Python数据分析心得体会

1.

import numpy as np
import matplotlib.pyplot as plt

这段代码导入了 `numpy` 和 `matplotlib` 库，并分别用 `np` 和 `plt` 作为它们的别名（方便后续的调用函数）。

2.

data = np.arange(0, 1.1, 0.01)
plt.title('lines')  # 添加标题
plt.xlabel('x')  # 添加x轴的名称
plt.ylabel('y')  # 添加y轴的名称
plt.xlim((0, 1))  # 确定x轴范围
plt.ylim((0, 1))  # 确定y轴范围
plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])  # 规定x轴刻度
plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])  # 确定y轴刻度
plt.plot(data, data ** 2)  # 添加y=x^2曲线
plt.plot(data, data ** 4)  # 添加y=x^4曲线
plt.legend(['y=x^2', 'y=x^4'])
plt.savefig('../tmp/y=x^2.jpg')
plt.show()

这段代码首先使用 `numpy` 库生成了一个在 `[0,1]` 区间中以 `0.01` 为间隔的等差数列 `data`。接着，通过 `plt` 绘制了两条曲线：`y=x^2` 和 `y=x^4`。在绘图之前，通过 `plt.title`、`plt.xlabel` 和 `plt.ylabel` 添加了图的标题、横坐标名称和纵坐标名称。通过 `plt.xlim` 和 `plt.ylim` 确定了横轴和纵轴的取值范围。通过 `plt.xticks` 和 `plt.yticks` 确定了刻度的位置。然后使用 `plt.plot` 添加了两条曲线，并使用 `plt.legend` 添加了图例。最后，通过 `plt.savefig` 将图像存储到指定目录中，并通过 `plt.show` 展示了绘制的图形。

3.

x = np.arange(0, np.pi * 2, 0.01)
# 第一幅子图
p1 = plt.figure(figsize=(8, 6), dpi=80)  # 确定画布大小
# 创建一个2行1列的子图，并开始绘制第一幅
ax1 = p1.add_subplot(2, 1, 1)
plt.title('lines')  # 添加标题
plt.xlabel('x')  # 添加x轴的名称
plt.ylabel('y')  # 添加y轴的名称
plt.xlim((0, 1))  # 确定x轴范围
plt.ylim((0, 1))  # 确定y轴范围
plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])  # 规定x轴刻度
plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])  # 确定y轴刻度
plt.plot(x, x ** 2)  # 添加y=x^2曲线
plt.plot(x, x ** 4)  # 添加y=x^4曲线
plt.legend(['y=x^2', 'y=x^4'])
# 第二幅子图

这段代码首先使用 `numpy` 库生成了一个从 `0` 到 `2π` 的等差数列 `x`。接着，创建了一个大小为 `8x6`、分辨率为 `80` 的画布 `p1`。然后，在该画布上创建了一个 `2x1` 的子图，并通过 `add_subplot` 函数选择了第一幅子图 `ax1`，并且添加了标题 (`plt.title`)、横坐标名称 (`plt.xlabel`)、纵坐标名称 (`plt.ylabel`)、x轴范围 (`plt.xlim`)、y轴范围 (`plt.ylim`)、x轴刻度 (`plt.xticks`) 和 y轴刻度 (`plt.yticks`)。通过 `plt.plot` 添加了两条曲线（`y=x^2` 和 `y=x^4`），并且使用 `plt.legend` 添加了图例。

此时，第一幅子图 `ax1` 绘制完成。接下来，可以通过 `p1.add_subplot(2, 1, 2)` 选择第二幅子图。请注意，这里的 `2, 1, 2` 表示该画布总共有 `2` 行、`1` 列，当前选择的是第 `2` 幅子图。在这个子图上可以绘制其他的图形。

4.

# 第二幅子图
ax2 = p1.add_subplot(2, 1, 2)  # 开始绘制第二幅
plt.title