Python--Matplotlib简单了解
一、数据挖掘基础环境安装与使用
1.1 库的安装
matplotlib==2.2.2
numpy==1.14.2
pandas==0.20.3
TA-Lib==0.4.16 技术指标库
tables==3.4.2 hdf5
jupyter==1.0.0 数据分析与展示的平台
1.2 Jupyter Notebook使用
1.2.1 Jupyter Notebook介绍
- web版的ipython
- 名字
ju - Julia
py - Python
ter - R
Jupiter 木星 宙斯 - 编程、写文档、记笔记、展示
- .ipynb
1.2.2 为什么使用Jupyter Notebook?
- 画图方面的优势
- 数据展示方面的优势
1.2.3 Jupyter Notebook的使用-helloworld
- 界面启动、创建文件
- 在终端输入jupyter notebook / ipython notebook
- 快速上手的方法:
- 快捷键
- 运行代码 shift + enter
- 快捷键
- cell操作
- cell:一对In Out会话被视作一个代码单元,称为cell
- 编辑模式:
- enter
- 鼠标直接点
- 命令模式:
- esc
- 鼠标在本单元格之外点一下
- 快捷键操作
执行代码:shift + enter
- 命令模式:
A
:在当前cell的上面添加cell
B
:在当前cell的下面添加cell
双击D
:删除当前cell - 编辑模式:
多光标操作:Ctrl键点击鼠标(Mac:CMD+点击鼠标)
回退:Ctrl+Z
(Mac:CMD+Z)
补全代码:变量、方法后跟Tab键
为一行或多行代码添加/取消注释:Ctrl+/
(Mac:CMD+/)
- 命令模式:
二、Matplotlib
2.1 Matplotlib
2.1.1 什么是Matplotlib
画二维图表的python库
mat
- matrix 矩阵- 二维数据 - 二维图表
plot
- 画图lib
- library 库matlab
矩阵实验室mat
- matrixlab
实验室
2.1.2 为什么要学习Matplotlib
画图
数据可视化 - 帮助理解数据,方便选择更合适的分析方法
js库
- D3 echarts
奥卡姆剃刀原理 - 如无必要勿增实体
2.1.3 实现一个简单的Matplotlib画图
import matplotlib.pyplot as plt
%matplotlib inline
plt.figure()
plt.plot([1,0,9],[4,5,6])
plt.show()
2.1.4 认识Matplotlib图像结构
2.1.5 拓展知识点:Matplotlib三层结构
- 容器层
- 画板层
Canvas
- 画布层Figure
- 绘图区/坐标系- x、y轴张成的区域
- 画板层
- 辅助显示层
- 图像层
2.2 常见图形种类及意义
- 折线图
plot
: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
- 散点图
scatter
:用两组数据构成多个坐标点,考察坐标点的分布,判断两个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)
- 柱状图
bar
: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)
- 直方图
histogram
: 由一系列高度不等的纵向条纹或线段标识数据分布的情况。一般用横轴标识数据范围,纵轴表示分布情况 - 特点:绘制连续性的数据展示一组或者多组数据的分布情况(分布状况)
- 饼图
pie π
: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。 - 特点:分类数据的占比情况(占比)
2.3 折线图(plot)
- 与基础绘图功能
2.3.1 容器层
折线图绘制与保存图片
# 展现上海一周的天气,比如从星期一到星期日的天气温度如下
# 1.创建画布
# plt.figure() 下图对比
plt.figure(figsize=(20,8), dpi=80)# 2.绘制图像
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])# 保存图像
plt.savefig("test78.png")# 3.显示图像
plt.show()
设置画布属性与图片保存
figsize
: 画布大小dpi
:dot per inch
图像的清晰度
plt.figure(figsize=(), dpi=)figsize:指定图的长宽dpi:图像的清晰度返回fig对象
plt.savefig(path)
- 注意:
plt.show()
会释放figure资源,如果在显示图像之后保存图片只能保存空图片
2.3.2 辅助显示层
案例:显示温度变化状况
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,温度范围在15度~18度
# 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,温度范围在15度~18度
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['simhei'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
import random
# 准备x,y坐标的数据
x = range(60)
y_sahnghai = [random.uniform(15, 18) for i in x]# 2.创建画布
plt.figure(figsize=(20, 8), dpi=80)# 3.绘制图像
plt.plot(x, y_sahnghai)# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(0, 40, 5))# 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示")# 4.显示图像
plt.show()
效果:
添加自定义刻度
plt.xticks(x, **kwargs)
- x:要显示的刻度值
plt.yticks(y, **kwargs)
- y:要显示的刻度值
# 添加以下两行代码
# 构造x轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
# 构造y轴刻度
y_ticks = range(40)# 修改x,y轴坐标的刻度显示
