Matplotlib数据可视化(五)

目录

1.绘制折线图

2.绘制散点图

3.绘制直方图

4.绘制饼图

5.绘制箱线图


1.绘制折线图

python 复制代码
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x = np.arange(9)
y = np.sin(x)
z = np.cos(x)
# marker数据点样式,linewidth线宽,linestyle线型样式,
#color表示颜色
plt.plot(x, y, marker='*', linewidth=1, linestyle='--', color='orange')
plt.plot(x, z)
plt.title('matplotlib')
plt.xlabel('height',fontsize=15)
plt.ylabel('width',fontsize=15)
# 设置图例
plt.legend(['Y','Z'], loc='upper right')
plt.grid(True)
plt.show()

结果图:

2.绘制散点图

示例1:

python 复制代码
fig,ax = plt.subplots()
plt.rcParams['font.family'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False 
x1 = np.arange(1,30)
y1 = np.sin(x1)
ax1 = plt.subplot(1,1,1)
plt.title('散点图')
plt.xlabel('X')
plt.ylabel('Y')
lvalue = x1
ax1.scatter(x1,y1,c='c' ,s = 100,linewidths = lvalue,marker = 'o')
plt.legend('x1')
plt.show() 

结果图:

示例2:

python 复制代码
fig,ax=plt.subplots()
plt.rcParams['font.family']=['SimHei']#用来显示中文标签
plt.rcParams['axes.unicode_minus']=False  #用来正常显示负号
for color in ['red','green','blue']:
    n=500
    x,y=np.random.randn(2,n)    
    ax.scatter(x,y,c=color,label=color,alpha=0.3,edgecolors='none')
    ax.legend()
    ax.grid(True)

plt.show()

结果图:

3.绘制直方图

python 复制代码
fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.randn(16),index = list('abcdefghijklmnop'))
data.plot.bar(ax = axes[0],color = 'k',alpha = 0.7) #垂直柱状图 
data.plot.barh(ax = axes[1],color = 'k',alpha = 0.7) #alpha设置透明度 

结果图:

4.绘制饼图

python 复制代码
plt.figure(figsize = (6,6))

#建立轴的大小
labels = 'Springs','Summer','Autumn','Winter'
x = [15,30,45,10]
explode = (0.05,0.05,0.05,0.1)
#这个是控制分离的距离的,默认饼图不分离
plt.pie(x,labels = labels,explode = explode,startangle = 60,autopct = '%1.1f%%')
#qutopct在图中显示比例值,注意值的格式
plt.title('Rany days by season')
plt.tick_params(labelsize = 12)
plt.show() 

结果图:

5.绘制箱线图

python 复制代码
np.random.seed(0)  #设置随机种子
df = pd.DataFrame(np.random.rand(5,4),
columns = ['A', 'B', 'C', 'D'])
#生成0-1之间的5*4维度数据并存入4列DataFrame中
df.boxplot()  #也可用plot.box()
plt.show()

结果图:


相关推荐
Patrick在香港11 小时前
台风在变少,来香港的没有
python·数据分析·香港·开放数据·热带气旋
benchmark_cc12 小时前
QuantDash 安装成功后,如何验证 Python 环境可以正常导入 SDK?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
Sharewinfo_BJ18 小时前
私有化湖仓:从核心业务起步,建成综合分析平台
数据分析·powerbi·智信bi·上北智信
benchmark_cc20 小时前
个人量化系统搭建:如何利用 QuantDash 实现 A 股日 K 线前复权数据的高效获取与质量校验?
python·数据分析·pandas·量化交易·股票数据·quantdash
qq_4369621821 小时前
金蝶云星空数据分析怎么做?
java·数据库·数据分析
小白学大数据21 小时前
基于 Python 的家具消费数据分析全链路实战:从数据治理到销售预测
人工智能·python·数据分析
临床数据科学和人工智能兴趣组1 天前
在数据分析和处理过程中,字符串的操作常常扮演着极其重要的角色。R语言内置了多种功能强大的字符串处理函数,gsub() 就是其中之一
数据分析·r语言·r语言-4.2.1·临床研究·临床试验·临床科研
SelectDB技术团队1 天前
SelectDB 架构演进与 ClickHouse 迁移指南
大数据·数据库·clickhouse·云原生·架构·数据分析·apache doris
quantdash_cc1 天前
如何从多只股票的历史行情构建收益率矩阵?Python 与 QuantDash 实战教程
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
residual_fan1 天前
船用柴油机动态机动工况故障诊断:控制感知仿射网络(CAAN)的技术实现
人工智能·算法·数据挖掘·数据分析