三、matplotlin

最新推荐文章于 2024-02-04 22:25:24 发布
最新推荐文章于 2024-02-04 22:25:24 发布
阅读量436 收藏 4
点赞数 1
分类专栏： 人工智能 文章标签： 可视化 数据可视化 数据分析 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ccblogs/article/details/105255869
版权

Matplotlib

1. 定义

  • 专门用于开发2D图表（包括3D图表）
  • 使用起来及其简单
  • 以渐进、交互式方式实现数据可视化

2. 学习目的

  • 能将数据可视化，更直观的呈现
  • 使数据更加客观、更具说服力

3. 运用

1. 绘制流程

  1. 创建画布
  2. 绘制图像
  3. 显示图像

2. 三层结构

  1. 容器层
    • canvas
    • figure
    • axes
  2. 辅助显示层
    • 添加x轴，y轴描述，标题……
  3. 图像层
    • 绘制什么图像的声明
import matplotlib.pyplot as plt

# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2. 绘制图像
x = [1, 2, 3]
y = [4, 5, 6]
plt.plot(x, y)

# 显示图像
plt.show()

在这里插入图片描述

4. 基础绘图功能

1. help介绍

import matplotlib.pyplot as plt

# 显示plt.figure的帮助文档
help(plt.figure)

2. 设置画布属性与图片保存

# 语法
plt.figure(figsize=(), dpi=)
    figsize：指定图的长宽
    dpi：图像的清晰度
    返回fig对象
plt.savefig(path)

import matplotlib.pyplot as plt

# 图像保存
# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 绘制图像
x = [1, 2, 3]
y = [4, 5, 6]
plt.plot(x, y)

# 图像保存
plt.savefig("data/text1.png")

# 显示图像
plt.show()
  • 注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将这只能保存空图片。

3. 添加x，y轴刻度

import matplotlib.pyplot as plt
import random

# 生成数据
x = range(60)
y = [random.uniform(10, 15) for i in x]

# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 图像绘制
plt.plot(x, y)

# 添加x，y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11h{}m".format(i) for i in x]

plt.yticks(y_ticks[::5])
plt.xticks(x[::5], x_ticks_labels[::5]) # 参数1必须是数字

# 图像显示
plt.show()

在这里插入图片描述

4. 添加网格

import matplotlib.pyplot as plt
import random

# 生成数据
x = range(60)
y = [random.uniform(10, 15) for i in x]

# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 图像绘制
plt.plot(x, y)

# 添加x，y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11h{}m".format(i) for i in x]

plt.yticks(y_ticks[::5])
plt.xticks(x[::5], x_ticks_labels[::5]) # 参数1必须是数字

# 添加网格
plt.grid(True, linestyle="--", alpha=1)

# 图像显示
plt.show()

在这里插入图片描述

5. 添加描述信息

import matplotlib.pyplot as plt
import random

# 生成数据
x = range(60)
y = [random.uniform(10, 15) for i in x]

# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 图像绘制
plt.plot(x, y)

# 添加x，y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11h{}m".format(i) for i in x]

plt.yticks(y_ticks[::5])
plt.xticks(x[::5], x_ticks_labels[::5]) # 参数1必须是数字

# 添加网格
plt.grid(True, linestyle="--", alpha=1)

# 添加描述信息
plt.xlabel("时间", fontsize=20)
plt.ylabel("温度", fontsize=20)
plt.title("一小时温度变化图", fontsize=30)

# 图像显示
plt.show()

在这里插入图片描述

6. 多条数据线、显示图例

import matplotlib.pyplot as plt
import random

# 生成数据
x = range(60)
y = [random.uniform(10, 15) for i in x]
y_avg = [random.uniform(15, 25) for i in x]

# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 图像绘制 - label：图例名
plt.plot(x, y, label="最低")
plt.plot(x, y_avg, label="平均")

# 添加x，y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11h{}m".format(i) for i in x]

plt.yticks(y_ticks[::5])
plt.xticks(x[::5], x_ticks_labels[::5]) # 参数1必须是数字

# 添加网格
plt.grid(True, linestyle="--", alpha=1)

# 添加描述信息
plt.xlabel("时间", fontsize=20)
plt.ylabel("温度", fontsize=20)
plt.title("一小时温度变化图", fontsize=30)

# 显示图例 - loc：显示位置
plt.legend(loc="best")

# 图像显示
plt.show()

在这里插入图片描述

7. 设置图形风格

颜色字符风格字符
r 红色- 实线
g 绿色– 虚线
b 蓝色-. 点划线
w 白色: 点虚线
c 青色‘’ 留空、空格
m 洋红
y 黄色
k 黑色
import matplotlib.pyplot as plt
import random

