python 可视化 散点图。柱状图、等高线

散点图

import matplotlib.pyplot as plt
import numpy as np

#n个点
n = 1024
#平均值是0,方差是1
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
#确定颜色
T = np.arctan2(Y,X)

plt.scatter(X,Y,s=75,c=T,alpha=0.5)
#plt.scatter(np.arange(5),np.arange(5))

plt.xlim(-1.5,1.5)
plt.ylim(-1.5,1.5)

#隐藏所有的ticks
plt.xticks(())
plt.yticks(())

plt.show()

 

柱状图:

import matplotlib.pyplot as plt
import numpy as np

#12个柱状图
n=12
X = np.arange(n)#x会生成0到11
Y1 = (1-X/float(n))*np.random.uniform(0.5, 1.0, n)#随机随机生成0.5到1的数
Y2 = (1-X/float(n))*np.random.uniform(0.5, 1.0, n)

plt.bar(X,+Y1,facecolor=‘#9999ff‘,edgecolor=‘white‘)
plt.bar(X,-Y2,facecolor=‘#ff9999‘,edgecolor=‘white‘)

#zip是把X,Y1中的值分别给x和y
#plt.text(x位置,y位置,值)
for x,y in zip(X,Y1):
    #ha:horizontal alignment对齐方式
    plt.text(x,y+0.05,‘%.2f‘ % y,ha=‘center‘,va=‘bottom‘)

for x,y in zip(X,Y2):
    #ha:horizontal alignment对齐方式
    plt.text(x,-y-0.05,‘-%.2f‘ % y,ha=‘center‘,va=‘top‘)

plt.xlim(-.5,n)
plt.xticks(())
plt.ylim(-1.25,1.25)
plt.yticks(())
plt.show()

 

等高线

import matplotlib.pyplot as plt
import numpy as np

#通过x,y计算高度
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)

#把x,y绑定成网格的输入值
X,Y = np.meshgrid(x,y)

# use plt.contourf to filling contours
#X,Y and value for (X,Y) point
#contour为网格
#8代表分成10部分
#0分成2部分
#plt.cm.cool为冷色调,plt.cm.hot为暖色调,plt.cm.Spectral,plt.cm.hsv,plt.cm.ocean
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hsv)#画上颜色

#use plt.contour to add contounlines
#画线,contour为等高线的线
C = plt.contour(X,Y,f(X,Y),8,colors=‘black‘,linwidth=.5)

#adding label
plt.clabel(C,inline=True,fontsize=10)

plt.xticks(())
plt.yticks(())
plt.show()

 

本知识学于 莫烦python

原文地址:https://www.cnblogs.com/caiyishuai/p/9609012.html

时间: 2024-10-10 18:26:28

python 可视化 散点图。柱状图、等高线的相关文章

python可视化---堆积柱状图

import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = [1, 2, 3, 4, 5] y = [6, 10, 4, 5, 1] y1 = [2, 6, 3, 8, 5] plt.bar(x, y, alig

python可视化---并列柱状图

import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = np.arange(5) y = [6, 10, 4, 5, 1] y1 = [2, 6, 3, 8, 5] ba

Python数据可视化——散点图

PS: 翻了翻草稿箱, 发现居然存了一篇去年2月的文章...虽然naive,还是发出来吧... 本文记录了python中的数据可视化--散点图scatter, 令x作为数据(50个点,每个30维),我们仅可视化前两维.labels为其类别(假设有三类). 这里的x就用random来了,具体数据具体分析. label设定为[1:20]->1, [21:35]->2, [36:50]->3,(python中数组连接方法:先强制转为list,用+,再转回array) 用matplotlib的s

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

Python 可视化Twitter中指定话题中Tweet的词汇频率

CODE: #!/usr/bin/python # -*- coding: utf-8 -*- ''' Created on 2014-7-8 @author: guaguastd @name: plot_frequencies_words.py ''' if __name__ == '__main__': #import json # import Counter from collections import Counter # import search from search impor

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

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

Python可视化界面编程入门

Python可视化界面编程入门具体实现代码如所示: (1)普通可视化界面编程代码入门: import sysfrom PyQt5.QtWidgets import QWidget,QApplication #导入两个类来进行程序界面编程 if __name__=="__main__": #创建一个Application的类 app=QApplication(sys.argv) #创建一个窗口 w=QWidget() #设置窗口的尺寸大小 w.resize(400,200) # 移动窗口

python数据可视化示例柱状图

from matplotlib import pyplot as plt import platform import pandas from pathlib import Path # 根据不同的平台设置字体,不然无法显示中文windows platform_dic = {"Darwin": "Arial Unicode MS", "Windows": "SimHei"} plt.rcParams['font.family'