python实战学习之matplotlib绘图续
学习完matplotlib绘图可以设置的属性,还需要学习一下除了折线图以外其他类型的图如直方图,条形图,散点图等,matplotlib还支持更多的图,具体细节可以参考官方文档:https://matplotlib.org/gallery/index.html
折线图
折线图主要是以折线的上升或者下降表示数据的增减
plt.plot() 调用多次可以在同一张图上绘制多条折线
x = range(11,31,1)
a = [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]
plt.xticks(x)
plt.plot(x,a,label="数据A",linestyle="-",color="red",alpha=0.5)
plt.plot(x,b,label="数据B",linestyle="--",color="blue",alpha=0.5)
plt.legend(prop=my_font,loc="best")
plt.show()
散点图
散点图主要是表示x和y之间的关系
与折线图唯一不同的就是绘制散点图调用的是 scatter方法
a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13]
x_a = range(1,31)
x_b = range(70,100)
#设置图形大小
plt.figure(figsize=(15,8),dpi=80)
#使用scatter方法绘制散点图
plt.scatter(x_a,a,label="数据A")
plt.scatter(x_b,b,label="数据B")
#添加图例
plt.legend(prop=my_font)
#展示
plt.show()
条形图
条形图主要是统计离散数据
竖着的条形图
与折线图唯一不同的就是绘条形图调用的是 bar方法,需要设置条形的宽度
a = ["流浪地球","疯狂的外星人","飞驰人生","大黄蜂","熊出没·原始时代","新喜剧之王","白蛇:缘起","阿丽塔:战斗天使","死侍2:我爱我家","密室逃生","一吻定情","神探蒲松龄","小猪佩奇过大年 ","廉政风云 ","掠食城市","钢铁飞龙之奥特曼崛起","一条狗的回家路","家和万事惊","命运之夜——天之杯:恶兆之花","我想吃掉你的胰脏"]
b=[43.14,21.35,16.35,11.37,6.9,6.11,4.42,4.22,2.83,2.29,1.64,1.5,1.22,1.11,0.4997,0.3746,0.36,0.3233,0.3136,0.2361]
#设置图形大小
plt.figure(figsize=(15,8),dpi=80)
#绘制条形图
plt.bar(range(len(a)),b,width=0.3)
#设置字符串到x轴
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=90)
plt.show()
横着的条形图
与竖着的条形图不同的是需要设置y轴的坐标,绘制图形调用的是 barh方法,需要设置条形的高度
a = ["流浪地球","疯狂的外星人","飞驰人生","大黄蜂","熊出没·原始时代","新喜剧之王","白蛇:缘起","阿丽塔:战斗天使","死侍2:我爱我家","密室逃生","一吻定情","神探蒲松龄","小猪佩奇过大年 ","廉政风云 ","掠食城市","钢铁飞龙之奥特曼崛起","一条狗的回家路","家和万事惊","命运之夜——天之杯:恶兆之花","我想吃掉你的胰脏"]
b=[43.14,21.35,16.35,11.37,6.9,6.11,4.42,4.22,2.83,2.29,1.64,1.5,1.22,1.11,0.4997,0.3746,0.36,0.3233,0.3136,0.2361]
#设置图形大小
plt.figure(figsize=(18,6),dpi=80)
#绘制条形图
plt.barh(range(len(a)),b,height=0.3,color="orange")
#设置字符串到y轴
plt.yticks(range(len(a)),a,fontproperties=my_font)
plt.grid(alpha=0.3)
plt.show()
多组数据绘制在一个图上
a = ["数据A","数据B","数据C","数据D"]
b_1 = [15746,290,4497,339]
b_2 = [12357,176,2045,168]
b_3 = [2358,369,2358,392]bar_width = 0.2x_1 = list(range(len(a)))
x_2 = [i+bar_width for i in x_1]
x_3 = [i+bar_width*2 for i in x_1]#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.bar(range(len(a)),b_1,width=bar_width,label="1日")
plt.bar(x_2,b_2,width=bar_width,label="2日")
plt.bar(x_3,b_3,width=bar_width,label="3日")#设置图例
plt.legend(prop=my_font)#设置x轴的刻度
plt.xticks(x_2,a,fontproperties=my_font)
plt.show()
直方图
直方图主要是 统计连续的数据
需要把所有的数据分成N组,组数需要适当,太少会有较大的统误差,太多规律不明显
组数 = 极差(最大值-最小值)/组距
组距:指每个小组的两个端点的距离
与折线图唯一不同的就是绘制直方图调用的是 hist方法 需要传入数据和组数
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]#计算组数
d = 3 #组距
num_bins = (max(a)-min(a))//d
#设置图形的大小
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins)
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))
plt.grid()
plt.show()
转载于:https://www.cnblogs.com/zh20130424/p/10427958.html
python实战学习之matplotlib绘图续相关推荐
- python画图实战_python实战学习之matplotlib绘图续
学习完matplotlib绘图可以设置的属性,还需要学习一下除了折线图以外其他类型的图如直方图,条形图,散点图等,matplotlib还支持更多的图,具体细节可以参考官方文档:https://matp ...
