python画散点图分布-python画图汇总（持续更新）

折线图

plt.figure(figsize=(40, 40)) # 确定图像画布的大小

plt.subplot(211) # 将画布分为两行一列

plt.xlabel('Number of sample', fontsize=40) # x轴的label

plt.ylabel('Characteristics of the amplitude', fontsize=40) # y轴的label 备注（plot所有的原件都可以加fontsize属性）

plt.title('{} characteristics (ml_id=2 waveType=2)'.format(c_type), fontsize=50) # 图的title

plt.plot(two_type_list[:two_negative_end_index], linestyle = "-", color = 'r', # 绘制折线图，其中若x参数省略，则横坐标以y列表的索引代替

label = 'Negative | average: {} variance: {} median: {}'.format(('%.2f' % np.mean(two_type_list[ : two_negative_end_index])), # label参数表示这条线的label，可以当作图例显示出来

('%.2f' % np.var(two_type_list[ : two_negative_end_index])),

('%.2f' % np.median(two_type_list[ : two_negative_end_index]))),

linewidth=3.0) # 线宽

plt.plot(two_type_list[two_negative_end_index+1:], linestyle = "-", color = 'g', # 备注（一张图可以累积加多个plot）

label = 'Positive | average: {} variance: {} median: {}'.format(('%.2f' % np.mean(two_type_list[two_negative_end_index+1 : ])),

('%.2f' % np.var(two_type_list[two_negative_end_index+1 : ])),

('%.2f' % np.median(two_type_list[two_negative_end_index+1 : ]))),

linewidth=3.0)

# plt.ylim(0, 5) # 设置y轴的取值范围，如设置（0,5）则y轴坐标为从0开始，到5结束

# 刻度值字体大小设置

plt.tick_params(labelsize=40) # 设置坐标轴上刻度的字体大小

plt.legend(loc=0, fontsize = 40) # 显示图例，loc=0表示图例会根据图片情况自动摆放

####################################################################################################################################

plt.subplot(212)

plt.xlabel('Number of sample', fontsize=40)

plt.ylabel('Characteristics of the amplitude', fontsize=40)

plt.title('{} characteristics (ml_id=6 waveType=2)'.format(c_type), fontsize=50)

plt.plot(six_type_list[:six_negative_end_index], linestyle = "-", color = 'r',

label = 'Negative | average: {} variance: {} median: {}'.format(('%.2f' % np.mean(six_type_list[ : six_negative_end_index])),

('%.2f' % np.var(six_type_list[ : six_negative_end_index])),

('%.2f' % np.median(six_type_list[ : six_negative_end_index]))),

linewidth=3.0)

plt.plot(six_type_list[six_negative_end_index+1:], linestyle = "-", color = 'g',

label = 'Positive | average: {} variance: {} median: {}'.format(('%.2f' % np.mean(six_type_list[six_negative_end_index+1 : ])),

('%.2f' % np.var(six_type_list[six_negative_end_index+1 : ])),

('%.2f' % np.median(six_type_list[six_negative_end_index+1 : ]))),

linewidth=3.0)

# 刻度值字体大小设置

plt.tick_params(labelsize=40)

plt.legend(loc=0, fontsize = 40)

plt.savefig('C:/Users/Mloong/Desktop/f_image/{} characteristics.png'.format(c_type), dpi=300)

plt.show()

2.散点图

_type = 'median'

plt.scatter(range(0, 3790), two_avgAbs_list[0:3790], c='r') # 散点图的x参数不可省略

plt.scatter(range(3791, 4939), two_avgAbs_list[3791:4939], c='g')

plt.title('{} ml_id=2 waveType=2'.format(_type))

plt.savefig('C:/Users/Mloong/Desktop/f_image/{} scatter ml_id=2 waveType=2.png'.format(_type), dpi=300)

plt.show()