plt.xticks(x[::s], x_ticks_label[::5])
plt.yticks(y_ticks[::5])
添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)
添加描述信息
添加x轴、y轴描述信息及标题
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示")
中文显示问题解决
- [ ] mac的一次配置,一劳永逸
- [ ] ubantu每创建一次新的虚拟环境,需要重新配置
- [ ] windows
- 安装字体
mac/wins:双击安装
ubantu:双击安装 - 删除matplotlib缓存文件
- 配置文件
- 安装字体
动态设置参数(推荐方式)
在python脚本中动态设置matplotlibrc,这样就避免了更改配置文件的麻烦,方便灵活,例如:
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
由于更改了字体导致显示不出负号,将配署文件中axes.unicode minus : True修改为Falsest就可以了,当然这而可以用代码来完成。
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
2.3.3 图像层
# 需求:再添加一个曾是的温度变化
# 收集到北京当天温度变化情况,温度在1度到3度
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['simhei'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
import random
# 准备x,y坐标的数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]# 2.创建画布
plt.figure(figsize=(20, 8), dpi=80)# 3.绘制图像
plt.plot(x, y_shanghai, color="r", linestyle="--", label="上海")
plt.plot(x, y_beijing, color="b", label="北京")# 显示图例
# plt.legend(loc=4)
plt.legend(loc='upper left')# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(0, 40, 5))# 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("上海、北京中午11点0分到12点之间的温度变化图示")# 4.显示图像
plt.show()
颜色字符 | 风格字符 |
---|---|
r 红色 |
- 实线
|
g 绿色 |
-- 虚线
|
b 蓝色 |
-. 点划线
|
w 白色 |
: 点虚线
|
c 青色 |
’‘ 留空
|
m 洋红 | |
y 黄色 | |
k 黑色 |
位置字符串 | 位置代码 |
---|---|
'best' | 0 |
'upper right' | 1 |
'upper left' | 2 |
'lower left' | 3 |
'lower right' | 4 |
'right' | 5 |
'center left' | 6 |
多个坐标系显示
相同图不同坐标系,效果图
plt.subplots
(面向对象的画图方法)matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw)
创建一个带有多个axes(坐标系/绘图区)的图注意:plt.函数名()相当于面向过程的画图方法,axes.set_方法名()相当于面向对象的画图方法
figure, axes = plt.subplots(nrows=1, ncols=2, **fig_kw)
axes[0].方法名()
axes[1]
# 需求:再添加一个城市的温度变化
# 收集到北京当天温度变化情况,温度在1度到3度。 # 1、准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]# 2、创建画布
# plt.figure(figsize=(20, 8), dpi=80)
figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=80)# 3、绘制图像
axes[0].plot(x, y_shanghai, color="r", linestyle="-.", label="上海")
axes[1].plot(x, y_beijing, color="b", label="北京")# 显示图例
axes[0].legend()
axes[1].legend()# 修改x、y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
axes[0].set_xticks(x[::5])
axes[0].set_xticklabels(x_label[::5])
axes[0].set_yticks(range(0, 40, 5))
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_label[::5])
axes[1].set_yticks(range(0, 40, 5))# 添加网格显示
axes[0].grid(linestyle="--", alpha=0.5)
axes[1].grid(linestyle="--", alpha=0.5)# 添加描述信息
axes[0].set_xlabel("时间变化")
axes[0].set_ylabel("温度变化")
axes[0].set_title("上海11点到12点每分钟的温度变化状况")
axes[1].set_xlabel("时间变化")
axes[1].set_ylabel("温度变化")
axes[1].set_title("北京11点到12点每分钟的温度变化状况")# 4、显示图
plt.show()
折线图的应用场景
- 呈现某公司产品(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
- 注意:
plt.plot()
除了可以画折线图,也可以用于各种数学函数图像
- 注意:
某事物、某指标随时间的变化状况
