第二十四天-数据可视化Matplotlib

news/2024/7/5 5:21:01

目录

1.介绍

2.使用

1. 安装：

2.创建简单图表

 3.图表类型

1.一共分为7类

2.变化

1.折线图

3.分布

​编辑

1.直方图

2.箱型图

4.关联

1. 散点图：

2.热力图：

5.组成

1.饼图

2.条形图

6.分组

1.簇型散点图

2.分组条形图

3.分组条形图不覆盖

7.偏差

1.发散条形图

2.面积图

8.排序

1.介绍

1. 数据可视化相关库

2.Matplotlib

1. 官网：http://matplotlib.org 

2.中文网：http://matplotlib.org.cn

2.使用

1. 安装：

pip install matplotlib

import matplotlib.pyplot as plt

2.创建简单图表

# 创建画板， 2行1列的图表 sharex:共享x轴，sharey：共享y轴
fig, axs = plt.subplots(2, 1)

# 生成数据
data = np.random.randn(100)

# 选取第一个画布,填充数据
axs[0].hist(data, bins=50, color="red")
axs[1].plot(data, color="red")


#参数设置
#设置标题
axs[0].set_title("chart1")
axs[1].set_title("chart2")
#设置x轴y轴名称
axs[0].set_xlabel("value")
axs[0].set_ylabel("freq")
axs[1].set_xlabel("index")
axs[1].set_ylabel("value")

#设置间距,避免名称重叠
fig.tight_layout()

plt.show()

 3.图表类型

1.一共分为7类

2.变化

1.折线图

   

# coding:utf-8

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd

# 设置显示中文

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig, ax = plt.subplots(1, 1)

# 模拟数据
datas = pd.date_range("2018-01-01", "2021-01-01", freq="M")


def get_price(size):
    return np.cumsum(np.random.randn(size))


price = [get_price(datas.size), get_price(datas.size), get_price(datas.size)]
data = pd.DataFrame(price).T

data.index = datas

#填充顔色，设置面积图
for p in price:
    plt.fill_between(datas, y1=p)

# 折线图
plt.plot(data)

# 设置x轴lable为斜线
fig.autofmt_xdate()

# 设置x，y轴坐标标签
ax.set_title("折线图")
fig.tight_layout()

plt.show()

3.分布

1.直方图
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig,ax=plt.subplots(1,1)

#模拟数据,5行5列数据
data=np.round(np.random.random(25).reshape(5,5),1)
#直方图
plt.hist(data)

#设置x，y轴坐标标签
ax.set_title("产品级别图")
#明确设置x，y轴数量

fig.tight_layout()


plt.show()

2.箱型图
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig,ax=plt.subplots(1,1)

#模拟数据,5行5列数据
data=np.round(np.random.random(25).reshape(5,5),1)
#直方图
plt.boxplot(data)

#设置x，y轴坐标标签
ax.set_title("箱型图")
#明确设置x，y轴数量

fig.tight_layout()


plt.show()

4.关联

使用：

1. 散点图：

坐标轴为数值型数据

import matplotlib.pyplot as plt
import numpy as np
#绘制散点图

x = np.random.randn(100)
y = np.random.randn(100)*1.5
plt.scatter(x=x,y=y,color="red",marker="+")
#限制x、y轴显示范围
plt.xlim(-2,2)
plt.ylim(-2,2)

#显示网格
plt.grid()

plt.show()

2.热力图：

类别型数据，体现的是2组变量的关联性

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig,ax=plt.subplots(1,1)
# 绘制热力图
# 定义x轴，y轴内容
# x轴为 等级
x_lable = ["1级", "2级", "3级", "4级", "5级"]
# y轴为 产品
y_lable = ["产品1", "产品2", "产品3", "产品4", "产品5"]
#模拟数据,5行5列数据
data=np.round(np.random.random(25).reshape(5,5),1)
#热点图
plt.imshow(data)

#轮流锁定单元格，设置单元格文字
for i in  np.arange(len(x_lable)):
    for j in np.arange(len(y_lable)):
        plt.text(i,j,data[i][j],color="w",ha="center",va="center")

#设置x，y轴坐标标签
ax.set_title("产品级别图")
#明确设置x，y轴数量
ax.set_xticks(np.arange(len(x_lable)))
ax.set_yticks(np.arange(len(y_lable)))
ax.set_xticklabels(x_lable)
ax.set_yticklabels(y_lable)

fig.tight_layout()


plt.show()

5.组成

1.饼图
# coding:utf-8

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd

# 设置显示中文

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig, ax = plt.subplots(1, 1)

# 模拟数据
data = [0.1, 0.2, 0.3, 0.4]

#绘制饼图，labels为每一项的名称 explode:突出值 autopct：格式化百分比, textprops字体格式
plt.pie(data,labels=["a","b","c","d"],explode=[0,0.2,0,0],autopct="%.1f%%",shadow=True,textprops={"size":"small"})

# 设置x轴lable为斜线
fig.autofmt_xdate()

# 设置x，y轴坐标标签
ax.set_title("折线图")
fig.tight_layout()

plt.show()

2.条形图
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd

# 设置显示中文

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig, ax = plt.subplots(1, 1)

# 模拟数据
data = [0.1, 0.2, 0.3, 0.4]
labels = ["a", "b", "c", "d"]
# 绘制条形图  color：设置条形颜色
plt.bar(labels, data, color=["r", "y", "b", "g"])

# 显示条形上的文字
for x, y in zip(labels, data):
    plt.text(x, (y / 2), y)
# 设置x轴lable为斜线
fig.autofmt_xdate()

# 设置x，y轴坐标标签
ax.set_title("条形图")
fig.tight_layout()

plt.show()

6.分组

1.簇型散点图
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd

# 设置显示中文

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig, ax = plt.subplots(1, 1)

# 模拟数据
a_x=np.random.random(100)+1
a_y=np.random.random(100)+1.5
a_x1=np.random.random(200)+2.1
a_y1=np.random.random(200)+1.7

#绘制散点图分组
plt.scatter(a_x,a_y)
plt.scatter(a_x1,a_y1)
# 设置x轴lable为斜线
fig.autofmt_xdate()

fig.tight_layout()

plt.show()

2.分组条形图
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd

# 设置显示中文

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig, ax = plt.subplots(1, 1)

# 模拟数据
x=["a","b","c","d"]
y1=[1,2,3,4]
y2=[4,3,2,1]
#绘制图形
plt.bar(x,y1)
plt.bar(x,y2)

fig.autofmt_xdate()

fig.tight_layout()

plt.show()

3.分组条形图不覆盖
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd

# 设置显示中文

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig, ax = plt.subplots(1, 1)

# 模拟数据

axis1=[1,2,3,4]
axis2=[1.2,2.2,3.2,4.2]

y1=[1,2,3,4]

y2=[4,3,2,1]
#绘制图形
plt.bar(axis1,y1,width=0.2)
plt.bar(axis2,y2,width=0.2)

fig.autofmt_xdate()

fig.tight_layout()

plt.show()

7.偏差

1.发散条形图
# coding:utf-8

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd

# 设置显示中文

mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig, ax = plt.subplots(1, 1)

# 模拟数据
#绘制
y=["a","b","c","d"]
data=[-1,2,0.5,4]
data.sort()
plt.hlines(y=y,xmin=0,xmax=data,colors=["r","b","y","g"])

#设置网格
plt.grid(linestyle="--",alpha=0.5)
# 设置x轴lable为斜线
fig.autofmt_xdate()


fig.tight_layout()

plt.show()

2.面积图
mpl.rcParams["font.family"] = "FangSong"  # 设置字体
mpl.rcParams["axes.unicode_minus"] = False  # 正常显示负号

fig, ax = plt.subplots(1, 1)

