Python数据可视化matplotlib（一）—— 图表的基本元素

本文链接：https://blog.csdn.net/ICERON/article/details/79774646

本文介绍了Python数据可视化的库matplotlib，包括图表的创建、基本元素如linestyle、marker、color和style的设定，以及刻度、注解和图表输出的详细操作。通过使用plt.show()和不同的魔法函数，可以实现图表的显示和交互。

摘要由CSDN通过智能技术生成

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

这里写图片描述

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

这里写图片描述

% 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

这里写图片描述

图表的基本元素

这里写图片描述

# 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(