一、数据分析和介绍

二、认识jupyter notebook

打开Anaconda：

win + R打开运行，输入cmd进入命令提示符

在命令提示符内输入 jupyter notebook 即可打开

创建文件夹

勾选中后可进行移动和重命名操作

并非.py格式

三、matplotlib模块

from matplotlib import pyplot as plt # 导入matplotlib模块中的 pyplot类，命名为 pltx = range(2,26,2) # 定义x轴
y = [15,13,14.5,17,20,25,25,26,27,22,18,15] # 定义y轴plt.plot(x,y) # 绘制
plt.show() # 显示

1、设置显示图片大小和保存当前图片

from matplotlib import pyplot as plt # 导入matplotlib模块中的 pyplot类，命名为 pltx = range(2,26,2) # 定义x轴
y = [15,13,14.5,17,20,25,25,26,27,22,18,15] # 定义y轴
# 图片大小设置
plt.figure(figsize=(20,8),dpi=100) # figure(figsize=(横，纵),dpi=数值越大越清晰)
plt.plot(x,y) # 绘制
# 保存
plt.savefig("./savefig.png")
plt.show() # 显示

svg格式：

2、调整x或y轴的刻度

from matplotlib import pyplot as plt # 导入matplotlib模块中的 pyplot类，命名为 pltx = range(2,26,2) # 定义x轴
y = [15,13,14.5,17,20,25,25,26,27,22,18,15] # 定义y轴
# 图片大小设置
plt.figure(figsize=(20,8),dpi=100) # figure(figsize=(横，纵),dpi=数值越大越清晰)
plt.xticks(x) # 会根据给到的列表一一绘制出点位
plt.plot(x,y) # 绘制
# 保存
plt.savefig("./savefig.svg")
plt.show() # 显示

可以使用列表推导式来生成自己想要的列表


x = range(2,26,2) # 定义x轴
y = [15,13,14.5,17,20,25,25,26,27,22,18,15] # 定义y轴
# 图片大小设置
plt.figure(figsize=(20,8),dpi=100) # figure(figsize=(横，纵),dpi=数值越大越清晰)
new_x = [a/2 for a in range(4,50)] # 可以用列表推导式生成想要的列表
plt.xticks(new_x) # 会根据给到的列表一一绘制出点位
plt.plot(x,y) # 绘制
# 保存
plt.savefig("./savefig.svg")
plt.show() # 显示

from matplotlib import pyplot as plt
import random
a = [random.randint(20,35) for i in range(120)]
new_x = [A for A in range(1,121)]
plt.figure(figsize=(45,5),dpi=100)
plt.xticks(new_x)
plt.yticks(a)
plt.plot(new_x,a)
plt.savefig("./savefig.svg")
plt.show()

未截取全部(图片过长)

汉字显示：
显示汉字时需要先设置一下字体，否则会报错

# 设置字体
ziti = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf",size=7) # 设置字体(需要导入matplotlib模块中的font_manager)：font_manager.FontProperties(fname=r"字体路径"，size=字体大小)

from matplotlib import pyplot as plt
import random
from matplotlib import font_manager
y = [random.randint(20,35) for i in range(120)]
new_x = range(0,120)
new_xx = new_x# 设置字体
ziti = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf",size=10) # 设置字体(需要导入matplotlib模块中的font_manager)：font_manager.FontProperties(fname=r"字体路径"，size=字体大小)new_x2 = ["10点{0}分".format(A) for A in range(60)] # 设置x轴字体，由于一个小时只有60分所以将120分拆开成2小时(列表)
new_x2 += ["11点{0}分".format(A) for A in range(60)]plt.figure(figsize=(20,5),dpi=100) # 设置图片大小dpi
plt.xticks(new_x[::4],new_x2[::4],rotation= -45,fontproperties = ziti) # plt.xticks(数字(时间),汉字(时间),rotation= 旋转角度,fontproperties = 字体)plt.plot(new_x,y)
plt.savefig("./savefig.png")
plt.show()

