数据分析与展示——Matplotlib基础绘图函数示例

Matplotlib库入门

Matplotlib基础绘图函数示例

pyplot基础图表函数概述

函数 说明
plt.plot(x,y,fmt, ...) 绘制一个坐标图
plt.boxplot(data,notch,position) 绘制一个箱体图
plt.bar(left,height,width,bottom) 绘制一个条形图
plt.barh(width,bottom,left,height) 绘制一个横向条形图
plt.polar(theta,r) 绘制极坐标图
plt.pie(data,explode) 绘制饼图
plt.pas(x,NFFT=256,pad_to,Fs) 绘制功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F) 绘制谱图
plt.cohere(x,y,NFFT=256,Fs) 绘制X-Y的相关性函数
plt.scatter(x,y) 绘制散点图,其中,x和y长度相同
plt.step(x,y,where) 绘制步阶图
plt.hist(x,bins,normed) 绘制直方图
plt.contour(X,Y,Z,N) 绘制等值图
plt.vlines() 绘制垂直图
plt.stem(x,y,linefmt,markerfmt) 绘制柴火图
plt.plot_date() 绘制数据日期

pyplot饼图的绘制

import matplotlib.pyplot as plt

labels = ‘Frogs‘, ‘Hogs‘ ,‘Dogs‘ ,‘Logs‘
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)

plt.pie(sizes, explode=explode, labels=labels, autopct=‘%1.1f%%‘, shadow=False,startangle=90)

plt.show()

import matplotlib.pyplot as plt

labels = ‘Frogs‘, ‘Hogs‘ ,‘Dogs‘ ,‘Logs‘
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)

plt.pie(sizes, explode=explode, labels=labels, autopct=‘%1.1f%%‘, shadow=False,startangle=90)

plt.axis(‘equal‘)
plt.show()

pyplot直方图的绘制

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)
mu, sigma = 100, 20     # 均值和标准差
a = np.random.normal(mu, sigma, size=100)

plt.hist(a, 20, normed=1, histtype=‘stepfilled‘, facecolor=‘b‘, alpha=0.75)    # 第二个参数bin:直方图的个数
plt.title(‘Histogram‘)

plt.show()

pyplot极坐标的绘制

import numpy as np
import matplotlib.pyplot as plt

N = 20
theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False)
radii = 10 * np.random.rand(N)
width = np.pi / 4 * np.random.rand(N)

ax = plt.subplot(111, projection=‘polar‘)
bars = ax.bar(theta, radii, width = width, bottom = 0.0)

for r, bar in zip(radii, bars):
    bar.set_facecolor(plt.cm.viridis(r / 10.))
    bar.set_alpha(0.5)

plt.show()

pyplot散点图的绘制

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot(10 * np.random.randn(100), 10 * np.random.randn(100), ‘o‘)
ax.set_title(‘Simple Scatter‘)

plt.show()

时间: 2024-10-25 17:42:57

数据分析与展示——Matplotlib基础绘图函数示例的相关文章

数据分析与展示——Matplotlib库入门

Matplotlib库入门 Matplotlib库介绍 Matliotlib库是Python优秀的数据可视化第三方库. Matliotlib库的效果见:http://matplotlib.org/gallery.html Matplotlib库由各种可视化类构成,内部结构复杂,受Matlab启发. matplotlib.pyplot是绘制各类可视化图形的命令字库,相当于快捷方式.导入方式如下: import matplotlib.pyplot as plt 范例:使用Matplotlib库绘图

数据分析与展示---Matplotlib入门

简介: 一:Matplotlib库的介绍 (一)简单使用 二:区域划分subplot 三:plot函数 四:pyplot的中文显示 (一)方法一:修改rcParams参数 (二)方法二(推荐),在有中文地方增加属性:fontproperties 五:pyplot的文本显示方法 六:pyplot的子绘图区域 (一)subplot2grid() (二)GridSpec类加上subplot方法 一:Matplotlib库的介绍 (一)简单使用 import matplotlib.pyplot as p

