python学习——Matplotlib数据可视化基础_python上机2 matplotlib数据可视化基础(1)

最新推荐文章于 2024-08-10 20:18:23 发布

2401_84715997

最新推荐文章于 2024-08-10 20:18:23 发布

阅读量647

点赞数 9

分类专栏：程序员文章标签：单元测试功能测试学习

本文链接：https://blog.csdn.net/2401_84715997/article/details/138640499

版权

程序员专栏收录该内容

121 篇文章 0 订阅

订阅专栏

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，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以戳这里获取

##第二幅子图
ax2 = p1.add_subplot(2,1,2)## 创开始绘制第2幅


### rc参数调整


![在这里插入图片描述](https://img-blog.csdnimg.cn/2cbf11a02d5b4f4ebb95d612ef4b79b0.png)

plt.plot(x,y,label=“硕硕”,color=“cyan”,linestyle=“–”)
plt.rcParams[‘lines.linestyle’] = ‘-.’ #改变线性’–‘’:‘’-’
plt.rcParams[‘lines.linewidth’] = 3 #线条宽度0~10
lines.markers #点形状o D h . , S
lines.markersize #点大小0~10


### 中文显示的问题

设置字体为SimHei显示中文

plt.rcParams[‘font.sans-serif’] = ‘SimHei’
plt.rcParams[‘axes.unicode_minus’] = False ## 设置正常显示符号
plt.plot(x,y,label=“ $s in (x)$ ”) ## 绘制三角函数
plt.title(‘sin曲线’)
plt.savefig(‘…/tmp/显示中文标题sin曲线.png’)
plt.show()


## 2.散点图

data=np.load(“F:\python\国民经济核算季度数据.npz”,allow_pickle=True)
plt.scatter(values[:,0],values[:,2],marker=‘*’)


实例1  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/a06b5994d38a4ace8503db8e378744fe.png)

from matplotlib import pyplot as plt

设置字体为SimHei显示中文

plt.rcParams[‘font.sans-serif’] = ‘SimHei’
plt.rcParams[‘axes.unicode_minus’] = False ## 设置正常显示符号
plt.figure(figsize=(20,10),dpi=80)#设置窗口大小
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3=range(1,32)
x_10=range(51,82)
plt.scatter(x_3,y_3,label=“3月份”)#绘制散点图
plt.scatter(x_10,y_10,label=“10月份”)

_x=list(x_3)+list(x_10)

_xticks_labels=[“hello,{}”.format(i) for i in _x]

_xticks_labels=[“3月{}日”.format(i) for i in x_3]
_xticks_labels+=[“10月{}日”.format(i-50) for i in x_10]
#取步长，数字和字符串一一对应，数据长度一样
plt.xticks(_x[::3],_xticks_labels[::3],rotation=45)

plt.xlabel(“时间”)
plt.ylabel(“温度”)
plt.title(“温度变化”)
plt.legend(loc=“upper left”)
plt.show()


案例2  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/d805f714d85f4a5fb248cce4f4e95496.png)

绘制散点1

plt.scatter(values[:,0],values[:,3], marker=‘o’,c=‘red’)

绘制散点2

plt.scatter(values[:,0],values[:,4], marker=‘D’,c=‘blue’)

绘制散点3

plt.scatter(values[:,0],values[:,5], marker=‘v’,c=‘yellow’)
plt.xlabel(“年份”);plt.ylabel(‘生产总值（亿元）’)
plt.ylim((0,225000))
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.legend([‘总值’,‘第一产业’,‘第二产业’,‘第三产业’])## 添加图例
plt.title(“2000-2017各季度各产业国民生产值”)
plt.show()


## 3.条形图

plt.bar(range(len(a)),b,width=0.3)#绘制条形图


### 案例一：横向条形图


![在这里插入图片描述](https://img-blog.csdnimg.cn/8046e0d625904f34b799e497d7fa055e.png)

from matplotlib import pyplot as plt

设置字体为SimHei显示中文

plt.rcParams[‘font.sans-serif’] = ‘SimHei’
plt.rcParams[‘axes.unicode_minus’] = False ## 设置正常显示符号
plt.figure(figsize=(20,15),dpi=80)#设置窗口大小
a = [“战狼2”,“速度与激情8”,“功夫瑜伽”,“西游伏妖篇”,“变形金刚5：最后的骑士”,“摔跤吧！爸爸”,“加勒比海盗5：死无对证”,“金刚：骷髅岛”,“极限特工：终极回归”,“生化危机6：终章”,“乘风破浪”,“神偷奶爸3”,“智取威虎山”,“大闹天竺”,“金刚狼3：殊死一战”,“蜘蛛侠：英雄归来”,“悟空传”,“银河护卫队2”,“情圣”,“新木乃伊”]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
#绘制横版条形图
plt.barh(range(len(a)),b,height=0.3,color=“orange”)
plt.yticks(range(len(a)),a,rotation=0)
plt.grid(alpha=0.3)
plt.show()


### 案例二：多个条形图


![在这里插入图片描述](https://img-blog.csdnimg.cn/c826aeec84324ef8b5b9370c42b1afc0.png)

from matplotlib import pyplot as plt

设置字体为SimHei显示中文

plt.rcParams[‘font.sans-serif’] = ‘SimHei’
plt.rcParams[‘axes.unicode_minus’] = False ## 设置正常显示符号
plt.figure(figsize=(20,8),dpi=80)#设置窗口大小

a = [“猩球崛起3：终极之战”,“敦刻尔克”,“蜘蛛侠：英雄归来”,“战狼2”]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]

bar_width=0.2
x_14=list(range(len(a)))
x_15=[i+bar_width for i in x_14] #x往右移
x_16=[i+bar_width*2 for i in x_14]
plt.bar(range(len(a)),b_14,width=bar_width,color=“orange”,label=“9月14日”)
plt.bar(x_15,b_15,width=bar_width,color=“red”,label=“9月15日”)
plt.bar(x_16,b_16,width=bar_width,color=“cyan”,label=“9月16日”)

plt.xticks(x_15,a,rotation=0)
plt.legend()
plt.grid(alpha=0.3)
plt.show()


### 案例三：最后一个刻度


![在这里插入图片描述](https://img-blog.csdnimg.cn/fa01c5c940f248cdb167bc492cb01e24.png)

from matplotlib import pyplot as plt

设置字体为SimHei显示中文

plt.rcParams[‘font.sans-serif’] = ‘SimHei’
plt.rcParams[‘axes.unicode_minus’] = False ## 设置正常显示符号
plt.figure(figsize=(20,15),dpi=80)#设置窗口大小
a = [0,5,10,15,20,25,30,35,40,45,60,90]
c = [5,5,5,5,5,5,5,5,5,15,30,60]
b = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]
_x=[i-0.5 for i in range(13)]
_xtick_labels=a+[150]#最后一个刻度：+[150]
plt.bar(range(len(a)),b,width=1)
plt.xticks(_x,_xtick_labels)
plt.grid(alpha=0.3)
plt.show()


## 4.直方图


能够使用plt.hist方法的是那些没有统计过的数据


![在这里插入图片描述](https://img-blog.csdnimg.cn/1c262ecd8e4a4865ba6c65c7a58932c7.png)  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/9206a715b7474210936007b9d56a07c9.png)

plt.bar(range(3),values[-1,3:6],width = 0.5) ## 绘制直方图
label = [‘第一产业’,‘第二产业’,‘第三产业’] ## 刻度标签
plt.xticks(range(3),label)


