Python科学计算库-Matplotlib

已于 2022-12-03 17:05:45 修改
阅读量604 收藏 1
点赞数
分类专栏： 科学计算库 python 文章标签： matplotlib python 开发语言
于 2022-12-03 17:05:07 首次发布
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/hza163/article/details/128160247
版权

文章目录

Matplotlib

学习目标
应用Matplotlib的基本功能实现图形显示
应用Matplotlib实现多图显示
应用Matplotlib实现不同画图种类

1、快速入门

1.1、 Matplotlib简介

  • 是专门用于开发2D图表(包括3D图表)
  • 以渐进、交互式方式实现数据可视化

为什么要学习Matplotlib？
可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。
- 能将数据进行可视化,更直观的呈现
- 使数据更加客观、更具说服力

1.2、实现一个简单的Matplotlib画图 — 以折线图为例

1.2.1 matplotlib.pyplot模块

matplotlib.pytplot包含了一系列类似于matlab的画图函数。

import matplotlib.pyplot as plt

1.2.2 图形绘制流程

  • 1.创建画布 – plt.figure()
plt.figure(figsize=(), dpi=)
    figsize:指定图的长宽
    dpi:图像的清晰度
    返回fig对象

  • 2.绘制图像 – plt.plot(x, y)
    以折线图为例

  • 3.显示图像 – plt.show()

1.2.3 折线图绘制与显示

举例：展现上海一周的天气,比如从星期一到星期日的天气温度如下

import matplotlib.pyplot as plt

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

# 2.绘制折线图
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13])

# 3.显示图像
plt.show()

在这里插入图片描述

figsize和dpi都可以调整图像大小

import matplotlib.pyplot as plt

# 1.创建画布
plt.figure(figsize=(8,4),dpi=70)

# 2.绘制折线图
f = plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])

# 3.显示图像
plt.show()

在这里插入图片描述

1.3、 认识Matplotlib图像结构(了解)

在这里插入图片描述

1.4 小结1

1.定义
    主要用于开发2D图表（3D）
    数据分析，基于分析，进行展示
2.绘图流程【***】
    1.创建画布
    2.绘制图像
    3.显示图像
3.matplotlib三层结构
    容器层
        canvas
        figure
        axes
    辅助显示层
        添加x轴，y轴描述，标题。。。
    图像层
        绘制什么图像的声明

2、折线图(plot)与基础绘图功能

学习目标

  • 目标

    • 掌握给图形添加辅助功能(如：标注、x,y轴名称、标题等)
    • 知道图形的保存
    • 知道如何多次plot绘制图形
    • 知道如何多个坐标系显示图形
    • 知道折线图的应用场景

  • 应用

    • 天气的温度变化显示

2.1 保存图像

plt.savefig(path)

千万注意
如果有plt.show() 那么savefig操作一定得在show之前
plt.show() 会进行资源的释放

import matplotlib.pyplot as plt
plt.figure(figsize=(8,4),dpi=70)
f = plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
plt.show() # 会进行资源释放
plt.savefig('01.jpg') # 再保存就是空白了

此时01.jpg保存的图像为空白
在这里插入图片描述

import matplotlib.pyplot as plt
plt.figure(figsize=(8,4),dpi=70)
f = plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
plt.savefig('01.jpg')
plt.show() # 进行资源释放

此时01.jpg确实保存了图像
在这里插入图片描述

2.2 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，我们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：

在这里插入图片描述

2.2.1 准备数据并画出初始折线图

random.uniform(a,b)

返回a,b之间的均匀分布里随机采样的浮点数

list1 = [random.uniform(15,18) for i in range(6)]
print(list1)

在这里插入图片描述

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_shanghai = [random.uniform(15,18) for i in x] # 随机生成60个 [15,18]均匀分布的随机浮点数 作为温度值