Matplotlib 基础绘图

1. 建立图:利用子图 (subplot) 或坐标轴 (axes) ### gca自动生成:单图,简单,不可调 ### ax = gca() ### 利用子图:简单易用,不可重叠 ### ax1 = subplot(2,2,1) ax2 = subplot(2,2,2) ax3 = subplot(2,2,3) ax4 = subplot(2,2,4) # subplot(row,column,n) # 其中,row 为 行数 # column 为 列数 # n 为第几张图,位置如下: # ┌─

数据可视化之数据分析与展示

Python数据分析与展 本课程共包括4周内容,分别讲解: (1)Python第三方库NumPy,讲解N维数据的表达及科学计算的基本概念和运算方法: (2)Python第三方库Matplotlib,讲解绘制坐标系.散点图.极坐标图等直观展示数据趋势和特点的方法: (3)Python第三方库Pandas,强大的专业级数据分析和处理第三方库,介绍并讲解Series和DataFrame数据类型的表示和基本使用. 该课程希望传递"理解和运用计算生态,培养集成创新思维"的理念,重点培养学习者运用

Python数据分析与展示(1)-数据分析之表示(1)-NumPy数据存取与函数

NumPy数据存取与函数 数据的CSV文件存取 CSV文件 CSV(Comma-Separated Value,逗号分隔值) CSV是一种常见的文件格式,用来存储批量数据. 将数据写入CSV文件 np.savetxt(frame, array, fmt='%.18e', delimiter=None) -frame: 文件.字符串或产生器,可以是.gz或.bz2的压缩文件 -array: 存入文件的数组 -fmt: 写入文件的格式,例如:%d %.2f %.18e -delimiter:分割字符

Matplotlib 库 : 绘图和可视化

一.Matplotlib基础知识 1.1Matplotlib中的基本图表包括的元素 x轴和y轴 axis水平和垂直的轴线 x轴和y轴刻度 tick刻度标示坐标轴的分隔,包括最小刻度和最大刻度 x轴和y轴刻度标签 tick label表示特定坐标轴的值 绘图区域(坐标系) axes实际绘图的区域 坐标系标题 title实际绘图的区域 轴标签 xlabel ylabel实际绘图的区域 1.2 导包 import numpy as np import pandas as pd import matpl

Matplotlib基础使用

matplotlib 一.Matplotlib基础知识 Matplotlib中的基本图表包括的元素 x轴和y轴 axis 水平和垂直的轴线 x轴和y轴刻度 tick 刻度标示坐标轴的分隔,包括最小刻度和最大刻度 x轴和y轴刻度标签 tick label 表示特定坐标轴的值 绘图区域(坐标系) axes 实际绘图的区域 坐标系标题 title 实际绘图的区域 轴标签 xlabel ylabel 实际绘图的区域 import numpy as np import pandas as pd impor

Matplotlib:绘图和可视化

Matplotlib:绘图和可视化 简介 简单绘制线形图 plot函数 支持图类型 保存图表 一 .简介 Matplotlib是一个强大的Python绘图和数据可视化的工具包.数据可视化也是我们数据分析的最重要的工作之一,可以帮助我们完成很多操作,例如:找出异常值.必要的一些数据转换等.完成数据分析的最终结果也许就是做一个可交互的数据可视化. 安装方式: pip install matplotlib 引用方法: import matplotlib.pyplot as plt 二 .简单绘制线形图

数据分析与展示——NumPy库入门

这是我学习北京理工大学嵩天老师的<Python数据分析与展示>课程的笔记.嵩老师的课程重点突出.层次分明,在这里特别感谢嵩老师的精彩讲解. NumPy库入门 数据的维度 维度是一组数据的组织形式.数据维度就是在数据之间形成特定关系表达多种含义的一个概念. 一维数据: 一维数据由对等关系的有序或无序数据构成,采用线性方式组织.对应列表.数组和集合等概念. 列表和数组:一组数据的有序结构. 区别: 列表:数据类型可以不同 数组:数据类型相同 二维数据: 二维数据由多个一维数据构成,是一维数据的组合