数据可视化库-Matplotlib基本操作

python-3.7     pycharm  matplotlib 2.2.3

"""
    数据可视化库-Matplotlib
    时间:2018\9\12 0012
"""
import numpy as np
import pandas as pd
import matplotlib  as mpl
import matplotlib.pyplot as plt

print("""\n----------------------------日期格式转换-------------------------------------
--------------------------------------pd.to_datetime(Series)----------------------------------------\n""")
unrate = pd.read_csv("UNRATE.csv")
unrate["DATE"] = pd.to_datetime(unrate[‘DATE‘])
print(unrate.head(12))

print("""\n----------------------------数据可视化库-------------------------------------
--------------------------------------matplotlib.pyplot(X轴,Y轴)----------------------------------------\n""")
# plt.plot()  # 画图操作
# plt.show()  # 显示出来

first_twelve = unrate[0:12]
plt.plot(first_twelve[‘DATE‘], first_twelve[‘VALUE‘])
plt.xticks(rotation = 45)  # X数字为45°
plt.xlabel(‘Month‘)  # X轴标签
plt.ylabel(‘Unemployment Rate‘)  # Y轴标签
plt.title(‘Monthly Unemployment Trends 1948‘)  # 标题
plt.show()

print("""\n----------------------------数据可视化库-------------------------------------
--------------------------------------plt.add_subplot(行数,列数,索引)----------------------------------------\n""")
fig = plt.figure()  # figuresize = (行,列)
ax1 = fig.add_subplot(4, 3, 1)
ax2 = fig.add_subplot(4, 3, 2)
ax3 = fig.add_subplot(4, 3, 3)
ax6 = fig.add_subplot(4, 3, 6)
ax1.plot(np.random.randint(1, 5, 5), np.arange(5))
ax2.plot(np.arange(10) * 3, np.arange(10))
plt.show()
print("""\n----------------------------数据可视化库-------------------------------------
--------------------------------------一幅图画多套数据----------------------------------------\n""")
unrate[‘MONTH‘] = unrate[‘DATE‘].dt.month
unrate[‘MONTH‘] = unrate[‘DATE‘].dt.month
fig = plt.figure(figsize = (6, 3))
plt.plot(unrate[0:12][‘MONTH‘], unrate[0:12][‘VALUE‘], c = ‘red‘)
plt.plot(unrate[12:24][‘MONTH‘], unrate[12:24][‘VALUE‘], c = ‘blue‘)
plt.show()

# fig = plt.figure(figsize = (10, 6))
colors = [‘red‘, ‘blue‘, ‘green‘, ‘orange‘, ‘black‘]
for i in range(5):
    start_index = i * 12
    end_index = (i + 1) * 12
    subset = unrate[start_index:end_index]
    label = str(1948 + i)
    plt.plot(subset[‘MONTH‘], subset[‘VALUE‘], c = colors[i], label = label)
plt.legend(loc = ‘best‘)
plt.xlabel(‘Month‘)  # X轴标签
plt.ylabel(‘Unemployment Rate‘)  # Y轴标签
plt.title(‘Monthly Unemployment Trends 1948-1952‘)  # 标题
plt.show()

print("""\n----------------------------数据可视化库-------------------------------------
--------------------------------------柱形图ax.bar(位置,高度,宽度)----------------------------------------\n""")
reviews = pd.read_csv(‘fandango_score_comparison.csv‘)
cols = [‘FILM‘, ‘RT_user_norm‘, ‘Metacritic_norm‘, ‘IMDB_norm‘, ‘Fandango_Ratingvalue‘, ‘Fandango_Stars‘]
norm_reviews = reviews[cols]
num_cols = [‘RT_user_norm‘, ‘Metacritic_norm‘, ‘IMDB_norm‘, ‘Fandango_Ratingvalue‘, ‘Fandango_Stars‘]
bar_heights = norm_reviews.loc[0, num_cols].values  # 第0行,第num_cols列
print(bar_heights)
bar_prosions = np.arange(5) + 1
tick_prosions = range(1, 6)
print(bar_prosions)
ax = plt.subplot()

ax.bar(bar_prosions, bar_heights, 0.3)
# ax.barh(bar_prosions, bar_heights, 0.3) #纵横转换
ax.set_xticks(tick_prosions)
ax.set_xticklabels(num_cols, rotation = 45)

ax.set_xlabel("Rating Source")
ax.set_ylabel("Average Rating")
ax.set_title(‘Average User Rating For Averages: Age of Ultron(2015)‘)
plt.show()

print("""\n----------------------------数据可视化库-------------------------------------
--------------------------------------散点图ax.scatter(x坐标,y坐标)----------------------------\n""")
ax = plt.subplot()
ax.scatter(norm_reviews[‘Fandango_Ratingvalue‘], norm_reviews[‘RT_user_norm‘])
ax.set_xlabel("Fandango")
ax.set_ylabel("RottenTomatoes")
plt.show()

print("""\n----------------------------数据可视化库-------------------------------------
---------------------------范围的柱形图ax.hist(数据,range(范围低,范围高),bins = 柱形图范围个数)--------------\n""")
"""
    set_ylim(0,50)设置y轴区间
    ax.boxplot(X,Y)  画出四分图
    set_visible(False) 不显示XY轴
"""

