labels=label,autopct='%1.1f%%')#绘制饼图 plt.title('饼图') plt.show()
绘制直方图
''' 图一:重叠的直方图 图二:叠加的直方图 图三:并列的直方图 ''' import pandas as pd import numpy as np import matplotlib.pyplot as plt p=plt.figure(figsize=(12,12))#确定画布大小 plt.rcParams['font.sans-serif']=['SimHei']#设置字体为SimHei显示中文 y1_data=[100,200,234,333,489,289] y2_data=[120,299,233,200,194,156] #创建一个3行1列的子图,并开始绘制第1幅 ax1=p.add_subplot(3,1,1) #绘制直方图(alpha透明度) plt.bar(x=(range(len(y1_data))),height=y1_data,width=0.5,color='purple',alpha=0.6) plt.bar(x=(range(len(y1_data))),height=y2_data,width=0.5,color='blue',alpha=0.6) #规定x轴刻度(rotation倾斜度) plt.xticks([0,1,2,3,4,5],['2000年','2001年','2002年','2003年','2004年','2005年'],rotation=45) #创建一个3行1列的子图,并开始绘制第2幅 ax2=p.add_subplot(3,1,2) #绘制直方图(alpha透明度,bottom从底部增加) plt.bar(x=(range(len(y1_data))),height=y1_data,width=0.5,color='purple',alpha=0.6) plt.bar(x=(range(len(y1_data))),height=y2_data,bottom=y1_data,width=0.5,color='blue',alpha=0.6) #规定x轴刻度 plt.xticks([0,1,2,3,4,5],['2000年','2001年','2002年','2003年','2004年','2005年']) #创建一个3行1列的子图,并开始绘制第3幅 ax3=p.add_subplot(3,1,3) #x的宽度 xwidth=0.25 #绘制直方图(alpha透明度) plt.bar(x=(range(len(y1_data))),width=xwidth,height=y1_data,color='purple',alpha=0.6) plt.bar(x=np.array((range(len(y1_data))))+xwidth,width=xwidth,height=y2_data,color='blue',alpha=0.6) #规定x轴刻度 plt.xticks([0,1,2,3,4,5],['2000年','2001年','2002年','2003年','2004年','2005年']) plt.show()
- 点赞
- 收藏
- 分享
- 文章举报
相关文章推荐
- Python数据分析与应用 第三章 Matplotlib数据可视化基础 (散点图) 中
- Python数据分析与应用 第三章 Matplotlib数据可视化基础 (直方图,饼图,箱线图) 下
- Python数据分析与应用 第三章 Matplotlib数据可视化基础 (折线图) 上
- python数据图形化—— matplotlib 基础应用
- Python数据可视化笔记--Matplotlib基础
- python数据挖掘课程 十一.Pandas、Matplotlib结合SQL语句可视化分析
- python数据分析与展示-Matplotlib基础
- Chat 优选 | Python 数据可视化教程(1):Matplotlib 基础
- 【Python数据分析】四级成绩分布 -matplotlib,xlrd 应用
- python中数据分析数据可视化作图matplotlib
- python数据可视化分析库matplotlib
- Python数据分析:数据可视化matplotlib
- Python数据可视化之Matplotlib基础
- Python数据挖掘04---matplotlib数据可视化分析
- python数据分析2——matplotlib应用和应力波的绘制
- python数据分析之数据可视化matplotlib
- Python+pandas+matplotlib数据分析与可视化案例(附源码)
- Python数据分析之可视化一matplotlib(常用方法)
- Python进阶(三十九)-数据可视化の使用matplotlib进行绘图分析数据
- python—matplotlib数据可视化实例注解系列-----之函数填充