数据可视化----matplotlib.pylot

一.输入具体数

plt.plot([3,1,4,5,2])   #自动生成y轴
plt.ylabel("Grade")     #y轴的标签

plt.savefig(‘test1‘,dpi=600)  ##(名称,像素)存为文件,默认PNG格式,可以通过dpi修改输出质量
plt.show() #显示图

  

plt.plot([0,2,4,6,8],[3,1,4,5,2])
plt.ylabel(‘y_grade‘)
plt.xlabel(‘x_grade‘)
plt.axis([-1,10,0,6])
plt.show()
plt.savefig(‘test2‘,dpi=600)

  

二.分割画布

def f(t):
    return np.exp(-t)*np.cos(2*np.pi*t)  ###定义衰减函数
a = np.arange(0.0,5.0,0.02)              ###定义X轴坐标
plt.subplot(211)                         ###分割画布为2行1列当前子区域为1
plt.plot(a,f(a))                         ###画衰减函数

plt.subplot(2,1,2)                       ###分割画布为2行1列当前子区域为2
plt.plot(a,np.cos(2*np.pi*a),‘r--‘)      ###画余弦函数:关于a每个元素的函数
plt.show()                               ###显示曲线

  

三.plt.plot(x,y,format_string,**kwargs)

  • x:X轴数据,列表 、数组    (可选: 如果没有就是y值对应索引)
  • y:Y轴数据,列表、数组
  • format_string:控制曲线的格式字符串,(可选)
  • **kwargs:第二组或更多t(x,y,format_string)    ----绘制多条曲线   必须给出x,y轴的数据

  一个plot绘制多条曲线:

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(10)
plt.plot(a,a*1.5,a,a*2.5,a,a*3.5,a,a*4.5)
plt.show()

  

  format_string:标记符的选择

a = np.arange(10)                                               ###生成0-9的等差数列
plt.plot(a,a*1.5,‘go-‘,a,a*2.5,‘rx‘,a,a*3.5,‘*‘,a,a*4.5,‘b-.‘)  ###生成多组x,y,并且确定各个曲线的标记符
plt.show()

  

四.标签及坐标轴

  全局更改字体:不要轻易更改全局字体

import matplotlib
matplotlib.rcParams[‘font.family‘] = ‘Kaiti‘ ##显示中文,黑体
matplotlib.rcParams[‘font.size‘] = 20         ##字体大小20

  局部更改字体 

import numpy as np
import matplotlib.pyplot as plt
a = np.arange(0.0,5.0,0.02)
plt.plot(a,np.cos(2*np.pi*a),‘r--‘)                                        #自动生成y轴
plt.xlabel("纵轴:时间",fontproperties = ‘SimHei‘,fontsize = 20)             ##中文标签,需要增加属性
plt.ylabel("纵轴:振幅",fontproperties = ‘SimHei‘,fontsize = 20)             ##中文标签,需要增加属性
plt.savefig(‘test1‘,dpi=600)                                               ##存为文件,默认PNG格式,可以通过dpi修改输出质量
plt.show()

  

详细的文本设置

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0,5.0,0.02)
plt.plot(a,np.cos(2*np.pi*a),‘r--‘)                                        #自动生成y轴
plt.xlabel("纵轴:时间",fontproperties = ‘SimHei‘,fontsize = 20)             ##中文标签
plt.ylabel("纵轴:振幅",fontproperties = ‘SimHei‘,fontsize = 20)             ##中文标签
plt.title(r‘正弦函数$y=cos(2\pi x)$‘,fontproperties = ‘SimHei‘,fontsize = 15)               ##增加抬头
plt.text(1.5,-1,r‘任意位置增加文本‘,fontproperties = ‘SimHei‘,fontsize=10)     ##x,y确定位置                                          ##任意位置增加文本
##文本,箭头位置,文本位置,箭头属性---箭头颜色(黑),缩颈shrink,箭头宽度2
plt.annotate(r‘$\mu=100$‘,xy=(2,1),xytext=(3,1.5),
             arrowprops=dict(facecolor = ‘black‘,shrink=0.1,width=2))     ##在图形中增加带箭头的注解
plt.axis([-1,6,-2,2])                                                      ##限制刻度范围
plt.grid(True)                                                             ##显示背景网格
plt.savefig(‘test1‘,dpi=600)                                               ##存为文件,默认PNG格式,可以通过dpi修改输出质量
plt.show()

