数据分析-图2-图像对象设置参数与子图

复制代码
from matplotlib import pyplot as mp
mp.figure('A figure',facecolor='gray')
mp.plot([0,1],[1,2])
mp.figure('B figure',facecolor='lightgray')
mp.plot([1,2],[2,1])
#如果figure中标题已创建,则不会新建窗口,
#而是将旧窗口设置为当前窗口
mp.figure('A figure',facecolor='gray')
mp.plot([1,2],[2,1])
#设置窗口的参数
mp.title('A figure',fontsize=18)
mp.xlabel('time',fontsize=14)
mp.ylabel('price',fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(linestyle=":")
mp.tight_layout()
mp.show()

子图subplot

复制代码
import numpy as np
import matplotlib.pyplot as mp
mp.figure("Subplot",facecolor='lightgray')
for i in range(1,10):
	mp.subplot(3,3,i)
	mp.text(0.5,0.5,i,ha='center',va='center',size=36,alpha=0.6)
	mp.xticks([])
	mp.yticks([])
	mp.tight_layout()
mp.show()

网格式子图Grid

复制代码
import numpy as np
import matplotlib.pyplot as mp
import matplotlib.gridspec as mg

mp.figure('GridLayout',facecolor='lightgray')
gs=mg.GridSpec(3,3)
mp.subplot(gs[0,:2])
mp.xticks([])
mp.yticks([])
mp.text(0.5,0.5,'1',ha='center',va='center',size=26,alpha=0.5,color='red')
mp.subplot(gs[:2,2])
mp.xticks([])
mp.yticks([])
mp.text(0.5,0.5,'2',ha='center',va='center',size=26,alpha=0.5,color='red')
mp.subplot(gs[1,1])
mp.xticks([])
mp.yticks([])
mp.text(0.5,0.5,'3',ha='center',va='center',size=26,alpha=0.5,color='red')
mp.subplot(gs[1:3,0])
mp.xticks([])
mp.yticks([])
mp.text(0.5,0.5,'4',ha='center',va='center',size=26,alpha=0.5,color='red')
mp.subplot(gs[2,1:])
mp.xticks([])
mp.yticks([])
mp.text(0.5,0.5,'5',ha='center',va='center',size=26,alpha=0.5,color='red')

mp.tight_layout()
mp.show()

自由式布局

复制代码
from matplotlib import pyplot as mp
mp.figure('FlowLayout',facecolor='lightgray')
mp.axes([0.03,0.5,0.94,0.3])
mp.text(0.5,0.5,'1',ha='center',va='center',size=36)
mp.axes([0.03,0.05,0.94,0.40])
mp.text(0.5,0.5,'1',ha='center',va='center',size=36)
mp.xticks([])
mp.yticks([])
mp.show()
复制代码
import numpy as np
from matplotlib import pyplot as mp
mp.figure('GridLine',facecolor='lightgray')
ax=mp.gca()
#修改刻度定位器
ax.xaxis.set_major_locator(mp.MultipleLocator(1))#X轴的主刻度为mp.MultipleLocator(1)
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))#次刻度为0.1

ax.yaxis.set_major_locator(mp.MultipleLocator(200))#y轴的主刻度为mp.MultipleLocator(1)
ax.yaxis.set_minor_locator(mp.MultipleLocator(50))#次刻度为50

ax.grid(which='major',axis='both',
	color='orangered',linewidth=0.75)
ax.grid(which='minor',axis='both',
	color='orangered',linewidth=0.25)
#绘制曲线
y=np.array([1,10,100,1000,100,10,1])
mp.plot(y,'o-',color='dodgerblue')
# mp.subplot(211)
# mp.title('normal',fontsize=20)
# mp.ylabel('y',fontsize=14)
# ax=mp.gca()
mp.show()
复制代码
import numpy as np
from matplotlib import pyplot as mp
mp.figure('GridLine',facecolor='lightgray')
ax=mp.gca()
#修改刻度定位器
ax.xaxis.set_major_locator(mp.MultipleLocator(1))#X轴的主刻度为mp.MultipleLocator(1)
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))#次刻度为0.1

ax.yaxis.set_major_locator(mp.MultipleLocator(200))#y轴的主刻度为mp.MultipleLocator(1)
ax.yaxis.set_minor_locator(mp.MultipleLocator(50))#次刻度为50

ax.grid(which='major',axis='both',
	color='orangered',linewidth=0.75)
ax.grid(which='minor',axis='both',
	color='orangered',linewidth=0.25)
#绘制曲线
y=np.array([1,10,100,1000,100,10,1])
mp.semilogy(y,'o-',color='dodgerblue')
# mp.subplot(211)
# mp.title('normal',fontsize=20)
# mp.ylabel('y',fontsize=14)
# ax=mp.gca()
mp.show()

semilogy对半数坐标

散点图scatter

复制代码
import numpy as np
import matplotlib.pyplot as mp 

#随机生成一组数据
n=300
height=np.random.normal(175,5,n)
weight=np.random.normal(70,7,n)

mp.figure('Persons',facecolor='lightgray')
mp.title('Persons',fontsize=18)
mp.xlabel("height",fontsize=14)
mp.ylabel("weight",fontsize=14)
mp.grid(linestyle=":")
d=(height-175)**2+(weight-70)**2
mp.scatter(
	# height,weight,marker='o',s=70,label='persons',color='dodgerblue')
	height,weight,marker='o',s=70,label='persons',c=d,cmap='jet_r')
mp.legend()
mp.show()

颜色映射图:

相关推荐
Mr数据杨2 小时前
自行车需求预测实战解析 从 Kaggle 回归赛题理解时序建模
人工智能·数据分析·kaggle竞赛
Mr数据杨4 小时前
用会计信息做GDP增速预测的时序回归实战解析
人工智能·数据分析·kaggle竞赛
Mr数据杨4 小时前
企业年报文本变化预测实战 从文本回归到信息披露分析
人工智能·数据分析·kaggle竞赛
Mr数据杨5 小时前
钻石价格预测实战 从 Kaggle 回归赛题看结构化数据建模落地
人工智能·数据分析·kaggle竞赛
Mr数据杨5 小时前
从 Kaggle 到实战的多标签文本分类案例拆解
人工智能·数据分析·kaggle竞赛
夜雪一千5 小时前
如何写一个数据分析 Skill
人工智能·数据挖掘·数据分析
夜雪一千7 小时前
如何编写一个数据分析 Skill:完整拆解一个案例
人工智能·语言模型·数据挖掘·数据分析
没有不重的名么7 小时前
Scada入门教程
数据分析·制造·scada
追风少年ii7 小时前
课前准备--分子动力学Gromacs参数的详细介绍与选择(一)
数据分析·分子动力学·分子对接·结构生物学
Mr数据杨7 小时前
楼加数据分析与挖掘项目挑战实战解析 多标签文本分类与报告型任务落地
人工智能·数据分析·kaggle竞赛