Python之数据分析（坐标刻度定位器、散点图、柱状图、颜色区域填充）

文章目录

写在前面：
- 一、坐标刻度定位器
- 二、散点图
- 三、柱状图
- 四、颜色填充

写在前面：

import numpy as np
import matplotlib.pylab as mp
因此文章中的np就代表numpy库，mp就代表pylab绘图库

一、坐标刻度定位器

1、步骤
1）创建：定位器对象 = mp.XXXLocator(…)
2）获得坐标轴：ax = mp.gca()
3）主刻度：ax.xaxis.set_major_locator(定位器对象) # 例如厘米
4）次刻度：ax.xaxis.set_minor_locator(定位器对象) # 例如毫米

2、各种定位器

mp.NullLocator()：无刻度
mp.MaxNLocator(nbins=5, steps=[1,3,5,7,9])：最多5个等分刻度，分别是1，3，5，7，9
mp.FixedLocator(locs=[0, 2.5, 5, 7.5, 10])：直接将刻度放上去
mp.AutoLocator()：自动刻度，不需要提供参数（方便）
mp.IndexLocator(offset=0.5, base=1.5)：索引定位器(好用)，一参是偏移量，二参是间隔大小
mp.MultipleLocator()：（好用）默认参数为1，就是主刻度间隔，可以用数字设定参数；次刻度默认为主刻度/10
mp.LinearLocator(numticks=21)：线性定位器，参数为分成多少个等分，此处为21等分
mp.LogLocator(base=2, subs=[1.0])：对数定位器，间距不断扩大，取2的-1次方，2的0次方，2的1次方，2的2次方……

3、练习代码

import numpy as np
import matplotlib.pylab as mpmp.figure(facecolor="lightgray")  # 创建窗口# 存储定位器名称
locators=['mp.NullLocator()', 'mp.MaxNLocator(nbins=5, steps=[1,3,5,7,9])', 'mp.FixedLocator(locs=[0, 2.5, 5, 7.5, 10])', 'mp.AutoLocator()',  'mp.IndexLocator(offset=0.5, base=1.5)', 'mp.MultipleLocator()','mp.LinearLocator(numticks=21)', 'mp.LogLocator(base=2, subs=[1.0])',
]n_locators = len(locators)  # 获取定位器长度# 遍历每一个定位器来创建子图
for i, locator in enumerate(locators):mp.subplot(n_locators, 1, i+1)  # 创建行数为定位器长度，列数为1，图号为i+1的子图mp.xlim(0, 10)  # 水平方向是从0到10mp.ylim(-1, 1)  # 垂直方向是-1到1mp.yticks(())  # 隐藏y坐标轴ax = mp.gca()  # 获取坐标轴ax.spines['left'].set_color("none")  # 将左坐标轴透明ax.spines['top'].set_color("none")  # 将上坐标轴透明ax.spines['right'].set_color("none")  # 将右坐标轴透明ax.spines['bottom'].set_position(('data', 0))  # 将底坐标轴设置数据坐标为0的位置# 设置主刻度ax.xaxis.set_major_locator(eval(locator))  # 以遍历到的定位器为朱刻度# 设置次刻度ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))  # 以0.1为最小间隔距离# 随便画个图mp.plot(np.arange(11), np.zeros(11), c='none')  # 0到10位横坐标，10个0位纵坐标，颜色为空# 用文字标识一下定位器mp.text(5, 0.3, locator[3:], ha='center', size=12)mp.tight_layout()  # 紧凑显示
mp.show()  # 显示图表

二、散点图

1、方法
mp.scatter(水平坐标数组, 垂直坐标数组, s=点的大小, c=分布数据, cmap=颜色映射方式, alpha=透明度（0到1）, marker=点的形状)

2、测试代码

import numpy as np
import matplotlib.pylab as mp# 获得1000个使用随机作为服从正态分布的数据样本（数组）
n = 1000
x = np.random.normal(0, 1, n)  # 一参为标准差，二参为分布平坦性（越大越分散，越小越集中），三参为点的个数
y = np.random.normal(0, 1, n)
d = np.sqrt(x ** 2 + y ** 2)  # 根号下 x平方加y平方 作为点到正态中心的距离# 绘制图像
mp.figure("Scatter", facecolor="lightgray")
mp.title("Scatter", fontsize=20)  # 图像标题
mp.xlabel('X', fontsize=14)  # X、Y刻度显示的文本
mp.ylabel('Y', fontsize=14)
mp.tick_params(labelsize=10)  # 刻度标签大小
mp.grid(linestyle=":")  # 网格线
mp.scatter(x, y, s=60, c=d, cmap="jet_r", alpha=0.5, marker='*')  # marker常用D，*，s，默认圆点omp.show()

三、柱状图

1、方法
mp.bar(水平坐标数组, 高度数组（有正负）, ec=边缘颜色, fc=填充颜色, label=标签文本, alpha=透明度 )

