Python之数据分析(Numpy通用属性、数据可视化与matplotlib库通用函数)
文章目录
- 一、ndarray属性
- 二、数据可视化
一、ndarray属性
1、通用属性
- dtype:数组类型
- shape:数组维度
- T:转置视图
- ndim:维数(一维是1,二维是2,三维是3……)
- size:元素数
- itemsize:每个元素的字节数
- nbytes:数组总字节数(size * itemsieze)
- flat:扁平迭代器(若不想每行每列访问元素,可以扁平化成1行来访问),扁平化之后可以用下标来取值,用于批量修改值
- real:复数的实部数组
- imag:复数的虚部数组
- 数组.tolist():将数组变成列表对象
2、ndarray练习
import numpy as npa = np.array([[1+1j, 2+4j, 3+7j],[4+2j, 5+5j, 6+8j],[7+3j, 8+6j, 9+9j]
])
# print(a.dtype, a.dtype.str, a.dtype.char)
# print(a.shape)
# print(a.ndim)
# print(a.size, len(a))
# print(a.itemsize)
# print(a.nbytes)
# print(a.real, a.imag, sep='\n')
# for item in a.flat:
# print(item)
# print(a.flat[[1, 3, 5]])# a.flat[[2, 4, 6]] = 0
# print(a)x = np.array([10, 20, 30])
y = 40
def fun(a, b):a.append(b)return a
x = np.array(fun(x.tolist(), y))
# print(x)
x = np.append(x, 50)
print(x)
二、数据可视化
1、可视化工具
matplotlib:数学绘图库
常用导入:matplotlib.pyplot
习惯:
import numpy as np
import matplotlib.pyplot as mp
因此,以下代码中的np就是numpy,mp就是matplotlib.pyplot数据可视化
2、基本绘图方法
- 默认曲线:mp.plot(水平坐标数组,垂直坐标数组)
- 定制化曲线:mp.plot(…,linestyle=线型, linewidth=线宽, colot=颜色)
- mp.xlim(左边界, 右边界)
- mp.ylim(低边界, 顶边界)
- mp.xticks(刻度位置数组,刻度文本数组)
- mp.yticks(刻度位置数组,刻度文本数组)
3、设置坐标轴的位置(2步)
1)ax = mp.gca() # 必须先获取当前坐标轴,赋值给ax
2)
- ax = spines[‘left’].set_position((‘data’, 0)) # 将左边的坐标轴设置到数据坐标的0点
- ax = spines[‘right’].set_color(‘red’) # 设置坐标轴的颜色为红色,none为无色
4、设置图例(2步)
1)mp.plot(…, label=图例文本) # 设置label属性就是添加图例
2)mp.legend(loc=‘upper left’) # 必须进行图例的位置设置,upper left表示左上角,lower right表示右下角
5、参考效果
6、练习代码
import numpy as np
import matplotlib.pyplot as mp# 默认绘图
# 取从-π到π的999个点,作为横坐标
x = np.linspace(-np.pi, np.pi, 1000)
# x是一个数组,cos方法会将数组中每个元素都求余弦函数
cos_y = np.cos(x)/2
sin_y = np.sin(x)# 默认绘图,绘制曲线
# mp.plot(x, cos_y)
# mp.plot(x, sin_y)# 将图像窗口显示出来
# mp.show()# 自定制绘图
mp.xlim(x.min() * 1.1, x.max() * 1.1) # 左边界是数组的最小值,右边界是数组的最大值,则就没有白边了
mp.yticks([-1, -0.5, 0.5, 1], ['A','B','C','D']) # 设置y坐标刻度,文字是ABCD,刻度值是-1, -0.5, 0.5, 1
mp.ylim(sin_y.min() * 1.1, sin_y.max() * 1.1)mp.xticks([-np.pi, -np.pi*1/2, 0, np.pi*3/4, np.pi],[r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{3\pi}{4}$', r'$\pi$'])
# r表示取消python自动转义,$ $包围起来的是格式化转义内容,
# pi表示π,frac{}{}前括号是分子,后括号是分母# 对坐标轴的处理
ax = mp.gca()
ax.spines['left'].set_position(('data', 0)) # 获取左坐标轴,将左边的坐标轴设置到横坐标为0的位置处
ax.spines['bottom'].set_position(('data', 0)) # 获取右坐标轴
ax.spines['right'].set_color("none")
ax.spines['top'].set_color("none")mp.plot(x, cos_y, linestyle='--', linewidth=6, color="chartreuse", label=r'$y=\frac{1}{2}cos(x)$')
mp.plot(x, sin_y, linestyle=':', linewidth=2.5, color="steelblue", label=r'$y=sin(x)$')
mp.legend(loc = "upper left") # 设置图例显示位置为左上角# 窗口展示
mp.show()
Python之数据分析(Numpy通用属性、数据可视化与matplotlib库通用函数)相关推荐
- python中文显示不出来_Python数据可视化利器Matplotlib,无法显示中文,怎么办?...
原标题:Python数据可视化利器Matplotlib,无法显示中文,怎么办? matplotlib无法显示中文主要是因为默认字体不是中文字体,所以我们只需设置一下字体行了. 文字字体设置主要有两种方 ...
- 数据可视化(matplotlib库)知识点归纳总结及练习题
数据可视化 Pytghon有两种数据作图方案: 1.matplotlib:简单方便,适合数值作图与科学作图(论文发表) 2.pyecharts:流程略微复杂但功能强大,为交互式图形,适合项目开发和商业 ...
- Python大数据分析之实时疫情数据可视化(含代码)
文章目录 一.Python实时数据爬取 二.Matplotlib绘制全国各地区柱状图 三.数据存储及Seaborn绘制全国各地区柱状图 四.Seaborn绘制全国各地区对比柱状图 一.Python实时 ...
- python绘制曲线y=2x+5_Python数据可视化:Matplotlib绘图详解(二)
上一章节我们学习了matplotlib的基本用法和坐标轴设置方面的一些内容,这节课,我们要学习在图中添加图例与标注. 基本用法 本章知识点归纳如下: 1.添加图例:plt.legend() 2.画点: ...
- python题库和答案_Python数据分析与数据可视化_题库免费答案2020
Python数据分析与数据可视化_题库免费答案2020 更多相关问题 撰写纪要时,发现与会者发言质量不高时,可以进行拔高.提炼,一定要做好后期加工.() 在发布的对象中,凡是属于法规性文件,标题和正文 ...
- python 数据可视化工具--matplotlib
数据可视化工具--matplotlib 1. 条形图 1.1 垂直条形图 1.2 水平条形图 1.3 堆叠条形图 1.4 水平交错条形图 2.饼状图 3. 直方图与核密度曲线 4. 箱线图 5. 折线 ...
- Python数据可视化——使用Matplotlib创建散点图
Python数据可视化--使用Matplotlib创建散点图 2017-12-27 作者:淡水化合物 转载请注明网址:https://www.cnblogs.com/pengsky2016/p/812 ...
- 《Python数据可视化之matplotlib实践》配套代码
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程 公众号:datayx <Python数据可视化之matplotlib实践> 借助matplotlib讲解 ...
- python数据可视化(matplotlib条形图、饼图、箱状图、直方图、折线图)(代码)
python数据可视化(matplotlib条形图.饼图.箱状图.直方图.折线图) matplotlib(条形图) 一.简单条形图 1.简单垂直条形图 2.简单水平条形图 二.水平交错条形图 三.垂直 ...
最新文章
- sshd 相关服务配置与使用
- 根据名称获得treeview节点_冶金行业首个!中冶赛迪正式启动工业互联网标识解析二级节点建设...
- ElasticSearch之集群原理
- 计算机科学与技术博士论文,计算机科学与技术系博士学位论文答辩.PDF
- mysql 打包 脚本_windows下mysql自动备份压缩打包时间命名批处理脚本
- 如何远程调试zookeeper集群
- 点评复兴号超载无法运行的事件
- 首个Windows 11 官方ISO镜像下载
- 怎么查看台式计算机网络密码,台式电脑怎么查看wifi密码_台式机如何看wifi密码?-192路由网...
- Java 中Calendar的使用
- iDLG Improved Deep Leakage from Gradients
- Java项目:基于SSM的疫情物业系统
- react+redux实战——redux到底是个啥子?
- 【火灾检测】基于matlab GUI森林火灾检测系统(带面板)【含Matlab源码 1921期】
- python之tkinter Pack使用
- USACO 2020 December Contest, BronzeProblem 2. Daisy Chains题解
- 【每日面试】便利蜂 java后端开发
- 读论文Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank
- 专题 | css之选择器
- show函数的作用是什么python_Python 的show()方法问题
热门文章
- android 7.0 自启管理,一款不错的android6.0、7.0权限管理器推荐
- mysql join原理_MySQL的JOIN(二):JOIN原理
- k1658停运到什么时候_商洛一小区电梯停运10余天,高层业主:我可太难啦
- 查看linux进程的设备io,Linux下查看进程IO工具iopp
- windows编程 识别拖动_Quicker 解锁新姿势!Windows 还能这么用?
- feign直接走熔断_121 SpringCloud之服务熔断、隔离、Hystrix、 Dashboard和turbine
- php 反射 调用私有方法,PHP通过反射方法调用执行类中的私有方法
- sparksql 操作hive_三十六、图解SparkSQL运行原理
- php laravel导入excel,Laravel 5使用Laravel Excel实现Excel/CSV文件导入导出的功能详解
- (万里开源)greatdb mysql 8.0以上版本创建用户并授权远程连接