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 ...

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

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

最新文章

热门文章