利用Python进行数据分析_Pandas_绘图和可视化

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利用Python进行数据分析_Pandas_绘图和可视化，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3587字，纯文字阅读大概需要6分钟。

内容图文

1 认识Figure和Subplot

import matplotlib.pyplot as plt

matplotlib的图像都位于Figure对象中

fg = plt.figure()

通过add_subplot创建subplot

ax1 = fg.add_subplot(1,2,1)
ax2 = fg.add_subplot(1,2,2)

设置坐标轴的范围

plt.xlim((-1, 1))
plt.ylim((0, 3))

设置坐标轴的lable

matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None, **kwargs)

plt.xlabel('横轴：时间'， fontproperties = 'SimHei', fontsize = 15, color = 'green')

plt.ylabel('纵轴：振幅', fontproperties = 'SimHei', fontsize = 15)

plt.figure()的作用

如下例子中，plt.subplot()如果不加，则4个图都在同一个figure对象汇总，而加上plt.subplot()，则每个图分别在一个figure对象中

import matplotlib.pyplot as plt
import pandas as pd
from numpy.random import randn

x = np.linspace(-1, 1, 50)

y1 = 2 * x + 1
# plt.figure()
ax1 = plt.subplot(4,2,1)
ax1.plot(x, y1)

y2 = x**2
# plt.figure()
ax2 = plt.subplot(4,2,2)
ax2.plot(x, y2)

y3 = 2*x+1
# plt.figure()
ax3 = plt.subplot(4,2,3)#plt.subplot(3,2,4) :  分成3行2列，共6个绘图区域，在第4个区域绘图。排序为行优先。也可 plt.subplot(324)，将逗号省略。
ax3.plot(x, y3)

y4 = x**2
# plt.figure()
ax4 = plt.subplot(4,2,4)
ax4.plot(x, y4)

plt.show()

plt的常用函数

plt.scatter#(数据，点的大小)  绘制单个点

plt.show()# 显示出来

plt.title #(名字，大小)

plt.xlable()

plt.ylable()

plt.tick_params()#设置刻度的大小

plt.axis([0,1100,0,111000]) # 设置坐标轴的取值范围

plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,
edgecolor='none', s=40)  # 把颜色设置为一个动态的变量，并使用cmp高数pylot使用哪个颜色的映射

plt.savefig（“squares_plot.png”,bbox_inches = "tight"）# 第一个参数指定要以什么样的文件名保存图表，第二个参数指定将图标多余的空白区域裁掉

plt.axes().get_xaxis().set_visible(false)# 使x轴不可见

plt.figure(figsize = (10,6)) #  设置绘图窗口的尺寸

plt的图表函数

plt.plot(x,y , fmt)  ：绘制坐标图

plt.boxplot(data, notch, position): 绘制箱形图

plt.bar(left, height, width, bottom) : 绘制条形图

plt.barh(width, bottom, left, height) : 绘制横向条形图

plt.polar(theta, r) : 绘制极坐标图

plt.pie(data, explode) : 绘制饼图

plt.scatter(x, y) :绘制散点图

plt.hist(x, bings, normed) : 绘制直方图

 fig,axes = plt.subplots()

import numpy as np
import matplotlib.pyplot as plt
fig,axes = plt.subplots(2,3)
plt.subplots_adjust(wspace=0,hspace=0)# wspace控制宽度百分比，hspace控制高度的百分比，用作subplot之间的距离
axes[1,2]

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)

fig,axes = plt.subplots(2,3)
plt.subplots_adjust(wspace=0,hspace=0)# wspace控制宽度百分比，hspace控制高度的百分比，用作subplot之间的距离
axes[1,2].plot(x,y)
plt.show()

 颜色、标记、线型

详见：API文档

axes.plot(x,y,'g--')

Colors

Markers

Line Styles

 刻度、标签、图例

plt.xlim() #返回当前的X轴的范围
plt.xlim(0,10)#设置当前的X轴的范围

修改X轴刻度

import numpy as np
import matplotlib.pyplot as plt

plt.figure()
ax = plt.subplot()
ax.plot(randn(1000).cumsum())
# ax.set_xticks([0,250,500,750,1000])
ax.set_xticklabels(['1w','2w','3w','4w','5w','6w','7w'],rotation=30,fontsize='small')

ax.set_title('Test plot!')

plt.show()

import numpy as np
import matplotlib.pyplot as plt

plt.figure() #创建figure对象

ax = plt.subplot() 

# 一张图中 传入多个元素，需要传入label参数
ax.plot(randn(1000).cumsum(),'g--',label='180210.IB',)
ax.plot(randn(1000).cumsum(),'c.',label='170201.IB',)
ax.plot(randn(1000).cumsum(),'m:',label='180201.IB',)

# ax.legend(loc='best') # 添加图例（左上角那玩意）
plt.legend(loc='best') # 添加图例（左上角那玩意）

ax.set_title('Test plot!') #设置图标的标题
plt.savefig('D:\Test plot.svg')
plt.savefig('D:\Test plot.pdf')
plt.savefig('D:\Test plot.jpg')
plt.savefig('D:\Test plot.png',dpi=400,bbox_inches = 'tight') #保存png格式，dpi 分辨率，bbox_inches 最小白边
plt.show()

内容总结

以上是互联网集市为您收集整理的利用Python进行数据分析_Pandas_绘图和可视化全部内容，希望文章能够帮你解决利用Python进行数据分析_Pandas_绘图和可视化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