对x轴，y轴和整体做一个单独的标签 x/ylabel() ；title()：

from matplotlib import pyplot as plt
import random
from matplotlib import font_manager
y = [random.randint(20,35) for i in range(120)]
new_x = range(0,120)
new_xx = new_x# 设置字体
ziti = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf",size=7) # 设置字体(需要导入matplotlib模块中的font_manager)：font_manager.FontProperties(fname=r"字体路径"，size=字体大小)new_x2 = ["10点{0}分".format(A) for A in range(60)] # 设置x轴字体，由于一个小时只有60分所以将120分拆开成2小时(列表)
new_x2 += ["11点{0}分".format(A) for A in range(60)]plt.figure(figsize=(20,5),dpi=100) # 设置图片大小dpi
plt.xticks(new_x[::4],new_x2[::4],rotation= -45,fontproperties = ziti) # plt.xticks(数字(时间),汉字(时间),rotation= 旋转角度,fontproperties = 字体)# 标签
plt.xlabel("时间",fontproperties = ziti) # 一定要设置字体否则输出中文会报错
plt.ylabel("温度",fontproperties = ziti) # 一定要设置字体否则输出中文会报错
plt.title("10点到12点的每分钟变化",fontproperties = ziti) # 一定要设置字体否则输出中文会报错plt.plot(new_x,y)
plt.savefig("./savefig.svg")
plt.show()

from matplotlib import pyplot as plt
from matplotlib import font_managera = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
a1 = ["{}位".format(A) for A in a]
ziti = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf",size=7)plt.figure(figsize=(20,5),dpi=100) # 设置图片大小dpi
NL = range(11,31)
NL1 = ["{0}岁".format(A) for A in range(11,31)]plt.xticks(NL,NL1,fontproperties = ziti) # 显示汉字的话要传入两个参数：需要显示的数据，所对应的字符串
plt.yticks(a,a1,fontproperties = ziti)
plt.plot(NL,a)
plt.savefig("./savefig.svg")
plt.show()

绘制网格grid()：

from matplotlib import pyplot as plt
from matplotlib import font_managera = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
a1 = ["{}位".format(A) for A in a]
ziti = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf",size=7)plt.figure(figsize=(20,5),dpi=100) # 设置图片大小dpi
NL = range(11,31)
NL1 = ["{0}岁".format(A) for A in range(11,31)]plt.xticks(NL,NL1,fontproperties = ziti) # 显示汉字的话要传入两个参数：需要显示的数据，所对应的字符串
plt.yticks(a,a1,fontproperties = ziti)# 绘制网格
plt.grid(alpha=0.5) # grid 设置网格，alpha=网格透明度（最大为1）plt.plot(NL,a)
plt.savefig("./savefig.svg")
plt.show()

from matplotlib import pyplot as plt
from matplotlib import font_managera = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]a1 = ["{}位".format(A) for A in a]
ziti = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf",size=7)plt.figure(figsize=(20,5),dpi=100) # 设置图片大小dpi
NL = range(11,31)
NL1 = ["{0}岁".format(A) for A in range(11,31)]plt.xticks(NL,NL1,fontproperties = ziti) # 显示汉字的话要传入两个参数：需要显示的数据，所对应的字符串
plt.yticks(a,a1,fontproperties = ziti)# 绘制网格
plt.grid(alpha=0.5) # grid 设置网格，alpha=网格透明度（最大为1）plt.plot(NL,a)
plt.plot(NL,b) # 绘制另外一条plt.savefig("./savefig.svg")
plt.show()