3.概率分布图

# 概率分布图

type_list = two_median_list

_type = 'median'

num_bins = 100 # 条状图的个数

plt.hist(type_list[:3790], num_bins, normed=1, facecolor='blue', alpha=0.5)

plt.hist(type_list[3791:], num_bins, normed=1, facecolor='red', alpha=0.5)

plt.xlabel('Value')

plt.ylabel('Probability')

plt.title('{} probability distribution ml_id=2 waveType=2'.format(_type))

plt.subplots_adjust(left=0.15)

plt.savefig('C:/Users/Mloong/Desktop/f_image/{} probability distribution ml_id=2 waveType=2.png'.format(_type), dpi=300)

plt.show()

4.箱形图

_type = 'pca_value'

import seaborn as sns

plt.subplot(121)

plt.title('{} (ml_id=2 waveType=2)'.format(_type))

sns.set(style='whitegrid') # 设置背景

sns.boxplot(x='label', y='{}'.format(_type), data=two_data, hue='label') # data参数是一个dataframe对象，其中x和y分别时这个dataframe中的列名

#########################################################################################

plt.subplot(122)

plt.title('{} (ml_id=6 waveType=2)'.format(_type))

sns.set(style='whitegrid') # 设置背景

sns.boxplot(x='label', y='{}'.format(_type), data=six_data, hue='label') # 绘制箱形图

plt.savefig('C:/Users/Mloong/Desktop/f_image/{} box figure.png'.format(_type), dpi=300)

plt.show()

5.热图

# 2.相关矩阵

import seaborn as sns

corrmat = two_data[['avs', 'avgAbs', 'rms', 'rms2', 'wave', 'pulse', 'PeekFlag',

'Margin', 'Skewness', 'Kurtosis', 'median', 'pca_value', 'label']].corr() # .corr()求相关矩阵，此时返回的值corrmat为相关矩阵

f, ax = plt.subplots(figsize=(12, 9))

sns.heatmap(corrmat, vmax=.8, square=True) # 将这个相关矩阵以热图的形式画出来

plt.savefig('C:/Users/Mloong/Desktop/f_image/two correlation matrix.png', dpi=300)

plt.show()

python画散点图分布-python画图汇总（持续更新）相关推荐

python画散点图分布-python画时间序列散点图
在运维管理中,经常遇到时间序列的数据,比如网卡流量.在线用户数.并发连接数,等等.用散点图可以直观的查看数据的分布情况. matplotlib模块的pyplot有画散点图的函数,但是该函数要求x轴是数 ...
python画散点图程序-python画散点图
广告关闭腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 用散点图可以直观的查看数据的分布情况. matplotlib模块的pyplot有 ...
python画散点图类型-python画时间序列散点图
matplotlib模块的pyplot有画散点图的函数,但是该函数要求x轴是数字类型.pandas的plot函数里,散点图类型"scatter"也要求数字型的,用时间类型的会报错. ...
python画散点图程序-Python散点图与折线图绘制过程解析
这篇文章主要介绍了Python散点图与折线图绘制过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下在数据分析的过程中,经常需要将数据可视化,目 ...
python画散点图类型-python学习之matplotlib绘制散点图实例
要绘制单个点,可使用函数scatter(),并向其传递一对x和y坐标,它将在指定位置绘制一个点: """使用scatter()绘制散点图""" ...
python画散点图-简单数据分析
本文主要是使用python画散点图,对二维数据进行简单分析. 主要用到的库有matplotlib 如果运行过程中提示错误 import matplotlib.pyplot as plt ModuleN ...
python画散点图字体格式
python画散点图 import numpy as np import matplotlib.pyplot as plt import pandas as pd from matplotlib.fo ...
Python 100个简单小例子（持续更新中）
Python 100个简单小例子(持续更新中) 1 编写一个计算平年还是闰年的小例子其核心是年份可以整除4和400,且不是100的倍数且2000年是特殊年份为闰年! year = int(input( ...
【教程汇总+持续更新】Unity游戏开发从入门到入坟
新的一年,本该在年前整理的年终总结被拖到了年后开工.去年大量时间投入在Catlike教程的翻译上,截止目前位置,教程的进度已经完全追平原作者. 去年还有一部分是断断续续的更新SLG实战教程,但遗憾的是 ...

python画散点图分布-python画图汇总（持续更新）

python画散点图分布-python画图汇总（持续更新）相关推荐

最新文章

热门文章