python matplotlib

背景:

1)数据可视化

目前还处于python入门阶段,主要想通过numpy、matplotlib进行数据可视化。

安装:

操作系统:windows7

1)python2.7 安装numpy、matplotlib

pip安装numpy没有问题

pip通过tar安装matplotlib不成功,提示缺少freetype、png,反正挺麻烦的。

2)python3.5安装numpy、matplotlib

pip直接搞定,安装matplotlib的时候会安装关联的模块。

安装numpy和matplotlib后,pip list展示安装了哪些模块。

使用:

网上随便找了个例子,如下:

import numpy as np
import matplotlib.pyplot as plt

N = 5
menMeans = (20, 35, 30, 35, 27)
menStd =   (2, 3, 4, 1, 2)

ind = np.arange(N)  # the x locations for the groups
width = 0.35       # the width of the bars

fig, ax = plt.subplots()
rects1 = ax.bar(ind, menMeans, width, color=‘r‘, yerr=menStd)

womenMeans = (25, 32, 34, 20, 25)
womenStd =   (3, 5, 2, 3, 3)
rects2 = ax.bar(ind+width, womenMeans, width, color=‘y‘, yerr=womenStd)

# add some
ax.set_ylabel(‘Scores‘)
ax.set_title(‘Scores by group and gender‘)
ax.set_xticks(ind+width)
ax.set_xticklabels( (‘G1‘, ‘G2‘, ‘G3‘, ‘G4‘, ‘G5‘) )

ax.legend( (rects1[0], rects2[0]), (‘Men‘, ‘Women‘) )

def autolabel(rects):
    # attach some text labels
    for rect in rects:
        height = rect.get_height()
        ax.text(rect.get_x()+rect.get_width()/2., 1.05*height, ‘%d‘%int(height),
                ha=‘center‘, va=‘bottom‘)

autolabel(rects1)
autolabel(rects2)

plt.show()

  

运行图:

----------------------------------------------------

时间: 2024-11-04 11:53:22

python matplotlib的相关文章

用python matplotlib 画图

state-machine environment object-oriente interface figure and axes backend and frontend user interface bankends hardcopy backends or non-interactive backends confugure your backends renderer : AGG import matplotlib.pyplot as plt plt.plot() 可一次画好几个, r

Python + Matplotlib 绘制 Penrose 铺砌

效果是不是很漂亮呢? 代码如下: #----------------------------------------- # Python + Matplotlib 绘制 Penrose 铺砌 # by Zhao Liang [email protected] #----------------------------------------- import matplotlib.pyplot as plt import numpy as np from matplotlib.path impor

python matplotlib画图常用设置记录查阅

为方便查找和使用python matplotlib相应的画图设置接口,将常用的设置书写在同一代码中,方便查阅,包含: 1.中文.特殊字符的设置 2.子图.标题.图例的设置 3.坐标轴的名称.刻度.间距等设置 4.线条的颜色.样式.宽度的设置 代码github链接:(待添加) #-*- coding:utf-8 -*- import numpy as np import numpy.random import matplotlib.pyplot as plt from pylab import *

python matplotlib 安装 和错误处理

首先我参考是:http://www.cnblogs.com/lifegoesonitself/p/3443866.html 这篇博文中的问题我都遇到了,首先是大体流程: Matplotlib的安装 matplotlib 是python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地 进行制图.Matplotlib的安装可以参见 官网链接 http://matplotlib.org/users/installing.html 下面总结步骤如下: windows 平台上

python matplotlib中文乱码

1. 找到matplotlib配置文件matplotlibrc,在python安装目录下 我的是C:\Python27\Lib\site-packages\matplotlib\mpl-data 2. #font.family, 将其注释去掉,冒号后面的值改为Microsoft YaHei 3. #font.sans-serif, 将其注释去掉,并将Microsoft YaHei添加到冒号后面的最前面 4. 拷贝文件.C:\Windows\Fonts\中找到 微软雅黑对应的字体文件msyh.tt

Python + Matplotlib 绘制 Aztec Diamond 图的随机铺砌

一个 $n$ 阶的 Aztec Diamond 图,是指依次将 $2,4,\ldots,2n,2n,\ldots,4,2$ 个单位方格摞在一起得到的对称图形(于是图中一共有 $2n(n+1)$ 个单位方格).下图是 $n=5$ 时候的例子: 对一个 $n$ 阶的 Aztec Diamond 图,用 $1\times 2$ 的多米诺骨牌铺砌它,总共有 $2^{n(n+1)}$ 种不同的方法.(这里不考虑对称性,比如全部用水平的骨牌铺砌和全部用竖直的骨牌铺砌,两种方法是不同的) 一个有趣的问题是,对

Python - matplotlib 数据可视化

在许多实际问题中,经常要对给出的数据进行可视化,便于观察. 今天专门针对Python中的数据可视化模块--matplotlib这块内容系统的整理,方便查找使用. 本文来自于对<利用python进行数据分析>以及网上一些博客的总结. 1  matplotlib简介 matplotlib是Pythom可视化程序库的泰斗,经过几十年它仍然是Python使用者最常用的画图库.有许多别的程序库都是建立在它的基础上或直接调用它,比如pandas和seaborn就是matplotlib的外包, 它们让你使用

python+matplotlib 绘制等高线

python+matplotlib 绘制等高线 步骤有七: 有一个m*n维的矩阵(data),其元素的值代表高度 构造两个向量:x(1*n)和y(1*m).这两个向量用来构造网格坐标矩阵(网格坐标矩阵m*n维,可见与data同) 构造网格坐标矩阵X,Y 进行颜色填充 画等高线 等高线的描述 删掉坐标系 1. 构造一下高度矩阵: def f(x,y): """ 计算高度的函数 :param x: 向量 :param y: 向量 :return: dim(x)*dim(y)维的矩

使用Python matplotlib做动态曲线

今天看到"Python实时监控CPU使用率"的教程: https://www.w3cschool.cn/python3/python3-ja3d2z2g.html 自己也学习如何使用Python matplotlib库画图,便照葫芦画瓢做了个动态的正弦曲线. 脚本如下: import matplotlib.pyplot as plt import matplotlib.font_manager as font_manager import numpy as np POINTS = 10

python matplotlib模块——绘制三维图形、三维数据散点图(转)

转自https://blog.csdn.net/eddy_zheng/article/details/48713449 python matplotlib模块,是扩展的MATLAB的一个绘图工具库.他可以绘制各种图形,可是最近最的一个小程序,得到一些三维的数据点图,就学习了下python中的matplotlib模块,如何绘制三维图形. 初学者,可能对这些第三方库安装有一定的小问题,对于一些安装第三方库经验较少的朋友,建议使用 Anaconda ,集成了很多第三库,基本满足大家的需求,下载地址,对