为每条线标上标签：

from matplotlib import pyplot as plt
from matplotlib import font_managera = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]a1 = ["{}位".format(A) for A in a]
ziti = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf",size=7)plt.figure(figsize=(20,5),dpi=100) # 设置图片大小dpi
NL = range(11,31)
NL1 = ["{0}岁".format(A) for A in range(11,31)]plt.xticks(NL,NL1,fontproperties = ziti) # 显示汉字的话要传入两个参数：需要显示的数据，所对应的字符串
plt.yticks(a,a1,fontproperties = ziti)# 绘制网格
plt.grid(alpha=0.5) # grid 设置网格，alpha=网格透明度（最大为1）plt.plot(NL,a,label = "自己")
plt.plot(NL,b,label = "同桌") # 绘制另外一条
plt.legend(prop = ziti,loc = 2) # 设置每条线的标签 plt.legend(prop = 字体路径,loc = 位置(0~10))plt.savefig("./savefig.svg")
plt.show()

plt.plot(NL,a,label = “自己”) ，label后面跟想要显示的字符串，显示中文需要设置字体：plt.legend(prop = ziti)，prop参数填上字体路径即可，loc为显示的位置

设置线条风格：

颜色可以使用十六进制，可查颜色表

from matplotlib import pyplot as plt
from matplotlib import font_managera = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]a1 = ["{}位".format(A) for A in a]
ziti = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf",size=7)plt.figure(figsize=(20,5),dpi=100) # 设置图片大小dpi
NL = range(11,31)
NL1 = ["{0}岁".format(A) for A in range(11,31)]plt.xticks(NL,NL1,fontproperties = ziti) # 显示汉字的话要传入两个参数：需要显示的数据，所对应的字符串
plt.yticks(a,a1,fontproperties = ziti)# 绘制网格
plt.grid(alpha=0.5) # grid 设置网格，alpha=网格透明度（最大为1）plt.plot(NL,a,label = "自己",color = "cyan",linestyle = "--") # abel = 标签，color = 颜色，linestyle = 线条风格，linewidth = 线宽
plt.plot(NL,b,label = "同桌",color = "r",linestyle = ":",linewidth = 6) # 绘制另外一条
plt.legend(prop = ziti,loc = 2) # 设置每条线的标签 plt.legend(prop = 字体路径,loc = 位置(0~10))plt.savefig("./savefig.svg")
plt.show()

小结：

1、对比常用统计图

数据科学库学习第一节相关推荐

数据科学库学习第二节
一.绘制散点图 from matplotlib import pyplot as plt # 导入matplotlib模块中的 pyplot类,命名为 plt from matplotlib impo ...
机器学习-数据科学库（第一天）
01.数据分析的介绍什么是数据分析数据分析是用适当的方法对收集来的大量数据进行分析,帮助人们作出判断,以便采取适当行动. 数据分析流程 03.matplotlib的基础绘图为什么要学习matpl ...
数据科学导论学习小结——其三
数据科学导论学习小结--其三这是笔者大学二年级必修科目<数据科学基础>个人向笔记整理的第三部分,包含第六.第七两个章节.本笔记内容基于清华大学出版社<数据科学导论-探索数据的奥秘& ...
Python 数据科学库入门
Python 数据科学库入门 1.Numpy 1.1Numpy 简介 Numpy(Numerical Python) Numpy:提供了一个在 Python 中做科学计算的基础库,重在数值计算,主要用 ...
Neoj图数据科学库（The Neo4j graph data science library）使用指南
目录介绍算法图目录版本安装支持的Neo4j版本 Neo4j Desktop Neo4j Server Enterprise 版本配置 Neo4j Docker Neo4j Causal C ...
《R数据科学》学习笔记|Note8:使用dplyr处理关系数据
使用dplyr处理关系数据往期文章 <R数据科学>学习笔记|Note1:绪论 <R数据科学>学习笔记|Note2:使用ggplot2进行数据可视化(上) <R数据科学& ...
数据科学导论学习小结——其一
数据科学导论学习小结--其一这是笔者大学二年级必修科目<数据科学基础>个人向笔记整理的第一部分,包含前三个章节.本笔记内容基于清华大学出版社<数据科学导论-探索数据的奥秘>的 ...
机器学习-数据科学库-day6
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档机器学习-数据科学库-day6 pandas学习动手练习 pandas中的时间序列生成一段时间范围关于频率的更多缩写在Data ...
机器学习-数据科学库-day5
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档机器学习-数据科学库-day5 pandas学习 pandas之DataFrame pandas常用统计方法将字符串离散化数据合并 ...

数据科学库学习第一节