matplotlib画图

import matplotlib.pyplot as plt

# 绘图的三个步骤
# 创建画布 figsize 长宽大小 dpi图像的像素密度 默认100
plt.figure(figsize=(20,8),dpi=100)
# 绘制图像 分别为x和y坐标的列表
x = [i for i in range(0,20)]
y = [i for i in range(30,50)]
plt.plot(x,y)
# 添加描述信息
plt.xlabel('time')
plt.ylabel('temp')
plt.title('table')
# 添加坐标轴刻度
x_tick_label = ['11-{}'.format(i) for i in x]
plt.xticks(x[::5],x_tick_label[::5])
y_range = range(10,100)
# 绘制网格线 aplha是透明度
plt.grid(linestyle='--',alpha=0.8)
# 保存图像要在show之前 调用plt.show()以后 会自动把内存清空
plt.savefig('./test.png')
# 显示图像
plt.show()

绘制2个折线图在同一坐标系

plt.plot(x,y1,label = 'shanghai' )
plt.plot(x,y2,label  = 'beijing')
# 添加图例
plt.legend(loc = 'best')

多个坐标系显示

绘图区域要修改

import matplotlib.pyplot as plt

# 绘图的三个步骤
# 创建画布 figsize 长宽大小 dpi图像的像素密度 默认100
# plt.figure(figsize=(20,8),dpi=100)
# fig画布只有一个 ax是一个一行两列的数组
fig,ax = plt.subplots(nrows=1,ncols=2,figsize=(20,8))

# 绘制图像 分别为x和y坐标的列表
x = [i for i in range(0,20)]
y = [i for i in range(30,50)]

x2 = [i for i in range(30,40)]
y2 = [i for i in range(90,100)]
ax[0].plot(x,y,color='r')
ax[1].plot(x2,y2)
# 添加描述信息
ax[0].set_xlabel('time')
ax[0].set_ylabel('temp')
ax[0].set_title('table')

ax[1].set_xlabel('time')
ax[1].set_ylabel('temp')
ax[1].set_title('table')
# 添加坐标轴刻度
x_tick_label = ['11-{}'.format(i) for i in x]
ax[0].set_xticks(x[::5])
ax[0].set_xticklabels(x_tick_label[::5])

y_range = range(10,100)
# 绘制网格线 aplha是透明度
ax[0].grid(linestyle='--',alpha=0.8)
ax[1].grid(linestyle='--',alpha=0.8)
# 保存图像要在show之前 调用plt.show()以后 会自动把内存清空
plt.savefig('./test.png')
# 显示图像
plt.show()

绘制函数图像

# 创建数据 绘制函数图像的时候 要取足够多的点 才能看到光滑的曲线
x = np.linspace(-10,10,1000)
y = np.sin(x)

#创建画布
plt.figure(figsize=(20,8))
plt.plot(x,y)
plt.show()

常见图形种类及意义

折线图 体现变化趋势
plt.plot(x,y)

散点图
用两组数据构成多个坐标点  考察  坐标点的分布情况
判断两变量之间是否存在某种关联或总结坐标点的分布模式 还可以判断是否有异常点
plt.scatter(x,y)

柱状图
能够  一眼看出各个数据的大小 比较数据的差别
plt.bar(x,y,width,centre)

直方图
绘制连续性的数据 展示一组或多组数据的分布情况
横坐标是 最小值 - 最大值 的分布区间
eg: max = 10 min = 5 
x = [ 5,6,7,8,9,10 ]
然后统计数据落在各个区间的频率

matplotlib.pyplot.hist(x,bins=None)
bins：要分类的区间数量

饼图
分类数据的占比情况
plt.pie(x,labels=,autopct=,colors)
x:每一块的数量，自动算百分比
labels: 每部分名称
autopct：占比显示指定 %1.2f%%
colors: 每部分颜色