Python可视化的扩展模块matplotlib的简单应用

用于Python科学计算与可视化的扩展模块主要有:NumPy、SciPy、SymPy、matplotlib、Traits、TraitsUI、Chaco、TVTK、Mayavi、VPython、OpenCV。

matplotlib模块依赖于numpy模块和tkinter模块,可以绘制多种形式的图形,包括线图、直方图、饼状图、散点图、误差线图等等。

绘制正弦曲线

>>> import numpyas np

>>> import pylabas pl

>>> t = np.arange(0.0, 2.0*np.pi, 0.01)

>>> s = np.sin(t)

>>> pl.plot(t,s)

>>> pl.xlabel(‘x‘)

>>> pl.ylabel(‘y‘)

>>> pl.title(‘sin‘)

>>> pl.plot(t,s)

>>> pl.show()

绘制散点图

>>> a = np.arange(0, 2.0*np.pi, 0.1)

>>> b = np.cos(a)

>>> pl.scatter(a,b)

>>> pl.show()

绘制散点图

>>> import matplotlib.pylabas pl

>>> import numpyas np

>>> x = np.random.random(100)

>>> y = np.random.random(100)

>>> pl.scatter(x,y,s=x*500,c=u‘r‘,marker=u‘*‘)

#s指大小,c指颜色,marker指符号形状

>>> pl.show()

修改散点符号

>>> a = np.arange(0, 2.0*np.pi, 0.1)

>>> b = np.cos(a)

>>> pl.scatter(a,b,marker=‘+‘)

>>> pl.show()

时间: 2024-09-30 22:00:09

Python可视化的扩展模块matplotlib的简单应用的相关文章

Python 可视化工具 Matplotlib

英文出处:Chris Moffitt. Matplotlib是Python中最常用的可视化工具之一,可以非常方便地创建海量类型的2D图表和一些基本的3D图表.本文主要介绍了在学习Matplotlib时面临的一些挑战,为什么要使用Matplotlib,并推荐了一个学习使用Matplotlib的步骤. 简介 对于新手来说,进入Python可视化领域有时可能会令人感到沮丧.Python有很多不同的可视化工具,选择一个正确的工具有时是一种挑战. 例如,即使两年过去了,这篇<Overview of Pyt

Python数据分析-可视化“大佬”之Matplotlib

Matplotlib--Python可视化包 折线图绘制 折线图适合二维的大数据集,还适合多个二维数据集的比较,主要是用于反映数据的发展趋势变化情况. ## 采用失业率的数据集进行绘制 import numpy as np from numpy import arange import pandas as pd import matplotlib.pyplot as plt dataSet = pd.read_csv("unrate.csv") # print(dataSet) dat

Pycon 2017: Python可视化库大全

本文首发于微信公众号“Python数据之道” 前言 本文主要摘录自 pycon 2017大会的一个演讲,同时结合自己的一些理解. pycon 2017的相关演讲主题是“The Python Visualization Landscape”. 先来一张全景图镇楼~~ 看完这张图是不是有点懵? 别着急,我们一起来看看后面的阐述. python可视化库可以大致分为几类: 基于matplotlib的可视化库 基于JS的可视化库 基于上述两者或其他组合功能的库 基于matplotlib的可视化库 matp

用Python可视化股票指标

用Python可视化股票指标 一个完整的量化交易策略指考虑到交易的方方面面,但是能不能赚钱,谁知道呢 :) 但是一个量化交易可以通过回测系统建立信心然后让其一如既往的运行,以达到让钱生钱的目的,并且是自动的. 笔者主要谈纯技术面的量化交易,基本面的一些情况并不好处理及量化,我也暂时没有涉及. 量化交易 一个完整的量化交易策略,个人觉得应该包含以下两个部分: 交易策略 资金管理 交易策略 一个完整的交易策略应该包含何时买,何时卖. 到底应该如何买卖,市场上大致分为两个技术流派. 趋势跟随 价值回归

windows下python配置numpy、matplotlib、scipy

这两天对Python进行了研究,并且配置了numpy.matplotlib以及scipy.现对基本概念以及配置步骤介绍: 基本概念: Python (英语发音:/?pa?θ?n/), 是一种面向对象.解释型计算机程序设计语言.专用的科学计算扩展库很多,例如如下3个十分经典的科学计算扩展库:NumPy.SciPy和matplotlib,它们分别为Python提供了快速数组处理.数值运算以及绘图功能. <python科学计算>这本书中对Python介绍得很是详细,推荐下.电子版下载链接http:/

python可视化_matplotlib

对于Python数据可视化库,matplotlib 已经成为事实上的数据可视化方面最主要的库,此外还有很多其他库,例如vispy,bokeh, seaborn,pyga,folium 和 networkx,这些库有些是构建在 matplotlib 之上,还有些有其他一些功能. 目录 matplotlib 基本函数 中文乱码 plot:线性图 bar:柱状图 barh:水平柱状图 pie:饼图 scatter:散点图 hist:直方图 stackplot:面积图 subplot:子图布局 Grid

python如何调用扩展模块

楔子 我们知道python的执行效率不是很高,而且由于GIL的原因,导致python不能充分利用多核CPU.一般的解决方式是使用多进程,但是多进程开销比较大,而且进程之间的通信也会比较麻烦.因此在解决效率问题上,我们会把那些比较耗时的模块使用C或者C++编写,然后编译成动态链接库,Windows上面是dll,linux上面则是so,编译好之后,交给python去调用.而且通过扩展模块的方式还可以解决python的GIL的问题,因此如果想要利用多核,我们仍然可以通过扩展模块的方式. python如

python 3.4 装matplotlib numpy

为了装个matplotlib包,搞了好久: python3.4,官方没有对应版本的包,只能去下面这个地方下对应的版本: http://www.lfd.uci.edu/~gohlke/pythonlibs/ 下载试了下,后发现出错,好像还缺个numpy的包 python 3.4 numpy官方也没有对应版本, 貌似得到下面的网站下载 http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyparsing 最后终于可以了 python 3.4 装matplotlib

【机器学习算法-python实现】采样算法的简单实现

1.背景 采样算法是机器学习中比较常用,也比较容易实现的(出去分层采样).常用的采样算法有以下几种(来自百度知道): 一.单纯随机抽样(simple random sampling) 将调查总体全部观察单位编号,再用抽签法或随机数字表随机抽取部分观察单位组成样本. 优点:操作简单,均数.率及相应的标准误计算简单. 缺点:总体较大时,难以一一编号. 二.系统抽样(systematic sampling) 又称机械抽样.等距抽样,即先将总体的观察单位按某一顺序号分成n个部分,再从第一部分随机抽取第k