DW2022数据可视化matplotlib Task3

最新推荐文章于 2022-12-18 16:16:09 发布

Lumos_why

最新推荐文章于 2022-12-18 16:16:09 发布

阅读量487

点赞数

文章标签： python matplotlib pycharm

本文链接：https://blog.csdn.net/Lumos_why/article/details/122568854

版权

这篇博客主要介绍了在matplotlib中创建均匀和非均匀状态下的子图技巧，包括添加网格线、直线和轴坐标。作者通过学习掌握了子图绘制，并对绘制风玫瑰图有了初步理解。同时，提出了两个思考题，一是利用墨尔本1981-1990年温度数据绘制图表，二是生成二维数据并用两种非均匀子图分割方法制作散点图和边际分布图。

摘要由CSDN通过智能技术生成

【几点收获】

1.学习了均匀状态下的子图和非均匀状态下的子图两种绘图方式

2.对子图上添加网格线、直线以及轴的坐标表示方法有了初步的掌握

3.对如何画出风玫瑰图有了一定的启示

【思考题】墨尔本1981年至1990年的每月温度情况数据集来自github仓库下data/layout_ex1.csv，请利用数据，画图。

日后解决，还未能学好numpy和掌握如何引用github仓库中的内容。

【思考题】用 np.random.randn(2, 150) 生成一组二维数据，使用两种非均匀子图的分割方法，做出该数据对应的散点图和边际分布图

第一种方法：使用add_gridspec做分割，通过width_ratios和height_ratios对图像进行调整，将图像分为四个区域，然后对每一块区域进行构建

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']   #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   #用来正常显示负号

datax,datay = np.random.randn(2,150)
fig = plt.figure(figsize = (8,8))
spec = fig.add_gridspec(nrows = 2,ncols = 2,width_ratios = [8,1],height_ratios = [1,8])

ax1 = fig.add_subplot(spec[0,0])
ax1.hist(datax,density = True,rwidth = 0.8)
ax