Matplotlib数据可视化基础

最新推荐文章于 2023-06-21 19:12:40 发布

原创最新推荐文章于 2023-06-21 19:12:40 发布 · 196 阅读

0 ·

CC 4.0 BY-SA版权

本文详细介绍如何使用Python的Matplotlib库绘制各种图表，包括散点图、折线图、直方图、饼图和箱线图等，以分析数据集中的特征关系及数据分布。

掌握绘图基础语法与常用参数

import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(4,4))
x = np.arange(10)
plt.title('line')
plt.plot(x,np.sin(x))
plt.plot(x,np.cos(x))
plt.legend(['sin','cos'])
plt.savefig('./tmp/tmp.png')  先保存在做展示
plt.show()

import os
os.listdir('./tmp/')

分析特征间的关系

散点图绘制情况

data = np.load('./data/国明经济核算季度数据.npz')

data.files

data['colums']

data['values']

plt.scatter(range(69),data[values][:,2])
plt.show()

for i in  [3,4,5]:
    plt.scatter((69),data['values'][:,1])
plt.legend(['1','2','3'])
plt.show()

折线图绘制情况

b 蓝色 g 绿色 r 红色 c 青色 m 品红 y 黄色 k 黑色 w 白色

plt.plot(range(69),data['values'[:,2]])
plt.show()

l=['r','g','b']
m=['o','*','D']
for i in [3,4,5]:
    plt.plot(range(69),data['values'][:,i],c=l[j],marker=m[j],alpha=0.5)
plt.legend(['1','2','3'])
plt.show()

分析特征内部数据分布与分散状况

直方图的绘制

num=data['values'][68,3:6]

plt.bar(range(len(num)),num)
plt.xticks(len(num)),['1','2','3']
plt.show()

饼图的绘制

plt.figure(figsize=(4,4))
plt.pie(num,autopct='%.2f %%',explode=[0.1,0,0],label=['1','2','3'],labeldistance=1.4)
plt.show()

箱线图的绘制

num=(list(data['values'][:,3]),list(data['valus'][:,4]),list(data['values'][:,5])
plt.boxplot(num)
plt.show()

小结

分析特征间相关关系的散点图
分析特征间趋势关系的折线图
分析特征内部数据分布的直方图和饼状图
分析特征内部数据分散情况的箱线图