数据分析06 /matplotlib绘图

目录

  • 数据分析06 /matplotlib绘图

    • 1. 绘制线性图:plt.plot()
    • 2. 绘制柱状图:plt.bar()
    • 3. 绘制直方图:plt.hist()
    • 4. 绘制饼状图:pie()
    • 5. 绘制散点图:scatter()

数据分析06 /matplotlib绘图

1. 绘制线性图:plt.plot()

  • 绘制单条线形图

    import matplotlib.pyplot as plt
    import numpy as np
    x = [1,2,3,4,5]
    y = [5,4,3,2,1]
    plt.plot(x,y)

    绘制抛物线形图

    x = np.linspace(-np.pi,np.pi,40)
    y = x**2
    plt.plot(x,y)

  • 在一个坐标系中绘制多条曲线
    plt.plot(x,y)
    plt.plot(x-1,y+2)

  • 给x,y设定标识
    plt.plot(x,y)
    plt.xlabel('name')
    plt.ylabel('score')
    plt.title('Performance trends')

  • 设置图例大小
    plt.figure(figsize=(10,10))
    plt.plot(x,y)
  • 设置图例legend()
    plt.plot(x,y,label='s1')
    plt.plot(x-1,y+2,label='s2')
    plt.legend(loc=4)

  • 保存图例
    # 1.实例化一个对象
    fig = plt.figure()
    
    # 2.画图
    plt.plot(x,y,label='hello')
    plt.plot(x-1,y+2,label='hey')
    plt.legend(loc=4)
    
    # .保存
    fig.savefig('./123.png')

2. 绘制柱状图:plt.bar()

  • plt.bar()参数:第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度
  • 示例:
    x = [1,2,3,4,5]   # x轴的刻度
    y = [2,3,4,5,6]   # 柱子的高度
    plt.bar(x,y)

3. 绘制直方图:plt.hist()

  • 是一个特殊的柱状图,又叫做密度图
  • plt.hist()的参数:
    • bins
      可以是一个bin数量的整数值,也可以是表示bin的一个序列。默认值为10
    • normed
      如果值为True,直方图的值将进行归一化处理,形成概率密度,默认值为False
    • color
      指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象,颜色序列将会设置为相同的顺序。如果未指定,将会使用一个默认的线条颜色
    • orientation
      通过设置orientation为horizontal创建水平直方图。默认值为vertical
  • 示例:
    x = [1,1,2,3,4,5,5,5,6,7,7,7,7,7,7,8]
    plt.hist(x,bins=15)   # 柱子的个数

4. 绘制饼状图:pie()

  • 饼图适合展示各部分占总体的比例,条形图适合比较各部分的大小
  • pie()只有一个参数x
  • 示例:

    示例一

    arr=[11,22,31,15]
    plt.pie(arr)

    示例二:加起来不满足1

    arr=[0.2,0.3,0.1]
    plt.pie(arr)

    示例三:设置各部分的标识

    arr=[11,22,31,15]
    plt.pie(arr,labels=['a','b','c','d'])

    示例四:设置标识距离中心的距离

    arr=[11,22,31,15]
    plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

    示例五:显示各部分所占的比例

    arr=[11,22,31,15]
    plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%')

    示例六:各部分设置距离中心点不同的距离

    arr=[11,22,31,15]
    plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])

5. 绘制散点图:scatter()

  • 因变量随自变量而变化的大致趋势
  • 示例:

    示例一:有规律散点图

    x = np.array([1,3,5,7,9])
    y = x ** 2
    plt.scatter(x,y)

    示例二:无规律散点图

    x = np.random.random((60,))
    y = np.random.random((60,))
    plt.scatter(x,y)

