Matplotlib
文章目录
*
– Matplotlib
–
+ 1.基础图象绘制
+
* 1.1 完善原始折线图-给图形添加辅助功能
* 1.2中文显示
* 1.2在一个坐标系下绘制多个图像
* 1.4 多个坐标系显示-plt.subplots(面向对象的画图方法)
* 1.5 折线图应用场景
* 1.6小结
+ 2.其他图像绘制
+
* 2.1折线图
* 2.2散点图绘制
* 2.3柱状图绘制
* 2.4小结
是专门用于开发一些2D图表
以渐进\交互式的方式实现数据可视化
1.基础图象绘制
import matplolib模块
import matplolib as plt
1.创建画布plt.figure()
plt.figure(figsize=(),dip=)
figsize指定图的长宽
dpi图像清晰度
返回fig图像
2.绘制图像 plt.plot(x,y)
plt.plot([],[])
3.显示图像
plt.show()
1.1 完善原始折线图-给图形添加辅助功能
需求:画出某城市11点到12点1小时内每分钟的温度变化折线图,温度范围再15度-18度.
import matplolib as plt
import random
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]
plt.figure(figsize=(20,8),dpi=100)
plt.plot(x,y_shanghai)
x_ticks_lable=['11点{}分'.format(i) for i in x]
y_ticks=range(40)
plt.xticks(x[::5],x_ticks_lable[::5])
plt.yticks(y_ticks[::5])
plt.grid(True,linestyle='--',alpha=0.5)
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点到12点某城市温度变化图',fontsize=20)
plt.savefig('./test.png')
plt.show()
1.2中文显示
解决方案一:
下载中文字体(黑体,看准系统版本)
- 步骤一:下载 SimHei 字体(或者其他的支持中文显示的字体也行)
- 步骤二:安装字体
- linux下:拷贝字体到 usr/share/fonts 下:
sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf
- windows和mac下:双击安装
- 步骤三:删除~/.matplotlib中的缓存文件
cd ~/.matplotlib
rm -r *
- 步骤四:修改配置文件matplotlibrc
vi ~/.matplotlib/matplotlibrc
将文件内容修改为:
font.family : sans-serif
font.sans-serif : SimHei
axes.unicode_minus : False
解决方案二:
在Python脚本中动态设置matplotlibrc,这样也可以避免由于更改配置文件而造成的麻烦,具体代码如下:
from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]
有时候,字体更改后,会导致坐标轴中的部分字符无法正常显示,此时需要更改axes.unicode_minus参数:
mpl.rcParams["axes.unicode_minus"] = False
1.2在一个坐标系下绘制多个图像
需求:再添加应该城市的温度变化
0.准备数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]
y_bj=[random.uniform(1,3) for i in x]
plt.figure(figsize=(20,8),dpi=100)
plt.plot(x,y_shanghai,label='上海')
plt.plot(x,y_bj,color='r',linestyle='--',label='北京')
x_ticks_lable=['11点{}分'.format(i) for i in x]
y_ticks=range(40)
plt.xticks(x[::5],x_ticks_lable[::5])
plt.yticks(y_ticks[::5])
plt.grid(True,linestyle='--',alpha=0.5)
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点到12点某城市温度变化图',fontsize=20)
plt.savefig('./test.png')
plt.legend(loc='best')
plt.show()
1.4 多个坐标系显示-plt.subplots(面向对象的画图方法)
通过subplots函数实现
matplotlib.pyplot.subplots(nrows=1,ncols=1,**fig_kw)创建应该带有多个axes(坐标系/绘图区)的图
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]
y_bj=[random.uniform(1,3) for i in x]
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=100)
axes[0].plot(x,y_shanghai,label='上海')
axes[1].plot(x,y_bj,color='r',linestyle='--',label='北京')
x_ticks_label=['11点{}分'.format(i) for i in x]
y_ticks=range(40)
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])
axes[0].grid(True,linestyle='--',alpha=0.5)
axes[1].grid(True,linestyle='--',alpha=0.5)
axes[0].set_xlabel('时间')
axes[0].set_xlabel('温度')
axes[0].set_title('中午11点到12点某城市温度变化图',fontsize=20)
axes[1].set_ylabel('时间')
axes[1].set_ylabel('温度')
axes[1].set_title('中午11点到12点某城市温度变化图',fontsize=20)
plt.savefig('./test.png')
axes[0].legend(loc='best')
axes[1].legend(loc='best')
plt.show()
1.5 折线图应用场景
呈现公司产品(不同区域)每天活跃用户数
呈现app每天下载数量
呈现产品新功能上线后,用户点击次数随时间的变化
拓展:画各种数学函数图像
1.6小结
添加x,y轴刻度
plt.xticks()
plt.yticks()
添加网格
plt.grid(linestyle='--',alpha=0.5)
添加描述信息
plt.xlabel()
plt.ylabel()
plt.title()
图像保存
plt.savefig('路径')
多次plot
直接进行添加
显示图例
plt.legend(loc='best')
注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示.
