使用scatter()绘制一系列点
import matplotlib.pyplot as plt
x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
plt.scatter(x_values, y_values, s=100) # 向scatter函数传递一对x,y坐标
设置图表标题,并给坐标轴加上标签
plt.title(‘Square number’, fontsize=24)
plt.xlabel(‘Value’, fontsize=14)
plt.ylabel(‘Square of Value’, fontsize=14)
设置刻度标记的大小
plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)
plt.show() # 打开matplotib查看器,并显示绘制的图形
效果如下:
手动计算列表包含的值很麻烦,可以利用python中的循环来解决,下面是绘制1000个点的范例:
import matplotlib.pyplot as plt
x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, s=10) # 向scatter函数传递一对x,y坐标
设置图表标题,并给坐标轴加上标签
plt.title(‘Square number’, fontsize=24)
plt.xlabel(‘Value’, fontsize=14)
plt.ylabel(‘Square of Value’, fontsize=14)
设置刻度标记的大小
plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)
设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show() # 打开matplotib查看器,并显示绘制的图形
✅这里需要注意函数axis需要传入四个值,x,y坐标的最小值,最大值
效果如下:
要删除数据点的轮廓,可在调用scatter()时传递实参edgecolor=‘none’
plt.scatter(x_values, y_values, edgecolors=‘none’, s=10)
import matplotlib.pyplot as plt
x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, edgecolors=‘none’, s=10) # 向scatter函数传递一对x,y坐标
设置图表标题,并给坐标轴加上标签
plt.title(‘Square number’, fontsize=24)
plt.xlabel(‘Value’, fontsize=14)
plt.ylabel(‘Square of Value’, fontsize=14)
设置刻度标记的大小
plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)
设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show() # 打开matplotib查看器,并显示绘制的图形
效果如下:
要修改数据点的颜色,可向scatter()传递参数c,并将其设置要使用的颜色的名称
plt.scatter(x_values, y_values, c=‘red’,edgecolors=‘none’, s=10)
import matplotlib.pyplot as plt
x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, c=‘red’,edgecolors=‘none’, s=10) # 向scatter函数传递一对x,y坐标
设置图表标题,并给坐标轴加上标签
plt.title(‘Square number’, fontsize=24)
plt.xlabel(‘Value’, fontsize=14)
plt.ylabel(‘Square of Value’, fontsize=14)
设置刻度标记的大小
plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)
设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show() # 打开matplotib查看器,并显示绘制的图形
效果如下:
颜色映射(colormap)是一系列颜色,它们从颜色渐变到结束颜色。在可视化中,颜色映射用于突出数据的规律,例如,你可能用较浅的颜色显示较小的值,并使用较深的颜色显示较大的值
import matplotlib.pyplot as plt
x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
将c设置为y值列表,使用参数cmap告诉pyplot使用哪个颜色映射
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors=‘none’, s=10) # 向scatter函数传递一对x,y坐标
设置图表标题,并给坐标轴加上标签
plt.title(‘Square number’, fontsize=24)
plt.xlabel(‘Value’, fontsize=14)
plt.ylabel(‘Square of Value’, fontsize=14)
设置刻度标记的大小
plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)
设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show() # 打开matplotib查看器,并显示绘制的图形
要让程序自动将图表保存到文件中,可将对plt.show()的调用替换为对plt.sacefig()的调用
plt.savefig(‘squares.png’,bbox_inches=‘tight’)
第一个实参指定要以什么样的文件名保存图表,第二个实参指定将图表多余的空白区域裁剪(如果要保留,可省略这个实参)
import matplotlib.pyplot as plt
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。
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Python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,可以添加V获取:vip1024c (备注Python)
如果你也是看准了Python,想自学Python,在这里为大家准备了丰厚的免费学习大礼包,带大家一起学习,给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间,但是打下坚实的基础只要几周就可以,如果你按照我提供的学习路线以及资料有意识地去实践,你就有很大可能成功!
最后祝你好运!!!
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间,但是打下坚实的基础只要几周就可以,如果你按照我提供的学习路线以及资料有意识地去实践,你就有很大可能成功!
最后祝你好运!!!
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
[外链图片转存中…(img-LOcPiqnj-1712808832718)]