- 博客(11)
- 收藏
- 关注
RSS订阅原创 用pyecharts方式绘制柱形图和折线图融合在同一个坐标系中
命令行工具下，通过pip清华镜像源安装pyecharts。（pyecharts中。
2023-12-06 21:10:54
476
1
原创 数据可视化——绘制一个具有动画效果的图表
绘制一个具有动画效果的图表具体要求如下：（1）绘制一个正弦曲线；（2）绘制一个红色圆点，该圆点最初位于正弦曲线的左端；（3）制作一个圆点沿曲线运动的动画，并时刻显示圆点的坐标位置。
2023-11-20 21:59:36
454
1
原创 数据可视化——坐标轴的定制
（1）在距画布顶部0.2、左侧0.2的位置上添加一个宽度为0.5、高度为0.5的绘图区域；（3）刻度线样式调整：方向朝内、宽度为2，长度为8；（4）隐藏坐标轴的上轴脊、右轴脊。（2）x轴的刻度标签为周日期；表6-7某股票一周的收盘价。# 6.隐藏上轴脊和右轴脊。（将x轴的刻度标签设置为。#2.创建画布和坐标系。（导入数据，设置颜色为。将y轴的刻度标签设置为。
2023-11-11 19:35:55
501
1
原创 数据可视化——自定义布局
matplotlib的gridspec模块是专门指定画布中子图位置的模块，该模块中包含一个GridSpec类，通过显式地创建GridSpec类对象来自定义画布中子图的布局结构，使得子图能够更好地适应画布。#2.创建“区域规划图”实例（GridSpec实例）【#2.创建“区域规划图”实例（GridSpec实例）【#2.创建“区域规划图”实例（GridSpec实例）【#3.根据给定的“区域规划图”，创建对应的坐标系实例。，第一个子图和第三个子图的宽度占。，第二个子图和第四个子图的宽度占。
2023-11-05 21:59:11
460
1
原创 数据可视化——图表元素的综合应用
x轴的刻度标签为“-π”、“-π/2”、“0”、“π/2”、“π”，y轴刻度标签为1.0, 0.5, 0.0, -0.5, -1.0。（3）x轴的刻度标签为“-π”、“-π/2”、“0”、“π/2”、“π”；（5）为正弦曲线和余弦曲线封闭起来的区域填充绿色，透明度为0.25。（4）在x=1、y=np.cos(1)的位置添加指向型注释文本；（2）余弦曲线的样式：蓝色、线宽为1.0，透明度为0.5；在x=1、y=np.cos(1)的位置添加指向型注释文本。（1）正弦曲线的样式：红色、线宽为1.0；
2023-10-22 22:48:52
256
1
原创 数据可视化——添加表格
matplotlib可以绘制各种各样的图表，以便用户发现数据间的规律。为了更加凸显数据间的规律与特点，便于用户从多元分析的角度深入挖掘数据潜在的含义，可将图表与数据表格结合使用，使用数据表格强调图表某部分的数据。该函数常用参数表示的含义如下。此外，还可以使用Axes对象的table()方法为图表添加数据表格，此方法与table()函数的用法相似。
2023-10-14 00:06:41
336
1
原创 数据可视化——图表辅助元素的定制
使用pyplot模块的xticks()和yticks()函数分别可以设置或获取x轴和y轴的刻度线位置。使用pyplot模块的xlim()和ylim()函数分别可以设置或获取x轴和y轴的刻度范围。使用pyplot模块的title()函数添加图表标题。使用pyplot模块的legend()函数添加图例。使用pyplot模块的grid()函数添加图例。参数含义与xlabel相同。
2023-10-08 19:13:39
264
原创 数据可视化——绘制雷达图
theta ：表示每个数据点所在射线与极径的夹角。下面用代码绘制霍兰德职业兴趣测试雷达图。r ：表示每个数据点到原点的距离。更多参数含义可进入网址查看。
2023-10-01 20:59:17
1651
原创 数据可视化
数据可视化是一种通过图表和图形等可视化工具将数据转化为易于理解和解释的形式的过程。它可以帮助我们发现数据集中的模式、趋势和关系，并从中获取洞察力。常用的数据可视化方法包括柱状图、直方图、饼图、箱图、热图、散点图和线状图等。数据可视化的好处有很多。首先，它可以帮助我们更好地理解数据，从而更准确地分析和解读数据。其次，数据可视化可以帮助我们快速发现数据中的异常值和趋势，提供及时的决策支持。此外，通过数据可视化，我们可以将复杂的数据和信息转化为易于理解的图形或图表，使非专业人员也能轻松理解数据。
2023-09-18 21:18:41
138
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人