拓展:画各种数学函数图像
import numpy as np
# 1.准备x,y数据
x = np.linspace(-1, 1, 1000)
y = 2 * x * x# 2.创建画布
plt.figure(figsize=(20, 8), dpi=80)# 3. 绘制图像
plt.plot(x, y)# 添加网格
plt.grid(linestyle="--", alpha=0.5)# 4. 显示图像
plt.show()
2.4 散点图(scatter)
需求:探究房屋面积和房屋价格的关系
房屋面积数据:
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64,
163.56, 120.06, 207.83, 342.75, 147.9 , 53.06, 224.72, 29.51,
21.61, 483.21, 245.25, 399.25, 343.35]
房屋价格数据:
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9 , 239.34,
140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1 ,
30.74, 400.02, 205.35, 330.64, 283.45]
# 需求:探究房屋面积和房屋价格的关系# 1、准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64,163.56, 120.06, 207.83, 342.75, 147.9 , 53.06, 224.72, 29.51,21.61, 483.21, 245.25, 399.25, 343.35]y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9 , 239.34,140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1 ,30.74, 400.02, 205.35, 330.64, 283.45]# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)# 3、绘制图像
plt.scatter(x, y)# 4、显示图像
plt.show()
2.5 柱状图(bar)
需求1-对比每部电影的票房收入
# 1、准备数据
movie_names = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
tickets = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)# 3、绘制柱状图
x_ticks = range(len(movie_names))
plt.bar(x_ticks, tickets, color=['b','r','g','y','c','m','y','k','c','g','b'])# 修改x刻度
plt.xticks(x_ticks, movie_names)# 添加标题
plt.title("电影票房收入对比")# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)# 4、显示图像
plt.show()
需求2-如何对比电影票房收入才更能加有说服力?
比较相同天数的票房
# 1、准备数据
movie_name = ['雷神3:诸神黄昏','正义联盟','寻梦环游记']first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]x = range(len(movie_name))# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)# 3、绘制柱状图
# plt.bar(range(3), first_day, width=0.2, label="首日票房")
plt.bar(x, first_day, width=0.2, label="首日票房")
# plt.bar([0.2, 1.2, 2.2], first_weekend, width=0.2, label="首周票房")
plt.bar([i+0.2 for i in x], first_weekend, width=0.2, label="首周票房")# 显示图例
plt.legend()# 修改刻度
# plt.xticks([0.1, 1.1, 2.1], movie_name)
plt.xticks([i+0.1 for i in x], movie_name)# 4、显示图像
plt.show()
2.6 直方图(histogram)
组数=(175.5-150.5) / 5 =5
# 需求:电影时长分布状况
# 1、准备数据
time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)# 3、绘制直方图
distance = 2
group_num = int((max(time) - min(time)) / distance)
plt.hist(time, bins=group_num, density=True)
# 1、准备数据# 修改x轴刻度
plt.xticks(range(min(time), max(time) + 2, distance))# 添加标题
plt.title("电影时长分布状况")# 添加网格
plt.grid(linestyle="--", alpha=0.5)# 4、显示图像
plt.show()
2.7 饼状python教程图(pie Π)
# 1、准备数据
movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)# 3、绘制饼图
plt.pie(place_count, labels=movie_name, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%")# 显示图例
plt.legend()# 保证长宽一样
plt.axis('equal')# 4、显示图像
plt.show()
Python--Matplotlib简单了解相关推荐
- python matplotlib 简单用法
python matplotlib 简单用法 具体内容请参考官网 代码 import matplotlib.pyplot as plt import numpy as np # 支持中文 plt.rc ...
