python数据分析06--matplotlib绘图
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python数据分析06--matplotlib绘图,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2761字,纯文字阅读大概需要4分钟。
内容图文
![python数据分析06--matplotlib绘图](/upload/InfoBanner/zyjiaocheng/619/b44e6c26962d4016a847d0b05af525df.jpg)
1 matplotlib
# 导包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
# %matplotlib具体作用是当你调用matplotlib.pyplot的绘图函数plot()进行绘图的时候,或者生成一个figure画布的时候,可以直接在你的python console里面生成图像。
1.1 plt.plot( ) 绘制线性图
# 直线,两个参数x和y
x = np.array([1,2,3,4,5])
y = 2*x+1
plt.plot(x,y)
# 曲线
x = x
y = x**3
plt.plot(x,y)
# 多条线
plt.plot(x,y,x**2,y)
plt.plot(x=2,y+2)
# 设置坐标比例,画布小了
plt.figure(figsize=(1,2))
plt.plot(x,y)
# 设置线段的标识,label
plt.plot(x,y,label='temp') # 一条线叫temp
plt.plot(x+1,y-1,label='dist') # 一条叫dist
plt.lefend() # loc=5,ncol=2 ,标识的位置,可以调整
# 设置轴向的标识
plt.plot(x,y)
plt.xlabel('temp') # x轴名称
plt.ylabel('dist') # y轴名称
plt.title('temp&dist') # 标题title
# 图片保存,分三步
fig = plt.figure()
plt.plot(x,y)
plt.xlabel('temp')
plt.ylabel('dist')
plt.title('temp&dist')
fig.savefig('路径名称')
# 其他样式的指令,比如调整线颜色c,线格式linstyle
plt.plot(x,y,c='red',alpha=0.7,linestyle=':')
plt.bar( ) 柱状图
plt.bar(索引,数据值,条形宽度)
plt.hist( ) 直方图,只需一组参数
密度图
x = [1,2,2,3,4,5]
plt.hist(x, bins=, normed=, color=, orientation)
# bins:可以是bin数量的整数值,默认为10。
# normed:如果为True,直方图的值将进行归一化处理,形成概率密度;默认为false。
# color:指定直方图颜色。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。
# orientation:通过设置orientation为horizontal创建水平直方图。默认值为vertical。
plt.pie( ) 饼图,只需一组参数
涉及到展示部分与整体的比例,用饼图;展示各部分的大小,用条形图。
plt.pie([0.2,0.4,0.1]) # 不完整饼图
arr = [11,22,33,44]
plt.pie(arr,labels=['a','b','c','d']) # 用abcd为各部分命名
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3) # abcd距离圆心0.3
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%') # autopct参数,显示各部分所占比例在名称后面
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4]) # 效果分裂
plt.scatter( ) 散点图
展现变化趋势
x = np.random.randint(0,100,size=(100,))
y = np.random.randint(0,100,size=(100,))
plt.scatter(x,y,c='r') # c颜色
boxplot( ) 箱型图
显示一组数据分散情况的统计图,Q1最小值、Q2下四分位数(有小到大25%)、Q3中位数、Q4、Q5最大值
可以检测异常值
# subplot绘制子图,放到大表中,下面完成了图的排列
# 2行2列排布,位于第一个位置
ax1 = plt.subplot(2,2,1)
ax1.plot(x,y)
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)
# 思考:如果是3个图或者5个图,怎么实现绘制?
all_data=[np.random.normal(0,std,100) for std in range(1,4)] #
figure,axes=plt.subplots() #得到画板、轴
axes.boxplot(all_data,patch_artist=True) #描点上色
plt.show() #展示
# 2
d = [1,1,1,2,3,4,4,5,5,5,5,555,666,888,3]
a = plt.boxplot(d)
内容总结
以上是互联网集市为您收集整理的python数据分析06--matplotlib绘图全部内容,希望文章能够帮你解决python数据分析06--matplotlib绘图所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。