### 实例1 频率分布直方图和频数分布直方图

from matplotlib import pyplot as plt

设置字体为SimHei显示中文

plt.rcParams[‘font.sans-serif’] = ‘SimHei’
plt.rcParams[‘axes.unicode_minus’] = False ## 设置正常显示符号
plt.figure(figsize=(20,8),dpi=80)#设置窗口大小
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
#计算组数
d=3 #组距
num_bins=(max(a)-min(a))//d
#plt.hist(a,num_bins)#频数分布直方图
plt.hist(a,num_bins,normed=True)#频率分布直方图
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))
plt.grid()
plt.show()


## 5.饼图


![在这里插入图片描述](https://img-blog.csdnimg.cn/dc467397b1414dd4a46bd5c8c5b76b56.png)

label= [‘第一产业’,‘第二产业’,‘第三产业’]## 定义饼状图的标签，标签是列表
plt.pie(values[-1,3:6],explode=explode,labels=label,autopct=‘%1.1f%%’)## 绘制饼图

import numpy as np #导入NumPy库
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’] = ‘SimHei’ ## 设置中文显示
plt.rcParams[‘axes.unicode_minus’] = False
data = np.load(‘F:\python\国民经济核算季度数据.npz’,allow_pickle=True)
name = data[‘columns’]## 提取其中的columns数组，视为数据的标签
values = data[‘values’]## 提取其中的values数组，数据的存在位置
plt.figure(figsize=(6,6))## 将画布设定为正方形，则绘制的饼图是正圆
label= [‘第一产业’,‘第二产业’,‘第三产业’]## 定义饼状图的标签，标签是列表
explode = [0.01,0.01,0.01]## 设定各项离心n个半径
plt.pie(values[-1,3:6],explode=explode,labels=label,
autopct=‘%1.1f%%’)## 绘制饼图
plt.title(‘2017年第一季度各产业国民生产总值饼图’)
plt.show()


## 6.箱线图


![在这里插入图片描述](https://img-blog.csdnimg.cn/4d3fc68ee56f4d08b07efd0c79e15295.png)

label= [‘第一产业’,‘第二产业’,‘第三产业’]## 定义标签
gdp = (list(values[:,3]),list(values[:,4]),list(values[:,5]))
plt.boxplot(gdp,notch=True,labels = label, meanline=True)
plt.title(‘2000-2017各产业国民生产总值箱线图’)
plt.show()


### 综合案例：直方图 + 饼图


![在这里插入图片描述](https://img-blog.csdnimg.cn/f1d0a434f421401780177918e19c146b.png)

import numpy as np #导入NumPy库
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’] = ‘SimHei’ ## 设置中文显示
plt.rcParams[‘axes.unicode_minus’] = False
data = np.load(‘F:\python\国民经济核算季度数据.npz’,allow_pickle=True)
name = data[‘columns’]## 提取其中的columns数组，视为数据的标签
values = data[‘values’]## 提取其中的values数组，数据的存在位置
label= [‘第一产业’,‘第二产业’,‘第三产业’]## 定义标签
labe2=[‘农业’,‘工业’,‘建筑’,‘批发’,‘交通’,‘餐饮’,‘金融’,‘房地产’,‘其他’]

#############绘制直方图
p1=plt.figure(figsize=(12,12))
#子图1

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以戳这里获取

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！

(img-hCdFItZA-1715280566020)]
[外链图片转存中…(img-7m8xJbj1-1715280566020)]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以戳这里获取

2401_84715997

关注

9
点赞
踩
25

收藏

觉得还不错? 一键收藏
0
评论
python学习——Matplotlib数据可视化基础_python上机2 matplotlib数据可视化基础(1)

#第二幅子图ax2 = p1.add_subplot(2,1,2)## 创开始绘制第2幅plt.plot(x,y,label=“硕硕”,color=“cyan”,linestyle=“–”)plt.rcParams[‘lines.linestyle’] = ‘-.’ #改变线性’–‘’:‘’-’plt.rcParams[‘lines.linewidth’] = 3 #线条宽度0~10lines.markers #点形状o D h . , S。
复制链接

扫一扫