最近在中国大学mooc网学习Python数据分析与展示相关知识,记入下来,以供参考。
Matplotlib基础绘图函数示例
pyplot基础图表函数表示
函数 | 说明 |
---|---|
plt.plot(x,y,fmt,…) | 绘制一个坐标图 |
plt.boxplot(data,notch,position) | 绘制一个箱形图 |
plt.bar(left,height,width,bottom) | 绘制一个条形图 |
plt.barh(width,bottom,left,height) | 绘制一个横向条形图 |
plt.polar(theta, r) | 绘制极坐标图 |
plt.pie(data, explode) | 绘制饼图 |
plt.psd(x,NFFT=256,pad_to,Fs) | 绘制功率谱密度图 |
plt.specgram(x,NFFT=256,pad_to,F) | 绘制谱图 |
plt.cohere(x,y,NFFT=256,Fs) | 绘制X‐Y的相关性函数 |
plt.scatter(x,y) | 绘制散点图,其中,x和y长度相同 |
plt.step(x,y,where) | 绘制步阶图 |
plt.hist(x,bins,normed) | 绘制直方图 |
plt.contour(X,Y,Z,N) | 绘制等值图 |
plt.vlines() | 绘制垂直图 |
plt.stem(x,y,linefmt,markerfmt) | 绘制柴火图 |
plt.plot_date() | 绘制数据日期 |
pyplot饼图的绘制
import matplotlib.pyplot as plt
labels = 'Frogs','Hogs','Dogs','logs'
sizes = [15,30,45,10]
explode = (0,0.1,0,0) #将30在饼图中凸显出来,凸显的比例为0.1
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=True,startangle=90)
#autopct 数据显示方式 shadow是否带有阴影效果 startangle 饼图起始角度
plt.axis('equal') #正圆形饼图
plt.show()
pyplot直方图的绘制
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(0)
mu,signs = 100,20 #均值和标准差
a = np.random.normal(mu,signs,size = 100)
plt.hist(a,40,normed = 1,histtype = 'stepfilled',facecolor = 'b',alpha = 0.75)
#40 表示直方图的个数 normed=1时将直方图中元素出现的个数归一化为概率
plt.title('Histogram')
plt.show()
pyplot极坐标图的绘制
先放这儿
import matplotlib.pyplot as plt
import numpy as np
N = 20
theta = np.linspace(0.0,2*np.pi,N,endpoint=False)
radii = 10*np.random.rand(N)
width = np.random.rand(N)
ax = plt.subplot(111,projection = 'polar')
bars = ax.bar(theta,radii,width=width,bottom=0.0)
for r,bar in zip(radii,bars):
bar.set_facecolor(plt.cm.viridis(r/10.))
bar.set_alpha(0.5)
plt.show()
pyplot散点图的绘制
import matplotlib.pyplot as plt
import numpy as np
fig,ax = plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simple Scatter')
plt.show()