matplotlib数据可视化实验报告1（最终版）

import matplotlib.pyplot as plt
# 创建绘图对象figure,设置画布大小figsize,分辨率dpi，背景颜色facecolor可以用十六进制颜色代码
fig=plt.figure(figsize=(6,6),dpi=100,facecolor='#dfd7d7')
#划分子图ax
ax=fig.add_subplot(1,1,1)
import numpy as np
x = np.linspace(-3,3,100)
y = np.random.randn(100)
#设置中文显示
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
#生成散点图
plt.grid(linestyle = ':',color = 'r',alpha = 0.5)
plt.scatter(x,y,c='k',alpha = 0.3,marker = '*',label = 'satter',lw = 1,edgecolor = 'r')
#使用marker改变点形状
plt.xlim(0,4)
plt.ylim(-3,3)
#表格设计
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.axhline(y = 0,color = 'r',ls = '-.',alpha = 0.8)
plt.axvline(x = 2.0,color = 'r',ls = '-.',alpha = 0.8)
plt.legend(loc = 'upper right')
plt.title('Structure of matplotlib')
#生成sin图
x = np.linspace(1,3.5,100)
y = np.sin(x)
plt.plot(x,y,c ='y',alpha = 0.5,ls = '--',label = 'sin(x)',lw = 2)
plt.legend()
#设置平行于x/y轴的参考区域
plt.axvspan(xmin=1.5,xmax=2.5,color='blue',alpha=0.1)
plt.axhspan(ymin=-1,ymax=1,color='yellow',alpha=0.1)
plt.annotate('maxium',xy = (1.5,1),xytext = (1.3,1.3),arrowprops = {'arrowstyle':'->','connectionstyle':'arc3'})
#connectionstyle描绘箭头的样式的，例如箭头的一个弧度之类的

# 创建绘图对象figure,设置画布大小figsize,分辨率dpi，背景颜色facecolor可以用十六进制颜色代码
fig=plt.figure(figsize=(6,6),dpi=100,facecolor='#dfd7d7')
#子图ax1
ax1 =fig.add_subplot(2,2,1)
x = np.linspace(1,3.5,100)
y = np.sin(x)
plt.plot(x,y,c ='y',alpha = 0.5,ls = '--',label = 'sin(x)',lw = 2)
plt.legend()
plt.title('正弦图')
#子图ax2
ax2 = plt.subplot(2,2,2)
x = np.linspace(-3,3,100)
y = np.random.randn(100)
plt.scatter(x,y,c='k',alpha = 0.5,label = 'scatter',marker = '*',lw =1)
plt.legend(loc = 'upper right')
plt.title('散点图')
#子图3
ax3 = plt.subplot(2,2,3)
plt.pie([1,1,1])
plt.title('扇形图')
#子图4
ax4 = plt.subplot(2,2,4)
y = [20, 10, 30, 25, 15]
x = np.arange(5)# 绘图 x x轴， height 高度, 默认：color="blue", width=0.2 线条的宽度 默认0.8
plt.bar(x, height=y, width=0.5,alpha = 0.8)
#保存图片到文件
plt.savefig(r'C:\Users\L\Desktop\matplotlib.png')

#绘制条形图
Y2006 = [1500,1600,1700,1800,1900]
Y2007 = [2000,2100,2200,2300,2400]
#设置中文显示
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = Falselabels = ['beijing','shanghai','hongkong','shenzhen','guangzhou']plt.figure(figsize=(8,8),facecolor = '#FFF0F5')bar_width = 0.3
plt.bar(np.arange(5),Y2006,label = '2006',color = 'yellow',alpha = 0.7,width = bar_width)
plt.bar(np.arange(5)+bar_width,Y2007,label = '2007',color = 'black',alpha = 0.7,width = bar_width)plt.xticks(np.arange(5)+bar_width/2,labels)
plt.ylim(1000,2800)plt.title("2006-2007年平均工资表")
plt.legend()#为每个条形图添加数值标签
for x2006,y2006 in enumerate(Y2006):plt.text(x2006,y2006,'%s'%y2006,ha = 'center',va = 'bottom')
for x2007,y2007 in enumerate(Y2007):plt.text(x2007+0.2,y2007+10,'%s'%y2007)