# 生成数据
x = range(60)
y = [random.uniform(10, 15) for i in x]
y_avg = [random.uniform(15, 25) for i in x]

# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 图像绘制
plt.plot(x, y, label="最低", color="c", linestyle="-.")
plt.plot(x, y_avg, label="平均")

# 添加x，y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11h{}m".format(i) for i in x]

plt.yticks(y_ticks[::5])
plt.xticks(x[::5], x_ticks_labels[::5]) # 参数1必须是数字

# 添加网格
plt.grid(True, linestyle="--", alpha=1)

# 添加描述信息
plt.xlabel("时间", fontsize=20)
plt.ylabel("温度", fontsize=20)
plt.title("一小时温度变化图", fontsize=30)

# 显示图例
plt.legend(loc="best")

# 图像显示
plt.show()

在这里插入图片描述

8. 图例位置一览

位置字符串位置编号
“best”0
“upper right”1
“upper left”2
“lower left”3
“lower right”4
“right”5
“center left”6
“center right”7
“lower center”8
“upper center”9
“center”10

8. 多个坐标系显示图像

import matplotlib.pyplot as plt
import random

# 生成数据
x = range(60)
y = [random.uniform(10, 15) for i in x]
y_avg = [random.uniform(15, 25) for i in x]

# 创建画布
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)

# 图像绘制
axes[0].plot(x, y, label="最低", color="c", linestyle="-.")
axes[1].plot(x, y_avg, label="平均")

# 添加x，y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11h{}m".format(i) for i in x]

axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_labels[::5])

axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_labels[::5])

# 添加网格
axes[0].grid(True, linestyle="--", alpha=1)
axes[1].grid(True, linestyle="--", alpha=1)

# 添加描述信息
axes[0].set_xlabel("时间", fontsize=10)
axes[0].set_ylabel("温度", fontsize=10)
axes[0].set_title("一小时温度变化图", fontsize=20)

axes[1].set_xlabel("时间", fontsize=10)
axes[1].set_ylabel("温度", fontsize=10)
axes[1].set_title("一小时温度变化图", fontsize=20)

# 显示图例
axes[0].legend(loc="best")
axes[1].legend(loc="best")

# 图像显示
plt.show()

在这里插入图片描述

5. 折线图的应用场景

  • 表述数据变化
  • 画各种数学函数图像
    • 注意：plt.plot()除了可以画折线图，也可以用于画各种数学函数图像
import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(-10, 10, 1000)
y = np.sin(x)

# 创建画布
plt.figure(figsize=(20, 10), dpi=100)

# 绘制图像
plt.plot(x, y)

# 添加网格显示
plt.grid()

# 显示图像
plt.show()

在这里插入图片描述

6. 常见图形绘制

1. 常见图形种类及意义

  1. 折线图
    • 定义：以折线的上升或下降来表示统计数量的增减变化的统计图。
    • 特点：能够显示数据的变化趋势，反映事物的变化情况。（变化）
  2. 散点图
    • 定义：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。
    • 特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）
    import matplotlib.pyplot as plt

# 数据准备
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56, 120.06, 207.83, 342.75, 147.9, 53.06, 224.72, 29.51, 21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.63, 24.9, 239.34, 140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1, 30.74, 400.02, 205.35, 330.64, 283.45]

# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 图像绘制
plt.scatter(x, y)

# 图像显示
plt.show()
    在这里插入图片描述
  3. 柱状图
    • 定义：排列在工作表的列或行中的数据可以绘制到柱状图中。
    • 特点：绘制连离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别。（统计/对比）
    import matplotlib.pyplot as plt

# 准备数据
# 电影名字
movie_name = ['雷神3：诸神黄昏', '争议联盟', '东方快车谋杀案', '寻梦环游记', '全球风暴', '降魔传', '追捕', '七十七天', '密战', '狂兽', '其它']

# 横坐标
x = range(len(movie_name))

# 票房数据
y = [73853, 57767, 22354, 15969, 14839, 8725, 8716, 8318, 7916, 6764, 52222]

# 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 绘制图像
plt.bar(x, y, color=['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g', 'b'])

