Python数据可视化matplotlib(一)—— 图表的基本元素
图表创建
plt.show()
# 图表窗口1 → plt.show()
plt.plot(np.random.rand(10))
plt.show()
# 直接生成图表
魔法函数
% matplotlib inline 嵌入图表
# 图表窗口2 → 魔法函数,嵌入图表
%matplotlib inline
x = np.random.randn(1000)
y = np.random.randn(1000)
plt.scatter(x, y)
# 直接嵌入图表,不用plt.show()
# <matplotlib.collections.PathCollection at ...> 代表该图表对象
% matplotlib notebook 弹出可交互的matplotlib窗口
# 图表窗口3 → 魔法函数,弹出可交互的matplotlib窗口
% matplotlib notebook
s = pd.Series(np.random.randn(100))
s.plot(style = 'k--o',figsize=(10,5))
# 可交互的matplotlib窗口,不用plt.show()
# 可做一定调整
在这里要自己尝试看看什么效果
% matplotlib qt5 弹出matplotlib控制台
# 图表窗口4 → 魔法函数,弹出matplotlib控制台
% matplotlib qt5
df = pd.DataFrame(np.random.rand(50,2),columns=['A','B'])
df.hist(figsize=(12,5),color='g',alpha=0.8)
# 可交互性控制台
# 如果已经设置了显示方式(比如notebook),需要重启然后再运行魔法函数
# 网页嵌入的交互性窗口 和 控制台,只能显示一个
#plt.close()
# 关闭窗口
#plt.gcf().clear()
# 每次清空图表内内容
在这里要自己尝试看看什么效果
图表的基本元素
图表的基本元素
# 图名,图例,轴标签,轴边界,轴刻度,轴刻度标签等
df = pd.DataFrame(np.random.rand(10,2), columns=['A','B'])
# print(df)
# print('=========')
f = plt.figure(figsize=(10, 10)) #生成窗口对象,并设置大小
fig = df.plot(figsize=(8, 6))
# 创建图表对象,设置大小并赋值给fig
# print(fig, type(fig))
# print('---------')
# print(f, type(f))
plt.title(