- Python基础知识学习笔记——Matplotlib绘图
Python基础知识学习笔记--Matplotlib绘图 整理python笔记,以防忘记 文章目录 Python基础知识学习笔记--Matplotlib绘图 一.绘图和可视化 1.导入模块 2.一个简 ...
- 2021-04-28 Python可视化图表生成-Matplotlib绘图
Python可视化图表生成-Matplotlib Matplotlib 是Python中类似 MATLAB 的绘图工具,熟悉 MATLAB 也可以很快的上手 Matplotlib 安装 pip ins ...
- 从入门到入土:机器学习part02|python|初步学习|numpy|Matplotlib
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出.欢迎各位前来交流.(部分材料来源网络,若有侵权,立即删除) 本人博客所有文章纯属学习之用,不涉及商业利益.不合适引用,自当删除! 若 ...
- Python数据可视化之matplotlib绘图教程
目录 一.快速绘图 1. 折线图 2. 柱状图 3. 饼状图 4. 散点图 5. 图片保存 二.基本设置 1. 图片 2. 坐标轴 3. 刻度 4. 边距 5. 图例 6. 网格 7. 标题 8. 文 ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(Matplotlib绘图基础<1>python)
数据可视化 数据分析阶段:理解和洞察数据之间的关系 算法调试阶段:发现问题,优化算法 项目总结阶段:展示项目成果 Matplotlib: 第三方库,可以快速方便地生成高质量的图表 安装Matplotl ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(六)(Matplotlib绘图基础<折线图和柱状图>python)
折线图(Line Chart): 散点图的基础上,将相邻的点用线段相连接 plot()函数 #折线图:在散点图的基础上将相邻两个点链接 #描述变量变化的趋势 #plot(x,y,color,marke ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(Matplotlib绘图基础<散点图>python)
散点图(Scatter): 是数据点在直角坐标系中的分布图 scatter() 函数 marker参数--数据点样式 添加文字--text() 函数 坐标轴设置 增加图例 绘制标准正态分布的散点图步骤 ...
- 【python学习】-matplotlib绘图如何将坐标轴刻度值设置为科学计数法形式
如何将坐标轴刻度值设置为科学计数法形式 程序默认形式 对默认形式进行修改的形式一 形式二 程序默认形式 import numpy as np import matplotlib.pyplot as p ...
最新文章
- 【C++】C++11 STL算法(三):分隔操作(Partitioning operations)、排序操作(Sorting operations)
- 不再有神的概念,将所有存在称之为文明,这很有意思
- Nagios监控之8:利用mutt+msmtp实现邮件报警
- WPF中的容器控件——canvas
- 查询用户分配角色TCODE
- basic knowledge
- 今天1024程序猿节啦!一起穿格子衫上班吧
- AR科技贯穿里约奥运始终 腾讯QQ营销顺风车值了
- 创建对象的多种方式以及优缺点
- 99乘法表 (输入一个数,以该数为行数输出乘法表)
- cmd命令之参数 c
- Asp.net 调用sqlserver存储过程参数传中文乱码!
- 2022 软件库APP源码前端 后端整套独立后台+搭建教程
- php excel导入功能
- 赋能 打造应对不确定性的敏捷团队 pdf_赋能,打造应对不确定性的敏捷团队读后感(一)...
- JAVA如何开发订单通知短信
- java获取文件后缀_Java获取文件后缀的两种方式
- 三维重建算法综述|传统+深度学习
- 快速了解 Java 9 - 16 新特性,助你脱离内卷
- 笔试强训day25(数根,星际密码)