2、测试代码

import numpy as np
import matplotlib.pylab as mpn = 12
x = np.arange(n)# uniform：均匀分布，在0.5和1.0之内产生n个随机数
y1 = (1 - x/n)* np.random.uniform(0.5, 1.0, n)  # (1 - x/n)为了方便显示
y2 = (1 - x/n)* np.random.uniform(0.5, 1.0, n)# 图像属性
mp.figure("Bar", facecolor="lightgray")
mp.title("Bar", fontsize=20)  # 图像标题
mp.xlabel('X', fontsize=14)  # X、Y刻度显示的文本
mp.ylabel('Y', fontsize=14)
mp.tick_params(labelsize=10)  # 刻度标签大小
mp.grid(axis='y', linestyle=":")  # 网格线，并且只画与y相关联的
mp.xticks(x, x+1)  # 设置横坐标刻度，位置为x的，显示数字为x+1
mp.ylim(-1.25, 1.25)  # 设置纵坐标大小，-1.25到1.25# 绘制图像
mp.bar(x, y1, ec='white', fc='dodgerblue', label="Sample 1")
# 分别取y1中的每个柱，并且在柱的上方显示文本，水平居中，垂直靠底
for _x, _y in zip(x, y1):mp.text(_x, _y, '%.2f'%_y, ha='center', va='bottom', size=8)mp.bar(x, -y2, ec='white', fc='dodgerblue', label="Sample 2", alpha=0.5)
for _x, _y in zip(x, y2):mp.text(_x, -_y - 0.015, '%.2f'%_y, ha='center', va='top', size=8)  # _y取负号，-0.015表示不会靠的太近mp.legend()
mp.show()

四、颜色填充

1、方法

mp.fill_between(水平坐标数组, 垂直坐标起点数组, 垂直坐标终点数组, 填充条件, color=颜色, alpha=透明度)
取从-π到π的999个点，作为横坐标：x = np.linspace(-np.pi, np.pi, 1000)

2、测试代码

import numpy as np
import matplotlib.pylab as mpn = 1000
x = np.linspace(0, 8*np.pi, n)
sin_y = np.sin(x)
cos_y = np.cos(x/2)/2# 图像属性
mp.figure("Fill", facecolor="lightgray")
mp.title("Fill", fontsize=20)  # 图像标题
mp.xlabel('X', fontsize=14)  # X、Y刻度显示的文本
mp.ylabel('Y', fontsize=14)
mp.tick_params(labelsize=10)  # 刻度标签大小
mp.grid(linestyle=":")  # 网格线# 绘制图像
mp.plot(x, sin_y, c='dodgerblue', label=r"$y=sin(x)$")
mp.legend()  # 显示图例
mp.plot(x, cos_y, c='orange', label=r"$y=\frac{1}{2}cos(\frac{x}{2})$")
mp.legend()# 填充颜色
# 起点在cos，终点在sin，且条件是cos<sin
mp.fill_between(x, cos_y, sin_y, cos_y<sin_y, color="yellow", alpha=0.5)
# 条件是cos>sin
mp.fill_between(x, cos_y, sin_y, cos_y>sin_y, color="lightblue", alpha=0.5)mp.show()

Python之数据分析（坐标刻度定位器、散点图、柱状图、颜色区域填充）相关推荐

python散点图坐标刻度_python – 散点图中的轴范围
我一直在使用下面的代码来绘制运行4个函数所花费的时间. x轴表示执行次数,而y轴表示花费的时间运行一个功能. 我想知道你是否可以帮我完成以下任务: 1)设置x轴的极限,以便仅显示正值(x表示每个函 ...
python绘制训练结果曲线图和散点图、解决坐标刻度标签重复问题、利用训练标准输出流绘制
python绘制训练结果曲线图和散点图.解决坐标刻度标签重复问题 .利用训练标准输出流绘制 python绘制训练结果图训练结果标准输出流删除标准输出流中多余内容正则表达式提取数据绘制曲线图和散 ...
计算机excel柱状图刻度单位,如何设置excel图表的坐标刻度和单位-excel 柱状图坐标区间刻度...
如何改变excel图表的坐标最小刻度值? 选中纵坐标,按Ctrl 1,在弹出的对话框中左侧选择坐标轴选项,一般默认就是,再看右侧,选择次要刻度单位为固定,再在下方的次要刻度线类型中选择外部,确定退出就 ...
数据分析基础学习_Matplotlib_常见图形及绘制（折线图/散点图/柱状图/直方图/饼图）
1.3 常见图形及绘制 matplotlib可以绘制折线图.散点图.柱状图.直方图.饼图 1.3.1 常见图形种类及意义折线图:以折线的上升或下降来表示统计量的增减变化的统计图特点:可以显示数据的 ...
Python地信专题 | 基于geopandas的空间数据分析-坐标参考系篇
文章来源于Python大数据分析,作者费弗里本文对应代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介在 ...
python(matplotlib3)——ticks（坐标刻度）能见度
文章目录前言 ticks(坐标刻度)能见度前言来自莫烦python的总结. ticks(坐标刻度)能见度 x = np.linspace(-3,3,50) y = 0.1*xplt.figur ...
Python可视化中Matplotlib(4.三种设置样式方法、设置坐标刻度以及标签、设置显示出特殊字符)
1.三种设置方式 (1)向方法传入关键字参数上一节已经总结过,一直在使用 (2)对实例使用一系列的setter方法具体的方法直接看代码 import matplotlib.pyplot as pl ...
《利用python进行数据分析》读书笔记
<利用python进行数据分析>是一本利用python的Numpy.Pandas.Matplotlib库进行数据分析的基础介绍,非常适合初学者. 重要的python库 NumPy http ...
《利用Python 进行数据分析》第八章：绘图和可视化
对<利用Python 进行数据分析>(Wes Mckinney著)一书中的第八章中绘图和可视化进行代码实验.原书中采用的是Python2.7,而我采用的Python3.7在Pycharm调 ...

Python之数据分析（坐标刻度定位器、散点图、柱状图、颜色区域填充）

文章目录

写在前面：

一、坐标刻度定位器

二、散点图

三、柱状图

四、颜色填充

Python之数据分析（坐标刻度定位器、散点图、柱状图、颜色区域填充）相关推荐

最新文章

热门文章