"""
绘制直方图
data:必选参数，绘图数据
bins:直方图的长条形数目，可选项，默认为10
normed:是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，显示频数。normed=1，表示归一化，显示频率。
facecolor:长条形的颜色
edgecolor:长条形边框的颜色
"""
data = np.random.randn(10000)
plt.hist(data, bins=40, normed=0, facecolor="#dfd7d7", edgecolor="k",label = 'x')# 显示横轴标签
plt.legend()
plt.xlabel("区间")# 显示纵轴标签
plt.ylabel("频数/频率")# 显示图标题
plt.title("频数/频率分布直方图")

#绘制图中图
flg1 =plt.figure(facecolor = '#dfd7d7')
#add_axes通过相对位置增加子图，add_axes([left,bottom,width,height])
ax5 = flg1.add_axes([0.1,0.1,0.8,0.4])
ax6 = flg1.add_axes([0.3,0.2,0.4,0.2])
plt.plot(np.arange(5),'y->')

#绘制笛卡儿积心型函数
t = np.linspace(-4,4,100)
#在指定的间隔内返回均匀间隔的数字
x = 16*(np.sin(t)**3)
y = 13*np.cos(t)-5*np.cos(2*t)-2*np.cos(3*t)-np.cos(4*t)plt.scatter(x,y,c='r',marker='.')
plt.text(-12,0,'python数据可视化',size=25,color='k',alpha = 0.5)
plt.fill(x,y,facecolor='pink')#plt.xticks([]) 不显示刻度
#plt.yticks([])
plt.axis('off')
#plt.grid()
plt.show()

#一次性生成多条直线
a = np.arange(10)
plt.plot(a,a,'r',a,4*a,'g:',a,8*a,'c-.*',a,2*a,'y>-')``![在这里插入图片描述](https://img-blog.csdnimg.cn/20201019160723866.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNzYwOTIw,size_16,color_FFFFFF,t_70#pic_center)
````python
#生成正弦函数
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)+np.random.random(len(x))plt.scatter(x,y,c='y',s=50,alpha = 0.5)
plt.plot(x,np.sin(x)+0.5,'b')#+0.5使生成曲线在点两侧
#plt.plot(x,y)

np.power([2,3,4],4)#平方
a = np.random.randn(150)
b = np.random.randn(150)
s = np.power(10*a+20*b,2)
flg2 = plt.figure(facecolor = '#dfd7d7',figsize = (6,10))
alt1 = flg2.add_subplot(3,1,1)
plt.scatter(a,b,s=s,c=np.random.rand(150),cmap=plt.cm.spring,\marker='*')
atl2 = flg2.add_subplot(3,1,2)
plt.scatter(a,b,s=s,c=np.random.rand(150),cmap=plt.cm.summer,\marker='o')
atl2 = flg2.add_subplot(3,1,3)
plt.scatter(a,b,s=s,c=np.random.rand(150),cmap=plt.cm.rainbow,\marker='>')plt.show()

#绘制3d图
from mpl_toolkits.mplot3d import Axes3D
plt.figure(figsize = (10,6))
data = np.random.randint(0,255,size = [6,6,6])
x,y,z = data[0],data[1],data[2]
ax = plt.subplot(111,projection = '3d')
ax.scatter(x[:2],y[:2],z[:2],c ='y',s=100)
ax.scatter(x[2:4],y[2:4],z[2:4],c ='b',marker = '*',s=100)
ax.scatter(x[4:6],y[4:6],z[4:6],c ='g',marker = 'v',s=100)
ax.set_label('z')
ax.set_label('Y')
ax.set_label('X')
plt.show()

1.通过这次绘图过程，对matplotlib图表绘制所使用的函数和方法印象加深。

plot()函数包含了很多基础的绘图功能，用它来绘制线图；scatter()函数用以绘制散点图；xlim() / ylim()用于设置坐标轴的数值显示范围；xlabel() / ylabel()用于设置坐标轴的标签；grid()函数用于设置图形中的网格线；axhline() / axvline()：用于设置水平参考线和垂直参考线。axhspan() / axvspan()用于设置平行于x轴/y轴的参考区域；annotate():添加指向性注释文本，灵活调整注释的位置以及指示箭头的样式， text():图形中的注释，但它跟annotate()的区别是它用于添加不带指向性箭头的文本注释； title():形的标题；

2.明确了结构关系

（1）理解了figure与asex之间的关系，先建画板再建子图，再赋值给对象
fig=plt.figure(figsize=(6,6),dpi=100,facecolor=’#dfd7d7’)
#用add_subplot划分子图ax
ax=fig.add_subplot(1,1,1)

（2）学习了子图之间并列关系，若无先赋值给对象，那么就要按代码顺序plt.绘图。赋值给对象后，对象没有包含的方法就需要用set_函数调用。

3．明确了画图的流程

其中第一步和第二步的创建画图对象和子图对象都可以不设置，系统会默认做设置。第三步的个性化定制就是绘图时必备的。
4.额外学习了直方图的绘制/3D图的绘制/条形图的绘制
使用plt.hist()
plt.hist(data, bins=40, normed=0, facecolor=“blue”, edgecolor=“black”, alpha=0.5,label = ‘x’)# 显示横轴标签
plt.legend()
plt.xlabel(“区间”)# 显示纵轴标签
plt.ylabel(“频数/频率”)# 显示图标题
plt.title(“频数/频率分布直方图”)
使用Axes3D函数
from mpl_toolkits.mplot3d import Axes3D
使用plt.bar()
plt.bar()#用width设置条形宽度
5.matplotlib.org是个很好用的网站，可以学到很多绘制新的各种图的方法，还有用另外一个库seaborn也可以进行绘图。

在此过程中也有遇到一个小问题，就是用savefig函数生成的图片的facecolor参数没有显示出来，图片的背景都是生成的白色。

matplotlib数据可视化实验报告1（最终版）相关推荐

python数据可视化实验报告的总结,数据可视化的基本流程总结
我们要的不是数据,而是数据告诉我们的事实.大多数人面临这样一个挑战:我们认识到数据可视化的必要性,但缺乏数据可视化方面的专业技能.部分原因可以归结于,数据可视化只是数据分析过程中的一个环节,数据分析师 ...
基于销售软件利润表的数据可视化分析：数据+代码+实验报告：
代码: ' # pip install seaborn -i https://pypi.tuna.tsinghua.edu.cn/simple import pandas as pd import s ...
python如何读取mat文件可视化_python Matplotlib数据可视化（1）：简单入门
1 matplot入门指南 matplotlib是Python科学计算中使用最多的一个可视化库,功能丰富,提供了非常多的可视化方案,基本能够满足各种场景下的数据可视化需求.但功能丰富从另一方面来说也意 ...
c语言recover函数的功能是,c语言实验报告(附答案版).doc
c语言实验报告(附答案版) 实验一.实验学时二.实验目的1. (2)掌握不同的类型数据之间赋值的规律: (3)掌握数据在内存中的存储方式: (4)学会输入.输出函数的基本格式和使用方法: (5)学会 ...
数据可视化实验：python数据可视化-柱状图，条形图，直方图，饼图，棒图，散点图，气泡图，雷达图，箱线图，折线图
数据可视化实验:python数据可视化实验8-12:大数据可视化工具-python 目录 1柱状图 2条形图 3直方图 4饼图 5棒图 6散点图 7气泡图 8雷达图 9箱线图 10折线图 1柱状图 ...
第四次c语言实验报告模板,C语言实验报告模板完成版
C语言实验报告模板完成版 <高级语言程序设计> 学生实验报告专业:计算机科学与技术(非师范) 学号:12600120 姓名: 李奕实验一 C程序的运行环境和使用方法 1. 实 ...
Python数据科学学习笔记之——Matplotlib数据可视化
Matplotlib 数据可视化 1.Matplotlib 常用技巧 1.1.导入 Matplotlib import matplotlib as mpl import matplotlib.pypl ...
大学计算机应用实验项目综合报告书,大学计算机应用基础实验报告册_2010版_.doc...
大学计算机应用基础实验报告册_2010版_ 20 09 -20 10 学年第一学期实验报告实验课程名称大学计算机应用基础专业班级学生姓号学生姓名实验指导老师实 ...
Matplotlib 数据可视化（读书笔记）
Python 数据科学手册第四章读书笔记,仅供学习交流使用 4. Matplotlib 数据可视化 4.1 Matplotlib 常用技巧 4.1.1 导入 Matplotlib plt 是最常用的接 ...

matplotlib数据可视化实验报告1（最终版）

matplotlib数据可视化实验报告1（最终版）相关推荐

最新文章

热门文章