python学习——matplotlib库——散点图
导入matplotlib相关模块
from matplotlib import pyplot as plt
from matplotlib import font_manager
pyplot:是绘制图像的模块,可以绘制散点图,条形图,折线图,直方图等各类图表。
font_manager:让图表可以显示中文,否者图表只会正常显示数字和英文。
设置散点图的显示内容和效果
各种图表的显示内容和效果,都是有一个不变的框架,针对不同图表的相关特殊内容相对比较少,所以绘制图表的学习还是相对容易的。
设置显示中文字体
my_font = font_manager.FontProperties(fname="c://windows//fonts//msyh.ttc")
之后需要设置相关字体的时候,在参数括号中,写入my_font。
也可以查找相关资料修改显示字体,这只是其中一种。
散点图数据说明
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]x_3 = range(1,32)
x_10 = range(51,82)
数据记录的是3月份和10月份两个月每天的气温变化。
显示效果要求用一个坐标轴,x轴显示两个月的日期,即左边一个月,右边一个月。y轴显示气温的刻度。两个月使用两个颜色显示。
x_3 = range(1,32):即一个列表,从1开始,有31个元素。
x_10 = range(51,82):也是一个列表,从51开始,31个元素。
两个列表中的数字不连续,是想要实现左右两边显示两个月的内容。
设置显示窗口大小和图像像素密度
plt.figure(figsize=(20,8),dpi=80)
figsize=(20,8):是宽高比
dpi=80:是像素密度,越大显示越清晰
绘制散点图的方法——plt.scatter()
plt.scatter(x_3,y_3,label = '3月份')
plt.scatter(x_10,y_10,label = '10月份')
不同的图表对应plt不同方法,但是输入的参数基本都一样。
x_3:输入x轴显示的位置,注意不是显示的刻度,可以理解为规定了x轴间隔多少为一格,x轴对应的字符内容,需要使用另一个方法。
y_3:输入y轴显示的位置,同样理解为规定了y轴间隔多少为一格。
label = ‘3月份’:说明这部分数据是什么数据,只有这儿写label并不会显示,需要在写其他的方法,让label作为图例显示。
显示图例(Label)
plt.legend(prop = my_font)
专门针对plt的绘图函数,写绘制散点图、条形图、直方图的函数参数中写到label,然后在写legend()参数输入字体参数,就会显示图例,并且中文显示。
设置x轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels = ['3月{}日'.format(i) for i in x_3]
_xtick_labels += ['10月{}日'.format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],fontproperties=my_font,rotation = 45)
- 先把3月份和10月份的合并到一个列表,这时_x中有62个元素,1到31,51到81
- 分两次,构造某月某日的格式,_xtick_labels中构造完成后有62个元素
- plt.xticks参数先输入_x,_x中的元素数字,自动去对应x轴的刻度,_x[::3]意思是间隔三个写一个。
- _x[::3],_xtick_labels[::3]要求这两个的元素个数需要一致,_x[::3]它规定那个位置需要写内容,_xtick_labels[::3]它规定那个位置需要写什么内容。
- fontproperties=my_font,rotation = 45意思是设置字体,这是字符内容的旋转角度。
添加x轴,y轴的描述信息
plt.xlabel('时间',fontproperties=my_font)
plt.ylabel('温度',fontproperties=my_font)
plt.title('标题',fontproperties=my_font)
设置x轴描述信息,y轴描述信息,图表的标题
并且都需要设置显示字体
让图表显示出来
plt.show()
显示图表最不能缺少的语句
python学习——matplotlib库——散点图相关推荐
- Python学习-Matplotlib库绘制简单点阵图、线型图操作
Python学习-Matplotlib库绘制简单散点图图和线型图.标签设置以及刻度线设置操作 目录 1.Matplotlib绘图细节的简单理解 2.绘制点图.线型图 3.给图表设置复杂标注 4.移动刻 ...
- 转载 Python 学习-Matplotlib库
Python学习-Matplotib 载出处:https://blog.csdn.net/weixin_60535956/article/details/128311973 目录 Matplotlib ...
- Python学习 matplotlib库 霍兰德人格分析雷达图
[Python学习] matplotlib库 绘制霍兰德人格分析雷达图 学习一些Python知识.用matplotlib库进行雷达图的绘制. 实现效果图片: 代码参考:<Python语言程序设计 ...
- python学习——matplotlib库——条形图(横版和竖版)
导入matplotlib相关模块 from matplotlib import pyplot as plt from matplotlib import font_manager pyplot:是绘制 ...
- python学习——matplotlib库——折线图
导入matplotlib相关模块 from matplotlib import pyplot as plt from matplotlib import font_manager pyplot:是绘制 ...
- python的matplotlib库绘制条形图、散点图、饼图、折线图
python的matplotlib库绘制条形图.散点图.饼图.折线图 当我们学会了爬虫,抓取到了一些数据,接下来就是做数据分析了.本文章介绍绘制图形的基本代码. 打开cmd用pip 安装,若输入pip ...
- Python学习-Scipy库信号处理signal(过滤、快速傅里叶变换、信号窗函数、卷积)
Python学习-Scipy库信号处理signal 目录 1.过滤:以某种方式修改输入信号 2.快速傅里叶变换 3.信号窗函数 4.卷积 导入库 import matplotlib.pyplot as ...
- Python使用matplotlib可视化散点图、使用seaborn中的lmplot函数可视化不同分组散点图的最优线性回归拟合曲线(Scatter plot with regression line)
Python使用matplotlib可视化散点图.使用seaborn中的lmplot函数可视化不同分组散点图的最优线性回归拟合曲线(Scatter plot with linear regressio ...
- Python使用matplotlib可视化散点图、使用seaborn中的lmplot函数使用多子图可视化不同分组的散点图最优拟合线性回归曲线
Python使用matplotlib可视化散点图.使用seaborn中的lmplot函数使用多子图可视化不同分组的散点图最优拟合线性回归曲线(Each regression line in its o ...
最新文章
- 舒尔补在SLAM中的应用
- Java基础10:全面解读Java异常
- linux基础--Bash逻辑控制语句
- 文案月薪3w?月薪10w的设计大神笑而不语
- SpringBoot-动力节点-王鹤
- git pull提示remote error:CAPTCHA required
- css实现面包屑导航
- java messagelistener_MessageListenerAdapter
- Python第三方库安装及常见问题
- 多类别车辆跟踪-模型训练、评估、预测、优化到部署的全流程方案_副本
- 济南月薪一万是什么水平?
- [每日一氵]上古年代的 Visual Studio2015 安装
- 《自控力》——[美]Kelly McGonigal
- [读书笔记] 蔡康永的说话之道
- 服务器搭建网站公网ip,如何获取公网ip,自己搭建公网ip服务器的方法
- SuperMap for MapboxGL 实现自定义图标点位及多点位聚合
- 直播继续搅局双11?
- 动物数据集+动物分类识别训练代码(Pytorch)
- 几种颜色模型(颜色空间):HSV CMYK RGB
- ORACLE集群管理-核心资源分析-MDNS