# x轴
plt.xticks(x, movie_name, fontsize=15)

# 网格
plt.grid()

# 标题
plt.title("某月电影房票统计")

# 显示图像
plt.show()
    在这里插入图片描述
  4. 直方图
    • 定义：由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。
    • 特点：绘制连续性的数据展示一组或者多组数据的分布情况（统计）
  5. 饼图
    • 定义：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
    • 特点：分类数据的占比情况（占比）
一个有梦想的叫花子！
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Matplotlib：概述
u013250861的博客
10-25 1861
一、Numpy优势 学习目标 目标 了解Numpy运算速度上的优势 知道Numpy的数组内存块风格 知道Numpy的并行化运算 1 Numpy介绍 Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。 Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。 Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。 2 ndarray介绍 NumPy pro
matplotlib 绘图入门
weixin_39107270的博客
03-20 1088
01 title设置plt.title(“title”)#括号当中输入标题的名称plt.show()如果title是中文，matplotlib会乱码，这时需要加上下面这段代码：02 Figure对象在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个或者多个Axes对象。每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域。plt.show()03 坐标轴及标签plt.xlim(0,6) #x轴坐标轴。
Python之基础详解（四）：关于matplotlib（数学绘图库），你应该了解这些
zhu_rui的博客
04-04 748
函数plot()作用：根据所给数字绘制出有意义的图形(需要在设置图标属性前定义)
Matplotlib 数据绘图基础入门
荷叶田田的博客
04-01 1929
Matplotlib 是支持 Python 语言的开源绘图库，因为其支持丰富的绘图类型、简单的绘图方式以及完善的接口文档，深受 Python 工程师、科研学者、数据工程师等各类人士的喜欢。本次实验课程中，我们将学会使用 Matplotlib 绘图的方法和技巧。
python——matplotlib的用法详解
longhaierwd的博客
07-25 2万+
Matplotlib是Python生态系统的一个重要组成部分，是用于可视化的绘图库，它提供了一整套和matlab相似的命令API和可视化界面，可以生成出版质量级别的精美图形，Matplotlib使绘图变得非常简单，在易用性和性能间取得了优异的平衡。安装成功后，即可以在Python中像使用其它库一样导入和使用Matplotlib，而无需更多文件的配置，通常我们将其导入后使用别名mplMatplotlib的配置更多的用于修改绘制图形的默认样式，Matplotlib。
pyvector：此模块的目的是创建一种处理向量的方法，该方法尽可能接近内置函数，就像向量在Python中成为一种新型变量一样
02-14
我选择不实施plot函数，因为可以使用matplotlin库以参数self.x和self.y作为输入轻松地进行绘图。 如果看到实用程序和必要性，则可以在后续版本中实现该功能。 请注意，所有方法都通过使用以坐标表示的矢量来工作，...
Matplotlib：设置栅格,
错位的梦寐的博客
09-24 2131
设置栅格 (1)使用pyplot api命令 matplotlin.pyplot.grid(b, which, axis, color, linestyle, linewidth， **kwargs) b: 布尔值。就是是否显示网格线的意思。官网说如果b设置为None， 且kwargs长度为0，则切换网格状态。但是没弄明白什 么意思。如果b设置为None，但是又给了其它参...
【matplotlib】plt.show() ！真没这么简单！
最新发布
m0_74195174的博客
02-04 4027
在本文中，我们将深入探讨Matplotlib的显示机制，重点关注 plt.show() 函数的作用、在不同环境中的使用方式以及使用过程中的注意事项。
python数据挖掘 - matplotlib绘图篇
m0_61286600的博客
10-05 1178
python数据挖掘 - matplotlib绘图篇，Matplotlib画图（折线图、散点图、柱状图、直方图、饼状图）
python skimage图像处理
lanlanrening的博客
07-30 2897
python skimage图像处理(三) 参考博客原址：https://www.jianshu.com/p/7693222523c0 霍夫线变换 在图片处理中，霍夫变换主要是用来检测图片中的几何形状，包括直线、圆、椭圆等。 在skimage中，霍夫变换是放在tranform模块内，本篇主要讲解霍夫线变换。 对于平面中的一条直线，在笛卡尔坐标系中，可用y=mx+b来表示，其中m...
matplotlib 知识点整理：ax与figure
qq_40206371的博客
09-28 5337
