numpy+pandas+matplotlib绘制对数函数图形

代码来源: Python数据分析与挖掘实战

对x轴(y轴)使用对数刻度(以10为底),y轴(x轴)使用线性刻度,进行plot函数绘图

对数:如果a的x次方等于N(a>0,且a不等于0),那么数x叫做以a为底N的对数(logarithm),记作x=logaN,其中a叫做对数的底数,N叫做真数

#-*- coding: utf-8 -*-

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

x = pd.Series(np.exp(np.arange(20)))    #np.arange(20)生成数组[1..20], np.exp():返回e(2.71828182846)的幂次方
x.plot(label=u'原始数据图', legend=True)  #legend=True让label标签在子图上可见
plt.show()
x.plot(logy=True, label=u'对数数据图', legend=True)    #logy=True:y轴坐标为10的n次方
plt.show()

NumPyPandasMatplotlib都是Python中广泛使用的数据科学库。 NumPy是Numerical Python的缩写,是一个开源的数值计算库。它为Python添加了高性能的多维数组对象和用于处理这些数组的函数。NumPy的主要功能包括对数组的创建、操作和计算,以及对线性代数、傅里叶变换和随机数生成等数学运算的支持。NumPy的强大之处在于其高效的向量化计算和广播功能,使得在大规模数据计算中减少了循环的使用,可以更快地执行各种数值运算。 Pandas是Python的一个开源数据分析和数据处理库。它提供了高效的数据结构和数据分析工具,用于处理和分析各种数据。Pandas的核心数据结构是Series和DataFrame。Series是一维的标签数组,类似于带标签的数组,可以存储不同的数据类型;DataFrame是二维的表格结构,由多个Series组成,可以看作是Excel表格或SQL表。Pandas提供了灵活且高效的数据操作和处理功能,包括数据清洗、数据转换、数据筛选、数据聚合和数据可视化等。 Matplotlib是Python中广泛使用的2D绘图库。它提供了类似于Matlab的绘图接口,可以生成高质量的图形,包括折线图、散点图、柱状图、饼图等。Matplotlib的设计理念是简单而直观,可以通过一些简单的命令快速绘制出精美的图形。同时,Matplotlib也提供了灵活的配置选项,可以对图形进行各种个性化的设置,包括图形标题、坐标轴标签、线条颜色和样式等。Matplotlib的功能强大且易于使用,是数据科学中常用的绘图工具。 综上所述,NumPyPandasMatplotlib是Python中常用的数据科学库,分别用于数值计算、数据分析和数据可视化。它们共同提供了一套强大的工具,可以处理和分析各种类型的数据,并进行可视化展示。这些库的使用让数据科学家和研究人员能够更加高效地工作,加快了数据处理和分析的速度,并提高了分析结果的可视化效果。
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