- python matplotlib简单使用
一.简单介绍 Matplotlib是Python的一个绘图库,是Python中最常用的可视化工具之一. 二.安装方法 安装方法:pip install matplotlib 注意:安装matplotl ...
- 【环境配置】python+matplotlib简单安装教程
图像处理必备库--matplotlib安装 matplotlib简介 python安装以及环境配置 matplotlib安装 matplotlib简介 matplotlib是基于python语言的开源 ...
- python绘图实例-Python使用matplotlib简单绘图示例
本文实例讲述了Python使用matplotlib简单绘图.分享给大家供大家参考,具体如下: # -*- coding:utf-8 -*- #! python2 """ ...
- 海豚php如何添加节点,python+matplotlib绘制简单的海豚(顶点和节点的操作)
海豚 本文例子主要展示了如何使用补丁.路径和转换类绘制和操作给定的顶点和节点的形状. 测试可用. import matplotlib.cm as cm import matplotlib.pyplot ...
- python简单图形输出_基于 Python Matplotlib 模块的高质量图形输出
Matplotlib 是一个由 John Hunter 等开发的,用以绘制二维图形的 Python 模块.它利用了 Python 下的数值计算模块 Numeric 及 Numarray,克隆了许多 M ...
- 简单python脚本实例画图-Python使用matplotlib简单绘图示例
本文实例讲述了Python使用matplotlib简单绘图.分享给大家供大家参考,具体如下: # -*- coding:utf-8 -*- #! python2 """ ...
- python制作简单动画_Python通过matplotlib简单绘制动画实例
Matplotlib是一个Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形.通过Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条 ...
- 用html4绘制海豚,python+matplotlib绘制简单的海豚(顶点和节点的操作)
海豚 本文例子主要展示了如何使用补丁.路径和转换类绘制和操作给定的顶点和节点的形状. 测试可用. import matplotlib.cm as cm import matplotlib.pyplot ...
- python实现简单的情感分析
python实现简单的情感分析 1 数据导入及预处理 1.1 数据导入 # 数据导入 import pandas as pd data = pd.read_csv('../data/京东评论数据.cs ...
最新文章
- Java中的微信支付(1):API V3版本签名详解
- 前端性能优化:使用媒体查询加载指定大小的背景图片
- Echarts图标自适应问题(已解决)
- java 使用本机代理_Java与本机代理–他们所做的强大功能
- 【渝粤教育】国家开放大学2018年秋季 0239-21T电子商务物流管理 参考试题
- 前端学习(2825):vs开发小程序的插件
- String中的==与Empty
- fop生成pdf的中文乱码问题
- 20230223 作业
- 武汉:“大象转身”,“中国车都”变“中国车谷”的二段跨越
- css html模板下载插件
- linux串口termios
- 红尘烟火,在等谁的相濡以沫?
- 考研英语善变的more than:后加词性不同,意思有变
- 2022.07.16模拟赛总结
- OpenGL深入探索——像素缓冲区对象 (PBO)
- 突出计算机学院的比赛名,学院在2019年全国大学生信息安全竞赛安徽省赛中喜获佳绩...
- 一键生成PDF文档的书签和目录(书签,目录页带页码 都行)
- 导航上显示某个地点已关闭什么意思_导航只认手机高德和百度?已经有车载导航帅到我了...
- 2021年多省市智慧公路建设指南汇总
热门文章
- echarts 绘制 地图柱状图
- 轻舟已过万重山:华为之路,平板PC之变
- 微信支付宝H5收款码扫码转账个人通道,灵活配置,仿原生接口,带备注可回调成功率9成以上
- linux hub设备,USB在Linux里的结构框架是什么样的?USB Core和Hub是什么?
- Android开发-Retrofit-AndroidStudio(四)simplexml解析XML
- LSTM时间序列预测代码超通俗解释(MATLAB)
- AOE与AOV的区别
- 微信小程序uni.navigateTo跳转 携带的参数中有问号被直接截取问题处理
- .Net中获取打印机的相关信息
- 论文分享 MobileNetV2: Inverted Residuals and Linear Bottlenecks