导览
- 前言
- matplotlib入门
-
- [1. 简介](#1. 简介)
-
- [1.1 Pairwise data](#1.1 Pairwise data)
- [1.2 Statistical distributions](#1.2 Statistical distributions)
- [1.3 Gridded data](#1.3 Gridded data)
- [1.4 Irregularly gridded data](#1.4 Irregularly gridded data)
- [1.5 3D and volumetric data](#1.5 3D and volumetric data)
- [2. 实践](#2. 实践)
-
- [2.1 安装](#2.1 安装)
- [2.2 示例](#2.2 示例)
- 结语
- 系列回顾
前言
翻看日历,今年的日子已划到了2024年10月19日,今天的北京是一个空气清新,略感秋冻的
"湛蓝湛蓝"
的日子。寒露已过,霜降即来,这显然是一个晚秋的标志,奈何岁月匆匆。不过北京的秋天,总是能唤醒人们对自然的情趣。因为老舍先生曾经说过一句话:
"北平之秋就是人间的天堂,也许比天堂更繁荣一点呢"
。当你置身其中, 也许会赞叹吧?期待这个秋天缓缓落幕!------碎碎念
北京的秋天没有3个月聊不完,咱们还是先聊聊别的吧,换个频道吧。
数据分析是目前行业领域关键的业务技能了,不管你是什么行业、什么领域,几乎都离不开它。但是在大数据的背景下,你会怎么办?是否看到一堆数据,无从下手?
Python作为数据科学的利器,在此刻凸显出了它的优势。那么博主今天介绍一下它是如何为我们的数据分析工作提供帮助的。话不多说,这里隆重介绍一个python利器------matplotlib
。
matplotlib入门
1. 简介
Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。------百度百科
简单讲是一个基于Python的数据可视化工具。
它支持的数据类型包括Pairwise、Statistical distributions、Gridded、Irregularly gridded和3D and volumetric。
1.1 Pairwise data
简单理解为给定一个X,必须对应一个Y,成对出现。
1.2 Statistical distributions
简单理解为单变量的统计分布。
1.3 Gridded data
可以理解为一个多维的网格化数据。
1.4 Irregularly gridded data
可以理解为不规则多维的网格化数据。
1.5 3D and volumetric data
可以理解为3D立体化数据。
详细资料可参考官网:旋转门,同时博主也推荐一个中文网站:学习教程。
2. 实践
知道了它的作用后,我们开始小试牛刀,先来安装吧。
2.1 安装
如未安装,直接使用,会提示如下异常:
我们可以在Pycharm------>terminal窗口输入:
powershell
# 使用清华源
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
回车后,可以看到开始安装了:
如看到如下提示,代表成功:
2.2 示例
博主举一个 Pairwise data的样例吧,比如折线图。
python
# 导入pyplot
import matplotlib.pyplot as plt
xdata = [1, 2, 3, 4, 5]
ydata = [1, 4, 9, 16, 25]
# 设置图形的style, 通过plt.style.available获取all style
plt.style.use('seaborn-v0_8')
# 定义一个多plot的图表
fig, ax = plt.subplots()
# 图表标题
ax.set_title('Squares')
# x轴标题
ax.set_xlabel('Value', fontsize=14)
# y轴标题
ax.set_ylabel('Sq Value', fontsize=14)
# 刻度样式
ax.tick_params(axis='both', which='major', labelsize=14)
# 画图,指定x、y轴data
ax.plot(xdata, ydata, linewidth=3)
# 显示图形
plt.show()
执行后,我们可以看到下图:
这是一个典型的数据分析图形,随着X的变化分析Y的变化趋势。
结语
matplotlib是一个常用的基于Python的数据分析工具,博主以一个简单的示例进行说明,其他图形的使用方法可参考推荐的中文教程进行尝试,相信它会为的工作提供丰富的数据呈现手段。
系列回顾
Python酷玩之旅_如何正确使用pipreqs完成依赖导出(解决UnicodeDecodeError)
Python酷玩之旅_如何在Centos8顺利安装Python最新版(3.12)
Python酷玩之旅_如何连接MySQL(mysql-connector-python)