  

原文地址:https://www.cnblogs.com/liuhuacai/p/11207349.html

时间: 2024-10-18 22:12:59

数据可视化----matplotlib.pylot的相关文章

python数据可视化(matplotlib)

数据可视化 基本概念 数据可视化是指借助于图形化的手段,清晰.快捷有效的传达与沟通信息.同时,也可以辅助用户做出相应的判断,更好的去洞悉数据背后的价值. 字不如表,表不如图. 观察号码的频率,每个号码出现了多少次? 文字 08 10 15 20 30 31 33 0601 09 10 17 21 28 32 1302 05 08 13 19 21 28 1003 05 07 14 18 23 25 07…… …… 表格 图形 通过可视化图表方式,就可以清晰的表达信息 可视化图形辅助决策 1854

数据可视化-Matplotlib简易入门(一)

本节的内容来源:https://www.dataquest.io/mission/10/plotting-basics 本节的数据来源:https://archive.ics.uci.edu/ml/datasets/Forest+Fires 原始数据展示(这张表记录了某个公园的火灾情况,X和Y代表的是坐标位置,area代表的是烧毁面积) import pandas forest_fires = pandas.read_csv('forest_fires.csv') print(forest_fi

python数据可视化matplotlib的使用

# -*- coding:UTF-8 -*- import numpy as np import matplotlib.pyplot as plt from matplotlib.ticker import MultipleLocator from pylab import mpl import sys reload(sys) sys.setdefaultencoding('utf8') xmajorLocator = MultipleLocator(10* 1) #将x轴主刻度标签设置为10*

<数据可视化>Matplotlib +

1.Matplotlib介绍 Matplotlib 是 Python 2D-绘图领域使用最广泛的套件.它能让使用者很轻松地将数据图形化,并且提供多样化的输出格式. pylab 是 matplotlib 面向对象绘图库的一个接口. pylab模块里面集成了matplotlib和numpy,也可以导入pylab模块. 模块导入: import numpy as np import matplotlib.pyplot as plt 或者 from pylab import * 1.1 简单的例子 fr

python数据可视化——matplotlib 用户手册入门:pyplot 画图

参考matplotlib官方指南: https://matplotlib.org/tutorials/introductory/pyplot.html#sphx-glr-tutorials-introductory-pyplot-py pyplot是常用的画图模块,功能非常强大,下面就来见识下它的能力吧 1.快速画出常见图形 2.使用关键字字符串作图 3.使用类别变量画图 4.创建多图 1 import matplotlib.pyplot as plt 2 %matplotlib inline

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

数据可视化利器pyechart和matplotlib比较

python中用作数据可视化的工具有多种,其中matplotlib最为基础.故在工具选择上,图形美观之外,操作方便即上乘. 本文着重说明常见图表用基础版matplotlib和改良版pyecharts作图间的差异 一.maplotlib 基本用法如下: import numpy as np import pandas as pd from pandas import Series, DataFrame import matplotlib.pyplot as plt import matplotli

【Data Visual】一文搞懂matplotlib数据可视化

一文搞懂matplotlib数据可视化 作者:白宁超 2017年7月19日09:09:07 摘要:数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息.但是,这并不就意味着数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味,或者是为了看上去绚丽多彩而显得极端复杂.为了有效地传达思想概念,美学形式与功能需要齐头并进,通过直观地传达关键的方面与特征,从而实现对于相当稀疏而又复杂的数据集的深入洞察.然而,设计人员往往并不能很好地把握设计与功能之间的平衡,从而创造出华而不实的数据可视化形式,