数据分析:Matplotlib常用语句功能

    *   [设置图片打大小合清晰度](about:blank#_55)

    *   [显示图例](about:blank#_63)

    *   [修改数据图中的字体(防止中文显示异常)](about:blank#_70)

    *   [显示网格](about:blank#_80)
  • (三)其他操作

      • 保存数据图到本地

from matplotlib import pyplot as plt



(一)数据图类型

===================================================================

折线图


plt.plot(x轴数据,y轴数据,label='',color='',alpha=num1,linestyle='')

# label为图例信息说明

# color定义颜色,颜色英文名称或首字母

# alpha 不透明度,0~1

# linestyle 线条样式



在这里插入图片描述

条形图


plt.bar(x轴数据,y轴数据,width=num1,label='')

# width为每条数据的间隔宽度



在这里插入图片描述

散点图


plt.scatter(x轴数据,y轴数据)



在这里插入图片描述

直方图


plt.hist(a,num_bins)

# a 为需要统计的数据,数组类型

# num_bins 为组距,即每组间隔



在这里插入图片描述

(二)修改数据图样式

=====================================================================

修改x轴/y轴刻度


plt.xticks(iterator)

plt.yticks(iterator)

# iterator为可迭代器,list或range



设置图片打大小合清晰度


plt.figure(figsize=(num1,num2),dpi=num3)

# figsize为图片尺寸,单位英尺

# dpi代表每英寸有多少个像素点,代表清晰度



显示图例


plt.legend()

# 前提是绘图时定义了label
 **自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。**

**深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!**

**因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**

![img](https://img-blog.csdnimg.cn/img_convert/e2e4fd27bfa85e8734a35e6e1bf9c50e.png)

![img](https://img-blog.csdnimg.cn/img_convert/3eff1381955be13f30ea814f723a0f09.png)

![img](https://img-blog.csdnimg.cn/img_convert/7a8c3159f7b9cf3a938e1102979e9d37.png)

![img](https://img-blog.csdnimg.cn/img_convert/890a1cf0a0f2e9f5abd825e61d0f917a.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**

**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**

**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)**


**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**

**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**

**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)**

![](https://img-blog.csdnimg.cn/img_convert/58671bdb1ae22f6ff3182480accc83a6.jpeg)
  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python数据分析是指使用Python编程语言进行处理、数据可视化和数据建模的过程。下面是Python数据分析的入门步骤: 1. 安装Python和相关库:首先,你需要安装Python解释器。你可以从Python官方网站下载并安装最新版本的Python。在安装Python之后,你需要安装一些常用数据分析库,如NumPy、Pandas和Matplotlib。你可以使用pip命令来安装这些库。 2. 学习Python基础知识:在开始进行数据分析之前,你需要掌握一些基本的Python编程知识,如变量、数据类型、条件语句、循环等。你可以通过阅读Python的官方文档或参考一些在线教程来学习Python基础知识。 3. 学习NumPy库:NumPy是Python中用于科学计算的一个重要库。它提供了多维数组对象和一些用于操作数组的函数。学习NumPy可以帮助你更高效地处理和操作大量的数据。你可以通过阅读NumPy的官方文档或参考一些在线教程来学习NumPy。 4. 学习Pandas库:Pandas是Python中用于数据分析的一个强大库。它提供了高效的数据结构和数据分析工具,如DataFrame和Series。学习Pandas可以帮助你更方便地进行数据清洗、数据处理和数据分析。你可以通过阅读Pandas的官方文档或参考一些在线教程来学习Pandas。 5. 学习Matplotlib库:MatplotlibPython中用于数据可视化的一个常用库。它提供了各种绘图函数和工具,可以帮助你将数据可视化为图表、图形和图像。学习Matplotlib可以帮助你更好地理解和展示数据。你可以通过阅读Matplotlib的官方文档或参考一些在线教程来学习Matplotlib。 6. 实践项目:最后,你可以通过实践一些数据分析项目来巩固所学的知识。你可以从一些开放的数据集中选择一个感兴趣的主题,然后使用Python进行数据清洗、数据处理和数据可视化。这样可以帮助你更深入地理解和应用Python数据分析的技术。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值