数据分析之matplotlib.pyplot模块
程序员文章站
2023-01-13 11:50:51
首先都得导模块。 一、绘制单线图 1,直线图 2,抛物线 3,正弦图 这里得到图形取决于x跟y的关系 二、绘制多个曲线的图 1,连续调用多次plot函数 2,也可以在一个plot函数中传入多对x,y值 3,将多个曲线绘制在一个table区域中:对象形式创建表图 三、plt的一些样式设置 1,设置网格 ......
首先都得导模块。
import numpy as np import pandas as pd import matplotlib.pyplot as plt from pandas import series,dataframe
一、绘制单线图
1,直线图
x=[1,2,3,4,5] y=[2,4,6,8,10] plt.plot(x,y)
2,抛物线
x = np.arange(-np.pi,np.pi,0.2) y = x**2 plt.plot(x,y)
3,正弦图
x = np.arange(-np.pi,np.pi,0.2) y = np.cos(x) plt.plot(x,y)
这里得到图形取决于x跟y的关系
二、绘制多个曲线的图
1,连续调用多次plot函数
plt.plot(x,y) plt.plot(x+3,y+3)
2,也可以在一个plot函数中传入多对x,y值
plt.plot(x,y,x+10,y+10)
3,将多个曲线绘制在一个table区域中:对象形式创建表图
a=plt.subplot(row,col,loc)创建曲线图对象 a.plot(x,y) ax1 = plt.subplot(2,2,1) ax1.plot(x,y) ax1.grid() ax2 = plt.subplot(2,2,2) ax2.plot(x,y) ax3 = plt.subplot(2,2,3) ax3.plot(x,y) ax4 = plt.subplot(2,2,4) ax4.plot(x,y)
三、plt的一些样式设置
1,设置网格线,plt.grid()
参数: axis:控制方向 color:支持十六进制颜色 linestyle:线的形状 alpha:透明度 plt.grid(axis='both') plt.plot(x,y)
2,坐标轴界限
axis方法设置x,y轴刻度值的范围 plt.axis([xmin,xmax,ymin,ymax]) plt.axis([-6,6,-2,2]) plt.plot(x,y)
通过设置plt.axis('off')可以把坐标轴刻度给关闭,我们就只会看到图,而看不到刻度
3,设置画布比例
plt.figure(figsize=(a,b)) a:x刻度比例 b:y刻度比例 (2:1)表示x刻度显示为y刻度显示的2倍 plt.figure(figsize=(8,18)) plt.plot(x,y)
4,设置x轴,y轴,图片的名称
plt.xlabel('xxx') plt.ylabel('yyy') plt.title('ttt') plt.plot(x,y)
5,设置图例
5.1 分别在plot函数中添加label参数,在调用plt.legend()方法显示
plt.plot(x,y,label='aaa') plt.plot(x+3,y+3,label='bbb') plt.legend()
5.2 直接在legend()方法中传入字符串列表
plt.plot(x,y,x+3,y+3) plt.legend(['aaa','bbb'])
5.3 还可以设置legend()方法的参数调整图例的位置和显示样式
loc参数用于设置图例标签的位置,一般在legend函数内
ncol控制图例中有几列,在legend中设置ncol
plt.plot(x,y,x+3,y+3) plt.legend(['aaa','bbb'],loc=3,ncol=2)
6,保存图片
使用figure对象的savefig函数来保存图片 fig = plt.figure()---必须放置在绘图操作之前 figure.savefig的参数选项 filename:含有文件路径的字符串或python的文件型对象。图像格式由文件扩展名推断得出,例如,.pdf推断出pdf,.png推断出png (“png”、“pdf”、“svg”、“ps”、“eps”……) dpi:图像分辨率(每英寸点数),默认为100 facecolor ,打开保存图片查看 图像的背景色,默认为“w”(白色) fig = plt.figure() plt.plot(x,y,x+3,y+3) plt.legend(['aaa','bbb'],loc=3,ncol=2) fig.savefig('./img.png',dpi=500)
四、plot的参数设置
color或c:颜色,如‘r’或‘red’红色,‘g’绿色;也可以是十六进制,如'#eeefff';还可以rgb元祖,(0.2,0.3,0.4),值只能是0到1 alpha透明度 参数linestyle或ls线型 参数linewidth或lw线宽 marker点型 markersize点的大小
五、直方图
是一个特殊的柱状图,又叫做密度图。 【直方图的参数只有一个x!!!不像条形图需要传入x,y】 plt.hist()的参数 bins :直方图的柱数,可选项,默认为10 color :指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如dataframe对象,颜色序列将会设置为相同的顺序。如果未指定,将会使用一个默认的线条颜色 orientation :通过设置orientation为horizontal创建水平直方图。默认值为vertical
data=[1,2,3,2,3,1,4,5,2,2] plt.hist(data,bins=10) #data数据时1到5,所以它会把1到5之间分成11个区域,把每个区域所包含数据的个数给统计出来
六、条形图
- 参数:第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度 - width 纵向设置条形宽度 - height 横向设置条形高度 bar()纵向、barh()横向
data1=[2,4,1,5] data2=[3,5,1,6] plt.bar(data1,data2)
plt.barh(data1,data2)
七、饼图
饼图主要有两种,取决于第一个数据参数,首先数据的是一个列表,但列表中出现整数时,每块占比等于自身值除以所有值总和,这种情况下占比总和为1;当每个值都是0到1之间,而且总和小于等于1,那么每个的占比就是自身值,这种情况下,占比总和就不一定为1了。
1,占比总和肯定为1的
plt.pie([2,4,6]) #表示的是2占12的比例,4占12的比例,6占12的比例
2,占比总和不一定为1的
plt.pie([0.2,0.4,0.1])#表示0.1占10%,0.2占20%,0.4占40%
3,属性设置
饼图阴影、分裂等属性设置 #labels参数设置每一块的标签; #labeldistance参数设置标签距离圆心的距离(比例值) #autopct参数设置比例值小数保留位(%.3f%%); #pctdistance参数设置比例值文字距离圆心的距离 #explode参数设置每一块顶点距圆心的长度(比例值,列表); #colors参数设置每一块的颜色(列表); #shadow参数为布尔值,设置是否绘制阴影 #startangle参数设置饼图起始角度
3.1 给每一块设置标签
arr=[2,4,6] plt.pie(arr,labels=['a','b','c'])
3.2 给标签设置离中心的距离
arr=[2,4,6] plt.pie(arr,labels=['a','b','c'],labeldistance=0.5)
3.3 数值表示每块的占比,并设置占比离中心的距离
arr=[2,4,6] plt.pie(arr,labels=['a','b','c'],labeldistance=0.5,autopct='%.2f%%',pctdistance=0.8)
3.4 设置每块顶点离中心的距离
arr=[2,4,6] plt.pie(arr,labels=['a','b','c'],labeldistance=0.5,autopct='%.2f%%',pctdistance=0.8,explode=[0.2,0.4,0.3])
八、散点图
散点图需要两个参数x,y,但此时x不是表示x轴的刻度,而是每个点的横坐标! scatter()
x = np.random.random(size=(100)) y = np.random.random(size=(100)) plt.scatter(x,y)
1,meshgrid()和散点图结合扩展
import matplotlib.pyplot as plt import pandas as pd import numpy as np x1=np.arange(1,5,0.01) y1=np.arange(1,5,0.01) arr1=np.meshgrid(x1,y1)[0] arr2=np.meshgrid(x1,y1)[1] plt.scatter(arr1,arr2)
上一篇: 一个commit引发的思考
下一篇: C语言:正负数之间取模运算(转载)
推荐阅读
-
Python基本数据结构之字典类型dict用法分析
-
PHP设计模式之数据访问对象模式(DAO)原理与用法实例分析
-
Android数据持久化之SQLite数据库用法分析
-
Python3.5内置模块之time与datetime模块用法实例分析
-
Python3.5内置模块之shelve模块、xml模块、configparser模块、hashlib、hmac模块用法分析
-
Android数据持久化之File机制分析
-
Python常用模块之requests模块用法分析
-
Python3.5内置模块之os模块、sys模块、shutil模块用法实例分析
-
Python3.5内置模块之random模块用法实例分析
-
数据分析之Numpy库