多个坐标系显示
plt.subplots(nrows=,ncols=)
折线图的应用
1.应用于观察数据的变化
2.可是画出一些数学函数图像
设置图形风格:
颜色字符:
r红色
g绿色
b蓝色
w白色
c青色
m洋红
y黄色
k黑色
风格字符
-实线
--虚线
-.点划线
:点虛线
''留空、空格
显示图例:
'best' 0
'upper right' 1
'upper left'
'lower left'
'lower right'
'right'
'center left'
'center right'
'lower center'
'upper center'
'center'
2.其他图像绘制
2.1折线图
折线图:以折线的上升或下降来表示统计数量的增减变化的统计图
特点:能够显示数据的变化趋势,反映事物的变化情况。(变化)
api:plt.plot(x, y)
2.2散点图绘制
散点图:用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
api:plt.scatter(x, y)
x=[255.98,247.07,253.14,457.85,241.58,301.01,20.67,288.64,
163.56,120.06,107.83,355.99,17.78,326,22.55,23.89,44.99,222.44]
y=[221.198,47.07,53.14,257.85,141.58,201.01,120.67,88.64,
63.56,220.06,207.83,155.99,117.78,226,322.55,123.89,244.99,22.44]
plt.figure(figsize=(20,8),dpi=100)
plt.scatter(x,y)
plt.show()
2.3柱状图绘制
柱状图:排列在工作表的列或行中的数据可以绘制到柱状图中。
特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
api:plt.bar(x, width, align=’center’, **kwargs)
movie_name=['雷神3:诸神','正义联盟','东方快车谋杀案','寻梦','全球','新三国','人生大事','喜欢你','艾米纳姆你']
x=range(len(movie_name))
y=[78365,17234,55331,78899,19934,98264,23345,5557,55778]
plt.figure(figsize=(20,8),dpi=100)
plt.bar(x,y,color=['b','r','g','y','c','m','k','b'])
plt.xticks(x,movie_name)
plt.grid(linestyle='--',alpha=0.8)
plt.title('电影片票房收入对比',fontsize=20)
plt.show()
参考链接:
https://matplotlib.org/index.html
2.4小结
折线图【知道】
能够显示数据的变化趋势,反映事物的变化情况。(变化)
plt.plot()
散点图【知道】
判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
plt.scatter()
柱状图【知道】
绘制连离散的数据,能形多一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
plt.bar(x, width, align= "center")
直方图【知道】
绘制连续性的数据展示一组或者多组数据的分布状况(统计)
plt.hist(x, bins)
饼图【知道】
用于表示不同分类的占比情况,通过弧度大小来对比各种分类
pit.pie(x, labels, autopct, colors)
Original: https://blog.csdn.net/weixin_72505469/article/details/126527263
Author: 圣骑士不该来鹊桥
Title: 10.数据库-Matplotlib
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/769726/
转载文章受原作者版权保护。转载请注明原作者出处!