figure 函数
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
num: 图像编号或名称,数字为编号 ,字符串为名称
figsize:指定figure的宽和高,单位为英寸;
dpi 参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张
facecolor:背景颜色
edgecolor:边框颜色
frameon:是否显示边框
————————————————
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
原文链接:https://blog.csdn.net/baoziqyp/article/details/111239877
kind 字符串
‘line’ : line plot (default) # 折线图
‘bar’ : vertical bar plot # 条形图
‘barh’ : horizontal bar plot # 横向条形图
‘hist’ : histogram # 柱状图
‘box’ : boxplot #箱线图
‘kde’ : Kernel Density Estimation plot #密度估计图,主要对柱状图添加Kernel 概率密度线
‘density’ : same as ‘kde’
‘area’ : area plot #区域图
‘pie’ : pie plot #饼图
‘scatter’ : scatter plot #散点图 需要传入columns方向的索引
‘hexbin’ : hexbin plot #具有六边形单元的二维直方图
/ 折线图
dataset.plot(kind='line',subplots=True,layout=(2,2),sharex=False,sharey=False)
pyplot.show()
kand = "line" : 画折线图
sharex, sharey : 控制子图共享x或y轴的行为。布尔值或{'none', 'all', 'row', 'col'},默认值为False。
True or 'all':所有子图共享x/y轴
False or 'none':所有子图的x/y轴都是独立的。
layout(2,2) :所画的子图按(2,2)排布
subplots = Ture :建立多个子图
/ 相关矩阵图
filename = 'C:/Users/11/Desktop/data_1.csv'
names = ['chinese','math','English']
dataset = read_csv( filename,names=names,sep=',')
correlations = dataset.corr()
fig = plt.figure()
ax = fig.add_subplot(111)
cax = ax.matshow(correlations, vmin=-1, vmax=1)
fig .colorbar(cax)
ticks = np.arange(0, 3, 1)
ax.set_xticks(ticks)
ax.set_yticks(ticks)
ax.set_xticklabels(names)
ax.set_yticklabels(names)
plt.show()
add_subplot(abc) 根据abc将原图划分成a行,b列。原图划分成a*b个子图,然后c就是我们的下标,通过c来指定展示我们要的子图。
corr() : 表示data中的两个变量之间的相关性,取值范围为[-1,1],取值接近-1,表示反相关,类似反比例函数,取值接近1,表正相关。
matshow :plt.matshow(mat, cmap=plt.cm.colors)
vmin 和 vmax 参数可用于指定映射颜色值的比例。这些参数与使用颜色图的对象一起使用。
它可用于控制 matplotlib 中颜色条的范围。
colorbar : 自定义工具
np.arange() : np.arange([start, ]stop, [step, ]dtype=None)
- start : 起点值;可忽略不写,默认从0开始
- stop : 终点值;生成的元素不包括结束值
- step : 步长;可忽略不写,默认步长为1
- dtype : 默认为None,设置显示元素的数据类型
ax.set_xticks()
设置刻度 ,matplotlib将刻度放在对应范围的哪个位置,默认情况下这些刻度就是刻度标签;
ax.set_xticklabels()
可以将任何其他类型的值作为标签,可以赋值给之前已经设置过的set_xtick.
/ 相关散点矩阵图
scatter_matrix(dataset)
plt.show()