原文地址:https://www.cnblogs.com/liubing8/p/12037531.html

时间: 2024-10-07 18:54:37

数据分析06 /matplotlib绘图的相关文章

数据分析07 /matplotlib绘图

目录 数据分析07 /matplotlib绘图 1. 绘制线性图:plt.plot() 2. 绘制柱状图:plt.bar() 3. 绘制直方图:plt.hist() 4. 绘制饼状图:pie() 5. 绘制散点图:scatter() 数据分析07 /matplotlib绘图 1. 绘制线性图:plt.plot() 绘制单条线形图 import matplotlib.pyplot as plt import numpy as np x = [1,2,3,4,5] y = [5,4,3,2,1] p

python数据分析之matplotlib绘图

开此博客用于记录学习和方便复习查看. pyplot 在matplotlib面向对象的绘图库中,pyplot是一个方便的接口. 基本绘图函数 mp.plot(水平坐标数组, 垂直坐标数组) 1 from __future__ import unicode_literals 2 import numpy as np 3 import matplotlib.pyplot as mp 4 x = np.linspace(-np.pi, np.pi, 1000) 5 cos_y = np.cos(x) /

matplotlib绘图学习

matplotlib绘图学习 (1)matplotlib安装 下载地址https://pypi.python.org/pypi/matplotlib#downloads 下载windows包matplotlib-2.1.0-cp35-cp35m-win_amd64.whl 安装命令: python -m pip --user matplotlib-2.1.0-cp35-cp35m-win_amd64.whl 检查是否安装成功使用import导入操作,不报错即可 (2)绘制一个简单的折线图 imp

Python3快速入门(十六)——Matplotlib绘图

Python3快速入门(十六)--Matplotlib绘图 一.Matplotlib简介 1.Matplotlib简介 Matplotlib是 Python 2D-绘图领域使用最广泛的套件,可以简易地将数据图形化,并且提供多样化的输出格式.matplotlib有两个接口,一个是状态机层的接口,通过pyplot模块来进行管理:一个是面向对象的接口,通过pylab模块将所有的功能函数全部导入其单独的命名空间内. 2.Matplotlib安装 使用conda安装如下:conda install mat

matplotlib绘图-斜上抛运动

matplotlib是Python中绘制2D图形使用最多的库,可以很轻松的将数据图形化.本文绘制了斜上抛运动,下面是最终的效果. (菲菲老师教得好,幸不辱命 (? ̄?? ̄??)??° ) 导入所需数据包这里的animation.FuncAnimation(fig,update,generate,interval = 5)函数,是用于生成动态图片的.其中fig表示生成的图表对象:generate函数生成数据后传递给update函数更新,这样数据不断更新,图形也不停变化:interval表示时间间隔

Pandas数据处理+Matplotlib绘图案例

利用pandas对数据进行预处理然后再使用matplotlib对处理后的数据进行数据可视化是数据分析中常用的方法. 第一组例子(星巴克咖啡店) 假如我们现在有这样一组数据:星巴克在全球的咖啡店信息,如下图所示.数据来源:starbucks_store_locations. 店铺总数排名前10的国家 # coding=utf-8 # 统计店铺数排名前10的国家 import pandas as pd from matplotlib import pyplot as plt from matplot

python数据分析之:绘图和可视化及python数据分析实例

在数据分析领域,最出名的绘图工具就是matlib.在Python同样有类似的功能.就是matplotlib.前面几章我们都在介绍数据的生成,整理,存储.那么这一章将介绍如果图形化的呈现这些数据.来看下面的代码 这个代码通过numpy生成50个随机数,然后进行求和,最后将50个数绘制成图像,k--代表以虚线的方式 import matplotlib.pyplot as plt from numpy.random import randn if __name__=="__main__":

python数据分析工具 | matplotlib

不论是数据挖掘还是数学建模,都免不了数据可视化的问题.对于 Python 来说,matplotlib 是最著名的绘图库,它主要用于二维绘图,当然也可以进行简单的三维绘图.它不但提供了一整套和 Matlab 相似但更为丰富的命令,让我们可以非常快捷地用 python 可视化数据. matplotlib基础 # 安装 pip install matplotlib 两种绘图风格: MATLAB风格: 基本函数是 plot,分别取 x,y 的值,然后取到坐标(x,y)后,对不同的连续点进行连线. 面向对

【原】在Matplotlib绘图过程中设置X轴的刻度和显示文本

使用Matplotlib进行绘图时,当x轴的数据太多的时候,就需要设置x轴的刻度和显示文本,关键代码如下: 绘图结果如下: