Python数据可视化之matplotlib实践(1.入门)
**
一、Python可视化之matplotlib的入门技术*
学习环境:Anaconda
用到的编辑软件:Spder(Python 3.7)
学习内容:
使用matplotlib库绘制基本统计图像。
matplotlib库的图表组成元素的概念和实现方法
细化matplotlib库的图形内容基本操作方法
1.1绘制matplotlib图表组成元素的主要函数
画布:在一个图形输入窗口中,底层是一个figure实例,我们称之为画布。在画布上显示图形,图形有坐标轴,刻度,标签,线,标记等,称之为Axes实例。
matplotlib提供多种API函数,例如matplotlib.pyplot.xlim()和matplotlib.pyplot.ylim()控制x轴和y轴的数值显示范围
1.2准备数据
导入第三方包科学计算包Numpy和快速绘图模块pyplot。
其中matplotlib库实在Numpy基础上进行绘图的,数据生成代码如下:
import matplotlib.pyplot as plt #导入pyplot绘图模块
import numpy as np #导入numpy包
x = np.linspace(0.5,3.5,100)
y = np.sin(x)
y1 = np.random.randn(100)
注释:
函数np.linspace(0.5,3.5,100)表示在0.5至3.5之间均匀地取100个数。
函数np.random.randn(100)表示在标准正太分布中随机地取100个数。
1.3绘制matplotlib图表组成元素的函数用法
1.3.1函数plot()
函数功能:展示变量的变化趋势
函数样例:plt.plot(x, y, ls = ‘-’, lw = 2, label = ‘plot figure’)
参数说明:
ls:线条风格
lw:线条宽度
label:标签文本
代码展示:
#-*-coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.cos(x)
plt.plot(x, y, ls='-', lw=2, label='plot figure')
plt.legend() #显示label标签
plt.show()
运行结果:
扩展代码:
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 10)
y = np.cos(x)
plt.plot(x, y, ls = '-', lw = 2, label = 'plot figure', color = 'r', marker = 's',markersize = 10)
plt.legend() #显示label标签
plt.show()
运行结果:
ls参数:
color参数:
marker参数:
1.3.2函数scatter()
函数功能:寻找变量之间的关系
函数样例:plt.scatter(x, y, c = ‘b’, label = ‘scatter figure’)
参数说明:
c:颜色(取color首字母)
代码如下:
#-*-coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.random.rand(1000)
#rand: 均匀分布
plt.scatter(x, y, c='r', label='scatter figure')
plt.legend()
plt.show()
运行结果:
1.3.3 函数xlim()
函数功能:设置x轴的数值范围显示范围
函数样例:plt.xlim(xmin,xmax)
参数说明:
xmin,xmax:轴的数值显示范围
同理,plt.ylim(ymin,ymax)用来设置y轴的数值显示范围
代码展示:
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.random.rand(1000)
plt.scatter(x, y, label='scatter figure')
plt.legend()
plt.xlim(0.05, 10) #x轴的显示范围
plt.ylim(0, 1) #y轴的显示范围
plt.show()
运行结果:
1.3.4函数xlabel()
函数功能:设置x轴的标签文本
函数样例:plt.xlabel(string)
参数说明:
string:标签的内容
同理,plt.ylabel(string)用来设置y轴的标签文本
代码样例:
#-*-coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.sin(x)
plt.plot(x, y, ls='-.', lw =2, c='c', label='plot figure')
plt.legend()
plt.xlabel('x-axis') #x轴标签
plt.ylabel('y-axis') #y轴标签
plt.show()
运行结果:
1.3.5函数grid()
函数功能:绘制刻度线的网格线
函数样例:plt.grid(ls = ‘:’, color = ‘r’)
参数说明:
ls:网格线的线条风格
color:网格线颜色
代码样例:
#-*-coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.sin(x)
plt.plot(x, y, ls='-.', lw =2, c='c', label='plot figure')
plt.legend()
plt.grid(ls=':', c='r', lw=2)
#功能:绘制刻度线的网格线
#ls:线条风格
#c: 线条颜色
#lw:线条宽度
plt.show()
运行结果:
1.3.6函数axhline()
函数功能:绘制平行于x轴的水平参考线
函数样例:plt.axhline(y=0.0, c=’r’, ls=’–’, lw=2)
参数说明:
y: 水平参考线的位置
同理,plt.axvline(x=0.0, c=’r’, ls=’–’, lw=2) 绘制垂直于x轴的垂直参考线
函数样例:
#-*-coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.sin(x)
plt.plot(x, y, ls='-.', lw =2, c='c', label='plot figure')
plt.legend()
plt.axhline(y=0, c='r', ls='--', lw=2)
#绘制平行于x轴的水平参考线
plt.axvline(x=4, c='k', ls='--', lw=2)
#绘制垂直于x轴的垂直参考线
plt.show()
运行结果:
1.3.7函数axvspan()
函数功能:绘制垂直于x轴的参考区域
函数样例:plt.axvspan(xmin=1, xmax=2, facecolor=’y’, alpha=0.3)
参数说明:
xmin,xmax: 参考区域的起始位置和终止位置
facecolor: 参考区域的填充颜色
alpha: 参考区域的填充颜色的透明度
同理,plt.axhspan(ymin=1.0, ymax=2.0, facecolor=’y’, alpha=0.3)表示绘制平行于x轴的参考区域。
代码样例:
#-*-coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.sin(x)
plt.plot(x, y, ls='-.', lw =2, c='c', label='plot figure')
plt.legend()
plt.axhspan(ymin=0, ymax=0.5, facecolor='y', alpha=0.5)
#绘制平行于x轴的参考区域, alpha:透明度
plt.axvspan(xmin=4, xmax=6, facecolor='r', alpha=0.3)
#绘制垂直于x轴的参考区域
plt.show()
运行结果:
上一篇: Prewitt和Sobel算子
下一篇: 简单总结 MySQL 表示日期的数据类型
推荐阅读
-
Python数据分析matplotlib可视化之绘图
-
Python数据可视化:Matplotlib入门讲解
-
Python数据可视化之matplotlib
-
Python之Matplotlib数据可视化(七):用Matplotlib画三维图
-
python数据可视化之matplotlib.pyplot基础以及折线图
-
python从入门到实践之组合数据类型
-
Python数据分析matplotlib可视化之绘图
-
Python学习:数据可视化之使用API (python从入门到实践),问题发现(17.2.1:改进Pygal图表与17.2.3:根据数据绘图)
-
Python编程:从入门到实践-项目2-数据可视化-matplotlib.pyplot-Demo
-
python从入门到实践-项目实战二数据可视化-生成数据