matploylib.pyplot基础知识介绍
matploylib.pyplot基础知识介绍
使用:import matploylib.pyplot as plt
函数介绍:
-
plt.plot: plt.plot(x, y, format string, **kwargs)
x: X轴数据,列表或数组,可选。
y: Y轴数据,列表或数组。
format string:控制曲线的格式字符串,可选。
**kwargs:第二组或更多(x,y,format string)
当绘制多条曲线的时候,x的值不能省略
format string:控制曲线的格式字符串,可选由颜色字符、风格字符和标记字符组成,其中参数如下:
1、颜色字符:控制曲线的显示颜色:
2、风格字符:控制曲线的显示样子:
3、标记字符:控制曲线的标记样子:
例子:
a=np.arange(10)
plt.plot(a,a*1.5,'go-',a,a*2.5,'rx',a,a*3.5,'*',a,a*4.5,'b-.')
plt.show()
pyplot中的中文显示 (两种方法)
1、pyplot并不默认支持中文显示,需要rcParams修改字体实现。
import matplot1ib
matplotlib.rcParams['font.family']='SimHei'
rcParams属性:
'font.family’用于显示字体的名字
‘font.style’字体风格,正常’normal’或斜体’italic’
‘font.size’字体大小,整数字号或者’arge’、‘x-smal’
2、在有中文输出的地方,增加一个属性: fontproperties
plt.xlabel("横轴:时间",fontproperties='SimHei',fontsize=20)
pyplot的文本显示函数
函数 | 说明 |
---|---|
plt.xlabel() | 对X轴增加文本标签 |
plt.ylabel() | 对Y轴增加文本标签 |
plt.title() | 对图形整体增加文本标签 |
plt.text() | 在任意位置增加文本 |
plt.annotate() | 在图形中增加带箭头的注释 |
子网格设计函数
方法一:subplot2grid(GridSpec, CurSpec, colspan=1, rowspan=1)
含义:设定网格,选中网格,确定选中行列区域数量,编
号从0开始。
例如:plt. subplot2grid((3,3),(0,0), colspan=3)
方法二:GridSpec类+subplot
例如:
import matplotlib.gridspec as gridspec
gs = gridspec .GridSpec(3,3)
#利用切片的形式表示,其中:为全选,从左到右
ax1 = plt.subp1ot(gs[0, :])
ax2 = plt.subp1ot(gs[1, :-1])
ax3 = plt.subp1ot(gs[1:, -1])
ax4 = plt.subp1ot(gs[2, 0])
ax5 = plt.subp1ot(gs[2, 1])
pyplot基础常用图表函数
图片来源于嵩天老师《python数据分析与展示》,侵删。其中详细的信息可以去matploylib文档中查看
1、饼图的绘制:
plt.pie()
import matplotlib.pyplot as plt
import numpy as np
labels = '1', '2', '3','4'
sizes= [15, 30, 45, 10]
exp1ode = (0, 0.1, 0, 0)
plt.pie(sizes, explode=exp1ode, labels=labels, autopct= '%1.1f%%' ,
shadow=False, startangle=90)
plt. show()
2、直方图的绘制:
plt.hist()
import matplotlib.pyplot as plt
import numpy as np
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)
plt.title('Histogram')
plt. show()
3、散点图的绘制:
面向对象绘制散点图
import matplotlib.pyplot as plt
import numpy as np
fig,ax = plt.subplots( )
ax.plot (10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simple Scatter')
plt.show()
ps:表格图片的来源来自于北京理工大学嵩天老师的《python数据分析与展示》课程,侵删
本文地址:https://blog.csdn.net/nine_age/article/details/107580505
下一篇: 汉末众多名士之一,管宁为什么能独善其身?