matplotlib库是Python中绘制二维、三维图表的数据可视化工具。它的主要特点如下:
(1)使用简单的绘图语句实现复杂的绘图效果;
(2)以交互式操作实现渐趋精细的图形效果;
(3)使用嵌入式的LaTex输出具有印刷级别的图表、科学表达式和符号文本;
(4)对图表的组成元素实现精细化控制
学习目标:
熟练掌握matplotlib,用于数据的可视化。
学习内容:
1、matplotlib的常见图表组成元素
2、 使用统计函数绘制简单图形
3、 绘制统计图形
4、 完善统计图形
第一部分:matplotlib的常见图表组成元素
1.1函数plt.plot() ----展示变量的趋势
调用方法plt.plot(x,y,ls="-",lw=2,label="plot_figure")
参数说明:(1)x:x轴上的数值;
(2)y:y轴上的数值;
(3)ls:折线图的线条风格;
(4)lw:折线图的线条宽度;
(5)label:标记图形内容的标签文本;
代码示例如下:
import matplotlib.pyplot as plt
import numpy as np
# 用numpy包随机生成数据
x=np.linspace(0,10,1000)
y=np.cos(x)
# 绘制函数图像
plt.plot(x,y,ls="-",lw=2,label="plot_figure")
# 显示图形标签
plt.legend()
# 显示图像
plt.show()
图形输出如下:
下文中重复的参数意义就不赘述,部分函数没有出图形示例,有兴趣的同学,可以自己动手敲一敲代码,加深印象。
1.2函数scatter()----寻找变量之间的关系
调用方法plt.scatter(x,y,c=“b”,label="scatter_figure")
参数说明:(1)x:x轴上的数值;
(2)y:y轴上的数值;
(3)c:散点图中的标记的颜色;
(4)label:标记图形内容的标签文本;
代码示例如下:
import matplotlib.pyplot as plt
import numpy as np
# 用numpy包随机生成数据
x=np.linspace(0,10,1000)
y=np.random.normal(0,1,1000) # 生成满足正态分布的1000个随机值
# 绘制函数图像
plt.scatter(x,y,c="b",label="scatter_figure")
# 显示图形标签
plt.l