python生成折线图-Python数据可视化 -生成数据之绘制折线图和散点图
matplotlib教程https://blog.csdn.net/Notzuonotdied/article/details/77876080
http://study.163.com/course/introduction.htm?courseId=1003240004
matplotlib画廊:https://matplotlib.org/(查看使用matplotlib可制作的各种图表以及生成图表的代码)
绘制简单的折线图
详细说明在代码中
import matplotlib.pyplot as plt
#导入模块pyplot,并给它赋别名plt,以免后续重复输入pyplot,pyplot中包含了许多用于生成图表的函数
#简单绘图
squares=[1, 4 ,9, 16, 25]#创建一个列表,平方数
plt.plot(squares)#再将这个列表传递给函数plot(),这个函数会根据根据这些数字绘出有意义的图
#plt.show()#打开matplotlib查看器,并显示绘制图形
#修改标签文字和线条粗细
plt.plot(squares,linewidth=5)#linewidth决定了plot()绘制图像线条的粗细
plt.title("Square Numbers",fontsize=24)#设置图标标题,fontsize字型大小
plt.xlabel("Value",fontsize=14)#给x轴加标签
plt.ylabel("Square of Value",fontsize=14)#给y轴加标签
plt.tick_params(axis='both',labelsize=14)#设置刻度标记的大小
#tick_params设置刻度的样式,其中指定的实参将影响x轴y轴的刻度
#plt.show()
#校正图形
#当你向plot提供一系列数据时,他假设第一个数据点对应的x坐标值为0,
#但我们第一个点对应的坐标值为1,为改变这种默认行为,我们可以给plot同时提供输入值和输出值
input_values=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(input_values,squares,linewidth=5)
plt.show()
使用scatter()绘制散点图
import matplotlib.pyplot as plt
plt.scatter(2,4)
#plt.show()
#下面设置输出样式,添加标题,给轴上加标签,并确保所有文本都大到能看得清
plt.title("Square Numbers",fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)
plt.tick_params(axis='both',which='major',labelsize=14)#设置刻度标记的大小
#plt.show()
#如果要绘制一系列的点,可以向scatter传递两个分别包含xy的值的列表
x_values=[1,2,3,4,5]
y_values=[1,4,9,16,25]
plt.scatter(x_values,y_values,s=100)
plt.show()
自动计算数据
手工计算列表要包含的值可能效率低下,需要绘制的点很多时尤其如此,可以不必手工计算包含点坐标的列表,而让python循环来替我们完成这种计算。
import matplotlib.pyplot as plt
x_value=list(range(1,1001))
y_value=[x**2 for x in x_value]
#首先创建了一个包含x值的列表,其中包含数字1到1000,
#接下来是一个生成y值的列表解析,它遍历了x值,将结果存储到y列表
plt.scatter(x_value,y_value,s=40)
#然后将输入输出列表传递给scatter()
plt.axis([0,1100,0,1100000])
#由于这个数据集较大,我们将点设置的较小,并使用axis()指定了每个坐标轴的范围
plt.show()
删除数据点的轮廓
matplotlib允许你给散点图的各个点指定颜色,默认为黑色电荷蓝色轮廓,在散点图包含的点不多时效果很好,,但绘制很多点时,黑色轮廓可能会粘连在一起,要删除数据点的轮廓,可以在调用scatter时传递实参edgecolor='none'
plt.scatter(x_value,y_value,s=40,edgecolor='none')
自定义颜色
要修改数据点的颜色,可向scatter传递参数c,并将其设置为要使用的颜色的名称
plt.scatter(x_value,y_value,s=40,edgecolor='none',c='red')
你还可以使用RGB颜色模式自定义颜色。要指定自定义颜色,课传递参数c,并将其设置为一个元组,其中包含三个0~1之间的小数值,他们分别表示红色绿色和蓝色分量,例如,下面是一个由淡蓝色点组成的散点图:
plt.scatter(x_value,y_value,s=40,edgecolor='none',c=(0,0,0.8))
值越接近0,指定的颜色越深,值越接近1指定的颜色越浅
使用颜色映射
颜色映射是一系列颜色,他们从起始颜色渐变到结束颜色,在可视化中,颜色映射用于突出数据的规律,
例如,你可能用较浅的颜色来显示较小的值,并用较深的颜色来显示较大的值。
模块pyplot内置了一组颜色映射,要使用这些颜色映射,你需要告诉pyplot该如何设置数据集中每个点的颜色,
下面演示如何根据每个点的y值来设置颜色:
plt.scatter(x_value,y_value,s=40,edgecolor='none',c=y_value,cmap=plt.cm.Blues)
我们将参数c设置成了一个y值列表,并使用参数cmap告诉pyplot使用那个颜色映射,
这些代码将y值较大的点显示为深蓝色,将y值较小的点设置为浅蓝色
注:要了解pyplot中的所有颜色映射,请访问https://matplotlib.org/gallery/color/colormap_reference.html#sphx-glr-gallery-color-colormap-reference-py
自动保存图表
要让程序自动将图表保存到文件中,课将对plt.show()的调用替换为对plt.savefig()的调用:
plt.savefig('tu1.png',bbox_inches='tight')
第一个实参代表以什么样的文件名保存图表,这个文件将存储到scatter_squares.py所在的目录中。第二个实参指定近图表多余的空白部分裁剪掉,如果要保留周围空白区域,课省略这个实参。
python生成折线图-Python数据可视化 -生成数据之绘制折线图和散点图相关推荐
- 数据可视化_用Matplotlib绘制折线图
作者:雷蕾 数据可视化指的是通过可视化表示来探索数据,它与数据分析紧密相关. 数据分析指的是使用代码来探索数据集的规律和关联. 本文主要讲解如何使用Pyhon最流行的工具之一Matplotlib来绘制 ...