1 axis与figure 我们可以把figure看成一个大的画布；ax（axis）看成是画布中的一块区域 2 plt.plot()与ax.plot() 如果不考虑子图的话，plt.plot()效果和ax.plot()一致 plt.plot()相当于生成了一个figure画布，然后在画布上隐式生成一个画图区域进行画图 ax.plot()相当于同时生成了figure和axis两个对象，然后在ax对象的区域内画图 3 subplot import matplotlib.pyplot..
人人都能看懂的Matplotlib绘图原理
早起Python
01-17 576
前言 大家好，我是早起，这篇文章没有代码，只做一件事：尝试讲明白Matplotlib的工作机制，先说说我刚开始是怎样学习Matplotlib的吧(可能也是你的）???? 大概在几年前，我还是一个Excel Boy，在学习了一段时间Python后，发现用Matplotlib居然也能制作精美的图形，于是百度【Matplotlib怎么制作xx图】，之后随便点开一两个网站，跳过大段文字部分，直接复制代码粘贴运行，成功得到图片。OK！Matplotlib我会了！ **这样学不行吗？当然行！**我在之前文章中也说
Matplotlib画百分比环形图，引导线+注释
cp402625668的博客
09-05 2471
matplotlib学习日记（一）---画百分比环形图+引导线+标签
多个坐标系显示— plt.subplots(面向对象的画图方法)
缘 源 园
03-30 2885
多个坐标系显示— plt.subplots(面向对象的画图方法) matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw) 创建一个带有多个axes(坐标系/绘图区)的图 Parameters: nrows, ncols : 设置有几行几列坐标系 int, optional, default: 1, Number of rows/columns of the subplot grid. Returns: fig : 图对象
Matplotlib简单入门学习
热门推荐
我只是一个单纯的2的博客
07-15 5万+
因为学习机器学习以及试图通过python实现相应的算法，因此学习了Matplotlib中的画图，那么就问到，问啥不用matlab呢，答：多一门技术，多一口饭；而且发现Matplotlib的画图功能还是蛮强大的，这次仅仅只是学习了以前在MATLAB里面会的相应的东西，然后学习一下在python中对应的知识。 matplotlib在Python中应用最多的2D图像的绘图工具包，使用matplotli
fig, ax = plt.subplots(figsize = (a, b))解析 与 plt.subplot()函数解析
柳杰的博客
07-18 4万+
转载：https://blog.csdn.net/TeFuirnever/article/details/93724227 转载：https://blog.csdn.net/TeFuirnever/article/details/89842795 文章目录fig, ax = plt.subplots(figsize = (a, b))解析plt.subplot()函数解析 fig, ax = plt.subplots(figsize = (a, b))解析 在matplotlib一般使用plt.figure
plt.subplots解释
天上掉下两毛钱
09-30 4万+
首先一幅Matplotlib的图像组成部分介绍。 在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个或者多个Axes对象。每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域。所属关系如下： def subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, ...
Matplotlib基础绘图功能 — 以折线图为例
IT之一小佬的博客
02-17 2555
Matplotlib基础绘图功能 — 以折线图为例 1 完善原始折线图 — 给图形添加辅助功能 为了更好地理解所有基础绘图功能，通过天气温度变化的绘图来融合所有的基础API使用 需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度 效果： 1.1 准备数据并画出初始折线图 import matplotlib.pyplot as plt import random # 画出温度变化图 # 0.准备x, y坐标的数据 x = range(60) y_sha
【python matplotlib 】fig, ax = plt.subplots()画多表图
zou_albert的博客
03-16 9754
文章目录一、 fig, ax = plt.subplots()的作用二、参数的含义三、图上排列多个子图四、把多个子图一起合并到一个图上五、画图刻度、图例等字体、字体大小、刻度密度、线条样式设置 一、 fig, ax = plt.subplots()的作用 它是用来创建 总画布/figure“窗口”的，有figure就可以在上边（或其中一个子网格/subplot上）作图了，（fig：是figure的缩写）。 plt.subplot(111)是plt.subplot(1, 1, 1)另一个写法而已【引用链接】
matplotlin
07-27
Matplotlib是一个Python的绘图库，它提供了丰富的绘图工具和功能，可以用于创建各种类型的图形和可视化结果。你可以使用Matplotlib来绘制折线图、散点图、柱状图、饼图等等。 Matplotlib的一个重要特点是它的灵活性...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值