Python | Matplotlib | 可视化合集Part2

最新推荐文章于 2024-09-12 16:04:00 发布

Luminoll

最新推荐文章于 2024-09-12 16:04:00 发布

阅读量454

点赞数

分类专栏： Python数据分析文章标签： python matplotlib 可视化

本文链接：https://blog.csdn.net/Luminoll/article/details/122735049

版权

这篇博客详细介绍了使用Python的Matplotlib库进行数据可视化的多个方面，包括绘制密度图（单维和二维）、雷达图（单组和多组）、环形图（甜甜圈图）以及时间序列图（单组和多组）。通过实例和输出结果，展示了各种图表的创建方法，为数据可视化提供了实用的指南。

摘要由CSDN通过智能技术生成

1 绘制密度图

1.1 密度图

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde

# 创建数据
data = [1.2]*8 + [2.2]*5 + [3.6]*8 + [4.9]*5 + [5.3]*2 + [6.6]*6

# 创建一个密度函数，从X轴给这个函数一个值时，它在Y轴上返回相应的值
density = gaussian_kde(data)
density.covariance_factor = lambda : .25
density._compute_covariance()

# 创建数集并绘图
data2 = np.linspace(0, 9, 300)
plt.plot(data2,density(data2))
plt.show()

OUTPUT:

1.2 二维密度图

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import kde
 
# 创建数据
x = np.random.normal(size=800)
y = x * 3 + np.random.normal(size=800)
nbins=500
k = kde.gaussian_kde([x,y])
x1, y1 = np.mgrid[x.min():x.max():nbins*1j, y.min():y.max():nbins*1j]
z1 = k(np.vstack([x1.flatten(), y1.flatten()]))
 
# 绘制
plt.pcolormesh(x1, y1, z1.reshape(x1.shape), shading='auto')
plt.show()

OUTPUT: