数据分析3 -绘制图

matplotlib
    plt.plot()   # 绘图函数
    plt.show()   # 显示图像

    1.plot函数:绘制折线图
        线型linestyle(-,-.,--,..)
        点型marker(v,^,s,*,H,+,X,D,O,...)
        颜色color(b,g,r,y,k,w,...)

        plt.plot([0,3,9,15,30],linestyle = ‘-.‘,color = ‘r‘,marker = ‘o‘) 

    2.常用方法
        plt.plot([0,3,9,15,30],linestyle = ‘-.‘,color = ‘r‘,marker = ‘o‘,label="A")
        plt.plot([1,3,16,23,30],[30,23,13,25,30],label=‘B‘)
        plt.title("Title")  # 标题
        plt.xlabel(‘X‘)  # x轴名称
        plt.ylabel(‘Y‘)  # y轴名称
        plt.xticks(np.arange(0,30,2))  # x轴刻度
        plt.xlim(-0.2,10,2)  # x轴范围
        plt.legend()  # 曲线图例

    3.柱状图
        data = [12,34,23,54]
        labels = [‘Jan‘,‘Fed‘,‘Mar‘,‘Apr‘]
        plt.xticks([0,1,2,3],labels)  # 设置x轴刻度
        plt.bar([0,1,2,3],data)  

    4.横向柱状图
        data = [12,34,23,54]
        labels = [‘Jan‘,‘Fed‘,‘Mar‘,‘Apr‘]
        plt.yticks([0,1,2,3],labels)
        plt.barh([0,1,2,3],data)      

    5.饼图
        plt.pie([10,20,30,40],labels=list(‘abcd‘),autopct="%.2f%%",explode=[0.1,0,0,0])
        plt.axis("equal")
        plt.show()    

    6.散点图
        import random
        x = np.random.randn(100)
        y = np.random.randn(100)
        plt.scatter(x,y)

原文地址:https://www.cnblogs.com/wyf20190411-/p/12013409.html

时间: 2024-11-11 20:46:34

数据分析3 -绘制图的相关文章

python绘制图

如何用python绘制图表 摘要: 使用python绘制简单的图表,包括折线图.柱状图.条形图.饼图.散点图.气泡图.箱线图.直方图等. 前言 本文介绍如果使用python汇总常用的图表,与Excel的点选操作相比,用python绘制图表显得比较比较繁琐,尤其提现在对原始数据的处理上.但两者在绘制图表过程中的思路大致相同,Excel中能完成的工作python大多也能做到.为了能够更好使用python绘制图表,我们需要导入几个 Python 的基本软件包NumPy,Pandas,matplotli

使用joint.js 绘制图

试了几种在js画graph的库,还是joint.js合适一些,对于简单的图显示很适用.具体链接: http://www.daviddurman.com/automatic-graph-layout-with-jointjs-and-dagre.html demo: 1.script和css下载: http://jointjs.com/download : <link rel="stylesheet" href="joint.css" ><scrip

CSS利用border绘制图性

绘制梯形 width:10px; border-top:10px solid red; border-right:10px solid transparent; border-left:10px solid transparent; border-bottom:10px solid transparent; 绘制三角形: width:0px; border-top:10px solid red; border-right:10px solid transparent; border-left:1

使用Python进行描述性统计【解决了实习初期的燃眉之急】

目录 1 描述性统计是什么?2 使用NumPy和SciPy进行数值分析 2.1 基本概念 2.2 中心位置(均值.中位数.众数) 2.3 发散程度(极差,方差.标准差.变异系数) 2.4 偏差程度(z-分数) 2.5 相关程度(协方差,相关系数) 2.6 回顾3 使用Matplotlib进行图分析 3.1 基本概念 3.2 频数分析 3.2.1 定性分析(柱状图.饼形图) 3.2.2 定量分析(直方图.累积曲线) 3.3 关系分析(散点图) 3.4 探索分析(箱形图) 3.5 回顾4 总结5 参

Python描述性统计

目录 1 描述性统计是什么?2 使用NumPy和SciPy进行数值分析 2.1 基本概念 2.2 中心位置(均值.中位数.众数) 2.3 发散程度(极差,方差.标准差.变异系数) 2.4 偏差程度(z-分数) 2.5 相关程度(协方差,相关系数) 2.6 回顾3 使用Matplotlib进行图分析 3.1 基本概念 3.2 频数分析 3.2.1 定性分析(柱状图.饼形图) 3.2.2 定量分析(直方图.累积曲线) 3.3 关系分析(散点图) 3.4 探索分析(箱形图) 3.5 回顾4 总结5 参

OriginLab OriginPro2018中文破解版

OriginLab 2018昨日官方正式发布了一款旗舰科学绘图和数据分析工具--OriginPro 2018,OriginPro 2018新版本对之前版本进行了许多小改进,使得在一些细节方面更加完善,OriginPro2018为二次开发设立了App Center.在文件资源管理器中预览Origin的图形.单元格公式输入和表达能力得到增强.改进了Origin Central 对话框.增强的图例自定义功能.增加了图形参照线功能,增加了桥梁图(瀑布图).带自定义边界的4D XYZ 图.双Y轴箱形图.均

opencv3.2.0之绘图

//描述:包含程序所使用的头文件和命名空间#include <opencv2/opencv.hpp>#include "opencv2/core/core.hpp"#include "highgui.h"#include "opencv2/imgproc/imgproc.hpp" using namespace cv;using namespace std;//宏定义部分#define WINDOW_NAME1 "[绘制图1

【IOS】读取、保存图片的各种方法

一.读取图片 1.从资源(resource)读取 1 UIImage* image=[UIImage imageNamed:@"1.jpg"]; 2.从网络读取[最好使用EGOImageView来获取网络图片] 1 NSURL *url=[NSURL URLWithString:@"http://www.sinaimg.cn/qc/photo_auto/chezhan/2012/50/00/15/80046_950.jpg"]; 2 UIImage *imgFrom

SPSS-相关性和回归分析(一元线性方程)案例解析

任何事物和人都不是以个体存在的,它们都被复杂的关系链所围绕着,具有一定的相关性,也会具备一定的因果关系,(比如:父母和子女,不仅具备相关性,而且还具备因果关系,因为有了父亲和母亲,才有了儿子或女儿),但不是所有相关联的事物都具备因果关系. 下面用SPSS采用回归-线性分析的方式来分析一下:居民总储蓄 和 "居民总消费"情况是否具备相关性,如果具备相关性,那相关关系的密切程度为多少. 下面以"居民总储蓄"和"居民总消费"的调查样本做统计分析,数据如