Python数据分析——Matplotlib数据可视化基础（二）

思维导图：

图形的绘制

认识要绘制的图形

基本绘图流程

pyplot基础图表函数

pyplot饼图的绘制

pie函数

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None,radius=None, … )

常用参数及说明如下表所示：

例：

import matplotlib.pyplot as pltlabels = 'Frogs','Hogs','Dogs','Logs'
sizes = [15,30,45,10]
explode = (0,0.1,0,0)plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90)
plt.axis('equal')   #x，y方向尺寸相同
plt.show()

pyplot直方图的绘制

bar函数

matplotlib.pyplot.bar（left，height，width = 0.8，
bottom = None，hold = None，data = None，** kwargs ）

常用参数及说明如下表所示：

例：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load('国民经济核算季度数据.npz')
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
label = ['第一产业','第二产业','第三产业']## 刻度标签
plt.figure(figsize=(6,5))## 设置画布
plt.bar(range(3),values[-1,3:6],width = 0.5,color='red')## 绘制散点图
plt.xlabel('产业')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加y轴名称
plt.xticks(range(3),label)
plt.title('2017年第一季度各产业国民生产总值直方图')## 添加图表标题
plt.show()

pyplot极坐标图的绘制

例：

import numpy as np
import matplotlib.pyplot as pltN = 10
theta = np.linspace(0.0,2*np.pi,N,endpoint=False)
radii = 10 * np.random.rand(N)
width = np.pi / 2 * np.random.rand(N)ax = plt.subplot(111,projection='polar')
bars = ax.bar(theta,radii,width=width,bottom=0.0)  ##left,height,widthfor r,bar in zip(radii,bars):   bar.set_facecolor(plt.cm.viridis(r / 10.))bar.set_alpha(0.5)plt.show()

pyplot散点图的绘制

scatter函数

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, alpha=None, **kwargs)

常用参数及说明如下表所示：

例：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load('国民经济核算季度数据.npz')
name = data['columns'] ## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
plt.figure(figsize=(8,7))## 设置画布
plt.scatter(values[:,0],values[:,2], marker='o')## 绘制散点图
plt.xlabel('年份')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加y轴名称
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年季度生产总值散点图')
plt.savefig(‘2000-2017年季度生产总值散点图.png')
plt.show()

pyplot折线图的绘制

plot函数

matplotlib.pyplot.plot(*args, **kwargs)

plot函数在官方文档的语法中只要求填入不定长参数，实际可以填入的主要参数主要如下：
color参数的8种常用颜色的缩写：

例：

plt.figure(figsize=(8,7))## 设置画布
## 绘制折线图
plt.plot(values[:,0],values[:,2],color = 'r',linestyle = '--')
plt.xlabel('年份')## 添加横轴标签
plt.ylabel('生产总值（亿元）')## 添加y轴名称
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年季度生产总值折线图')## 添加图表标题
plt.savefig('tmp/2000-2017年季度生产总值折线图.png')
plt.show()

pyplot箱线图的绘制

boxplot函数

matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None,meanline=None, labels=None, … )

常用参数及说明如下表所示：

例：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
data = np.load('国民经济核算季度数据.npz')
name = data['columns']## 提取其中的columns数组，视为数据的标签
values = data['values']## 提取其中的values数组，数据的存在位置
label= ['第一产业','第二产业','第三产业']## 定义标签
gdp = (list(values[:,3]),list(values[:,4]),list(values[:,5]))
plt.figure(figsize=(6,4))
plt.boxplot(gdp,notch=True,labels = label, meanline=True)
plt.title('2000-2017各产业国民生产总值箱线图')
plt.savefig('tmp/2000-2017各产业国民生产总值箱线图.png')
plt.show()

Python数据分析——Matplotlib数据可视化基础（二）相关推荐

数据科学与python语言——Matplotlib数据可视化基础
Matplotlib数据可视化基础一.读取数据与数据处理阶段 1.提取指定行中的数据 2.得到>指定数值的数据 3.得到=指定值得数据 4.整体的数据处理: 二.画图函数 1.plt.subp ...
Python数据分析 ——Matplotlib数据可视化
⭐Matplotlib使用和Matlab中绘图方法类似,如果使用过Matlab会更容易理解一些.
【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)
这是机器未来的第52篇文章原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226 <Python数据科学快速入 ...
数据分析入门之Matplotlib数据可视化基础(散点图、折线图、直方图、饼图、箱线图)
文章目录 1.掌握pyplot基础语法 1.1.基本绘图流程 1.2.创建画布与创建子图 1.2.1.设置画布大小 1.2.2.添加图列 1.2.3.解决中文乱码 1.3.添加画布内容 1.4.保存与 ...
python集合中的元素不允许重复_Python语言中同一个集合中的元素不会重复，每个元素都是唯一的。-智慧树Python数据分析与数据可视化章节答案...
Python数据分析与数据可视化:Python语言中同一个集合中的元素不会重复,每个元素都是唯一的.[?ж???] A:对 B:错 Python数据分析与数据可视化章节测试答案: 对更多相关问题智 ...
python逐笔输入数据_知到智慧树Python数据分析与数据可视化结课测验
知到智慧树Python数据分析与数据可视化结课测验答案更多相关问题已知三角形三个顶点的坐标是A(-1,2,3),B(1,1,1),C(0,0,5),试证三角形ABC是直角三角形,并求角B-- Wh ...
3.Matplotlib数据可视化基础(上)（pyplot、rc参数、散点图、折线图）
笔记说明:本文是我的学习笔记,大部分内容整理自黄红梅,张良均等.Python数据分析与应用[M].北京:人民邮电出版社,2018:52-77. 还有部分片断知识来自网络搜索补充. 可视化这块的内容我 ...
python数据分析与可视化-Python数据分析与数据可视化
数据分析.数据挖掘与数据可视化是一个古老的话题,并非什么新生事物.近些年来,借助于计算机软硬件的飞速发展,数据分析.挖掘.可视化相关理论和技术在各领域的应用更是有了质的飞跃.饭店选址.公交路线与站牌规 ...
这就是数据分析之数据可视化基础概念及工具
图片在内容表达上,要远胜于文字,它不仅能体现数据真实性,还能给人很大的想象空间.如果你想做一名数据分析师,那么掌握可视化技能是必不可少的,因为在大部分情况下,老板更关心呈现的结果. 数据可视化的视图都 ...

Python数据分析——Matplotlib数据可视化基础（二）

Python数据分析——Matplotlib数据可视化基础（二）

图形的绘制

认识要绘制的图形

基本绘图流程

pyplot基础图表函数

pyplot饼图的绘制

pie函数

pyplot直方图的绘制

bar函数

pyplot极坐标图的绘制

pyplot散点图的绘制

scatter函数

pyplot折线图的绘制

plot函数

pyplot箱线图的绘制

boxplot函数

Python数据分析——Matplotlib数据可视化基础（二）相关推荐

最新文章

热门文章