- python使用matplotlib可视化折线图、在可视化图像中同时绘制多条折线图
python使用matplotlib可视化折线图.在可视化图像中同时绘制多条折线图 目录 python使用matplotlib可视化折线图.在可视化图像中同时绘制多条折线图
- python数据可视化读取excell文件绘制图像详细教程
python数据可视化读取excell文件绘制图像详细教程 python数据可视化 python库中的基本用法 import pandas as pd # 调用pandas库 来读取excell的文件 ...
- Python 数据可视化—下载数据(CSV文件格式、JSON格式)
Python 数据可视化-下载数据CSV文件格式.JSON格式 网上下载数据,并对这些数据进行可视化,可视化以两种常见格式存储的数据:CSV 和JSON. 我们将使用Python模块csv 来处理以C ...
- 可视化框架、Axure原型、大屏可视化、图表组件、图表元件库、统计图表、数据可视化模板、条形图、折线图、散点图、时间轴、仪表盘、饼图、散点图、雷达图、高山图、登录模板、弹窗、弹幕、预警、散点图
可视化框架.数据可视化综合管理平台.大屏可视化.图表组件.图表元件库.统计图表.数据可视化模板.条形图.折线图.散点图.时间轴.仪表盘.饼图.散点图.雷达图.高山图.登录模板.弹窗.弹幕.预警.散点图 ...
- python可视化的优势_「数据可视化」数据可视化的优势有哪些?
数据可视化的优势有哪些?大数据可视化的实际意义是协助人更强的分析数据,信息内容的品质挺大水平上取决于其表达形式.对大数字列举所构成的数据信息中所包括的实际意义开展剖析,使剖析結果数据可视化. 实际上大 ...
- python数据挖掘学习】十五.Matplotlib调用imshow()函数绘制热图
python数据挖掘学习]十五.Matplotlib调用imshow()函数绘制热图 #2018-03-28 14:47:19 March Wednesday the 13 week, the 087 ...
- Py之seaborn:数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)
Py之seaborn:数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化.箱型图/散点图.小提琴图/散点图组合可视化的简介.使用方法之最强攻略(建议收藏) 目录 二.组合图可视 ...
- Py之seaborn:数据可视化seaborn库(三)的矩阵图可视化之jointplot/JointGrid/pairplot/PairGrid/FacetGrid密度图等的函数源代码详解之最强攻略
Py之seaborn:数据可视化seaborn库(三)的矩阵图可视化之jointplot/JointGrid/pairplot/PairGrid/FacetGrid折线图/柱状图+散点图/矩形密度图的 ...
- c++可视化_数据可视化——如何让你的信息图被记住
原标题:数据可视化--如何让你的信息图被记住 我们生活在这个图文音像并茂的世界中,每天接触的信息数不胜数,而人类的记忆也是个很奇怪的东西,认知科学家发现,我们的大脑所捕捉的视觉细节比曾经所认为的要多得 ...
最新文章
- 实战教程 | 车道线检测项目实战,霍夫变换 新方法 Spatial CNN
- Java EE (11) - 影响性能的因素
- OAF中下载附件之后页面失效,报过时的数据异常,浏览器后退异常
- Android开发中手机存储路径问题
- w7 全网架构-rsync-备份
- ctr 平滑_CTR预估中的贝叶斯平滑方法及其代码实现
- 图解TCPIP-DNS
- spark sql建表的异常
- 对比两个文件内容差异VS Visual Studio Code
- 玩转二叉链表 (20 分)
- windows下安装,配置gcc编译器
- 去空格 html,javascript怎么去空格?
- Android Root
- D - RGB Triplets(前缀和+思维)
- java学习第一步-工欲善其事必先利其器
- cs231n-assignment3的笔记
- html5 舰c 手机,我国最新款导弹驱逐舰052D,主力战舰的不二之选,中国厉害了!...
- Java OpenCV 图像处理34 图形图像 分水岭 watershed
- 常用正则 -- 正则表达式
- [C语言]程序改错题。爱因斯坦曾出过这样的一道数学题:有一条长阶梯,若每步跨2阶,最后剩下1阶;若每步跨3阶,最后剩下2阶;若每步跨5阶,最后剩下4阶;若每步跨6阶,最后剩下5阶;只有每步跨7阶...