运行结果:

原文地址:https://www.cnblogs.com/Mjerry/p/9638148.html

时间: 2024-11-05 15:56:36

数据可视化库-Matplotlib基本操作的相关文章

Python数据可视化库-Matplotlib(一)

今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库 通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等 废话不多说,我们直接通过例子来进行讲解. 首先我们有一组数据如下: 我们可以看到,这组数据有日期,还有日期对应的值,因为这组数据中的日期格式不是标准的日期格式 那么我们对数据做一下转换,取1948年的整年的数据,来进行一个绘图操作 import pandas as pd unrate = pd.rea

Python进阶(三十九)-数据可视化の使用matplotlib进行绘图分析数据

Python进阶(三十九)-数据可视化の使用matplotlib进行绘图分析数据 ??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.而且也可以方便地将它作为绘图控件,嵌入GUI应用程序中. ??它的文档相当完备,并且 Gallery页面 中有上百幅缩略图,打开之后都有源程序.因此如果你需要绘制某种类型的图,只需要在这个页面中浏览/复制/粘贴一下,基本上都能搞定. ??在Linux下比较著名的数据图工具还有gnuplot

Python进阶(四十)-数据可视化の使用matplotlib进行绘图

Python进阶(四十)-数据可视化の使用matplotlib进行绘图 前言 ??matplotlib是基于Python语言的开源项目,旨在为Python提供一个数据绘图包.我将在这篇文章中介绍matplotlib API的核心对象,并介绍如何使用这些对象来实现绘图.实际上,matplotlib的对象体系严谨而有趣,为使用者提供了巨大的发挥空间.用户在熟悉了核心对象之后,可以轻易的定制图像.matplotlib的对象体系也是计算机图形学的一个优秀范例.即使你不是Python程序员,你也可以从文中

超级好用的 Java 数据可视化库:Tablesaw

本文适合刚学习完 Java 语言基础的人群,跟着本文可了解和使用 Tablesaw 项目.示例均在 Windows 操作系统下演示 本文作者:HelloGitHub-秦人 HelloGitHub 推出的<讲解开源项目>系列,今天给大家带来一款基于 Java 语言的数据可视化库开源项目--Tablesaw Tablesaw是一款 Java 的数据可视化库.它主要包括两部分:一部分是数据解析库,另一部分是数据可视化库.数据解析库主要是加载数据,对数据进行操作(转化,过滤,汇总等).数据可视化库就是

实战大数据可视化库:D3.js

实战大数据可视化库:D3.js网盘地址:https://pan.baidu.com/s/1Sir6qnU7Hdz5l3IHNjdNEQ 提取码:vmdi D3.js 是一个 JavaScript 库,它主要用于对数据的动态图表展示.通过 HTML.SVG 以及 CSS,D3 可以让数据展现得更加鲜活.D3 使得数字的图形化展示变得异常单,可以说,它是当下最强大的基于网络的数据可视化技术. 本教程理论与实践结合,力图向读者全方位地展示 D3 大数据可视化技术,帮助读者快速利用 D3 创建可视化程序

学机器学习,不会数据分析怎么行——数据可视化分析(matplotlib)

前言 前面两篇文章介绍了 python 中两大模块 pandas 和 numpy 的一些基本使用方法,然而,仅仅会处理数据还是不够的,我们需要学会怎么分析,毫无疑问,利用图表对数据进行分析是最容易的,通过图表可以很好地理解数据之间的关联性以及某些数据的变化趋势.因此,将在这篇博客中介绍 python 中可视化工具 matplotlib 的使用. Figure 和 Subplot matplotlib 的图像都位于 Figure 对象中,可以用 plt.figure 创建一个新的 Figure f

python数据可视化的一下基本操作

1.导入数据可视化的相关库文件 import pandas as pd pd.set_option('display.max_column',30) import numpy as np import statsmodels.api as sm import matplotlib.pyplot as plt import seaborn as sns sns.set() from pylab import rcParams ##matplotlib rcParams['figure.figsiz

Python数据可视化——使用Matplotlib创建散点图

Matplotlib简述: Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D方面).该项目是由John Hunter于2002年启动的,其目的是为Python构建一个MATLAB式的绘图接口.如果结合Python IDE使用比如PyCharm,matplotlib还具有诸如缩放和平移等交互功能.它不仅支持各种操作系统上许多不同的GUI后端,而且还能将图片导出为各种常见的矢量(vector)和光栅(raster)图:PDF.SVG.JPG.PNG.BMP.GIF等. 此外,M

Python数据可视化之Matplotlib实现各种图表

数据分析就是将数据以各种图表的形式展现给领导,供领导做决策用,因此熟练掌握饼图.柱状图.线图等图表制作是一个数据分析师必备的技能.Python有两个比较出色的图表制作框架,分别是Matplotlib和Pyechart.本文主要讲述使用Matplotlib制作各种数据图表. Matplotlib是最流行的用于绘制2D数据图表的Python库,能够在各种平台上使用,可以绘制散点图.柱状图.饼图等. 1.柱状图 是一种以长方形或长方体的高度为变量的表达图形的统计报告图,由一系列高度不等的纵向条纹表示数