# 模拟数据
#绘制
datas = pd.date_range("2018-01-01", "2021-01-01", freq="M")

def get_price(size):
    return np.cumsum(np.random.randn(size))

price ={"price":get_price(datas.size)}

pd=pd.DataFrame(index=datas,data=price)

plt.plot(pd["price"])
#填充面积颜色
plt.fill_between(pd.index,pd["price"],0)

# 设置x轴lable为斜线
fig.autofmt_xdate()

fig.tight_layout()

8.排序


http://lihuaxi.xjx100.cn/news/2100845.html

相关文章

线上推拿按摩预约系统功能列表

线上推拿按摩预约系统功能列表

扫码下单，预约上门现在比较流行，随着东郊到家的面世，各个推拿平台也都挤了进来，只要有资源，我们也可以做， 哪怕是只做一个城市，也是可以盈利的。 我们如何开发一个这样的平台呢， 以儿…
阅读更多...
2024腾讯春招InnoDB面试宝典，最全知识点解析，面试必备！

2024腾讯春招InnoDB面试宝典，最全知识点解析，面试必备！

为了帮助广大求职者更好地准备即将到来的面试，本文精心编撰了一系列涵盖InnoDB存储引擎关键知识点的面试题。从事务的ACID特性、索引结构设计，到锁机制、多版本并发控制（MVCC），再到性能监控与优化，我们旨在…
阅读更多...
音乐创作利器FL Studio21水果软件助你轻松实现音乐创意

音乐创作利器FL Studio21水果软件助你轻松实现音乐创意

音乐创作利器——FL Studio21水果软件，让你的音乐梦想起航！ 副标题：一款强大的电脑数码编曲软件，助你轻松实现音乐创意！ 一、FL Studio21水果软件——音乐制作的得力助手** 在音乐创作的道路上，有一款得心…
阅读更多...
一站式解决方案：uni-app条件编译及多环境配置，appid动态修改攻略！

一站式解决方案：uni-app条件编译及多环境配置，appid动态修改攻略！

前言 这篇文章主要介绍uniapp在Hbuilderx 中，通过工程化，区分不同环境、动态修改小程序appid以及自定义条件编译，解决代码发布和运行时手动切换到问题。 背景 在企业级的应用中，通常会分为，开发、联调、生产等多个环…
阅读更多...
互动投影游戏如何为科普教育馆带来更加生动有趣的科普体验？

互动投影游戏如何为科普教育馆带来更加生动有趣的科普体验？

近年科普教育馆在数字多媒体技术的支持下，让更多的家长和孩子注意到这一展示场景，尤其是对孩子来说，这里不仅是一个扩展知识的场景，更是一个发掘自我、探索未知世界的地方，而在这个过程中，多媒体互动技术的…
阅读更多...
GPT-1, GPT-2, GPT-3, InstructGPT / ChatGPT and GPT-4 总结

GPT-1, GPT-2, GPT-3, InstructGPT / ChatGPT and GPT-4 总结

1. GPT-1 What the problem GPT-1 solve? 在 GPT-1 之前，NLP 通常是一种监督模型。 对于每个任务，都有一些标记数据，然后根据这些标记数据开发监督模型。 这种方法存在几个问题：首先，需要标记数据。 但 NLP 不像 CV&…
阅读更多...
一个比较全面实用的C#帮助类、工具类库 - Common.Utility

一个比较全面实用的C#帮助类、工具类库 - Common.Utility

前言 经常会有一些同学会问为什么感觉我身边的大佬写一个功能会这么快？一个类似的模块大佬可能半天就搞定了，而我要搞一两天。其实工作久了你会发现很多常用公共的帮助类和工具类，如常见的Excel数据导入导出、文件操作、字符串操作、数据转换…
阅读更多...
Python3 字符编解码

Python3 字符编解码

Python3 字符编解码 什么是字符编解码 编码：根据编码格式将人类认识的字符转为字节流。解码：根据编码格式将字节流转为人类认识的字符。 Python3 中的字符编码 utf-8为Python3的默认编码格式，可通过以下语句查看： import sys p…
阅读更多...
最新文章

Copyright @ 2022~2023