# 1.创建画布
plt.figure(figsize=(20,8),dpi=60)

# 2.绘制折线图
plt.plot(x,y_shanghai)

# 3.显示图像
plt.show()

在这里插入图片描述

2.2.2 添加自定义x,y刻度

  • plt.xticks(x, **kwargs)
    x:要对谁添加刻度值
    **kwargs：添加啥子刻度值

  • plt.yticks(y, **kwargs)
    y:要对谁添加刻度值
    **kwargs：添加啥子刻度值

画图中文乱码
# 画图中文不乱码
from pylab import mpl# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

绘图代码

plot之后，show之前，加上如下代码

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度
x_ticks_label = [f'11点{i}分' for i in x] # 两种写法都行
y_ticks = range(40)
# 修改x,y轴刻度显示
plt.xticks(x[::5],x_ticks_label[::5]) # 仅设置步长为5   # x.i就是(60,5)=>[0,5,10,15,20,25,30,35,40,45,50,55]
plt.yticks(y_ticks[::5]) # 也即: 每隔5个元素取一个作为刻度 [0,5,10,15,20,25,30,35]

完整代码

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_shanghai = [random.uniform(15,18) for i in x] # 随机生成60个 [15,18]均匀分布的随机浮点数 作为温度值

# 1.创建画布
plt.figure(figsize=(20,8),dpi=60)

# 2.绘制折线图
plt.plot(x,y_shanghai)

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度
#x_ticks_label = ['11点{}分'.format(i) for i in x] 
x_ticks_label = [f'11点{i}分' for i in x] # 两种写法都行
y_ticks = range(40)
# 修改x,y轴刻度显示
plt.xticks(x[::5],x_ticks_label[::5]) # 仅设置步长为5   # x.i就是(60,5)=>[0,5,10,15,20,25,30,35,40,45,50,55]
# 注意，第一个参数必须是数字 
# plt.xticks(x_ticks_label[::5]) # 报错 第一个参数是字符串，不行
# plt.xticks(x_ticks_label) # 还是报错 第一个参数是字符串，不行
# plt.xticks(x,x_ticks_label) # 不报错 第一个参数是数字了

plt.yticks(y_ticks[::5]) # 也即: 每隔5个元素取一个作为刻度 [0,5,10,15,20,25,30,35]

# 3.显示图像
plt.show()

在这里插入图片描述

2.2.3 添加网格显示

为了更加清楚地观察图形对应的值

plt.grid(True, linestyle='--', alpha=0.5)

在这里插入图片描述
在这里插入图片描述

2.2.4 添加(xlabel,ylabel,title)描述信息

添加x轴、y轴描述信息及标题

通过fontsize参数可以修改图像中字体的大小

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示", fontsize=20)

同样还是plt.show()正上方加代码

在这里插入图片描述

2.2.5 图像保存

# 保存图片到指定路径
plt.savefig("test.png")
  • 注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

完整代码：

import matplotlib.pyplot as plt
import random
from pylab import mpl

# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]

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

# 2.绘制图像
plt.plot(x, y_shanghai)

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 图像保存
plt.savefig("./test.png")

# 3.图像显示
plt.show()

test.jpg:
在这里插入图片描述

2.3 在一个坐标系中绘制多个图像

2.3.1 多次plot(绘制多个图像)

需求：再添加一个城市的温度变化

收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，其实很简单只需要再次plot即可，但是需要区分线条，如下显示
在这里插入图片描述

  • 核心代码：
# 增加北京的温度数据
y_beijing = [random.uniform(1, 3) for i in x]

# 绘制折线图
plt.plot(x, y_shanghai)
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--')

我们仔细观察，用到了两个新的地方，一个是对于不同的折线展示效果，一个是添加图例。

  • 完整代码
import matplotlib.pyplot as plt
import random
from pylab import mpl

mpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置显示中文字体
mpl.rcParams["axes.unicode_minus"] = False # 设置正常显示符号

plt.figure(figsize=(20, 8), dpi=100)

# 第1条折线
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
plt.plot(x, y_shanghai)

# 第2条折线 新增代码
y_beijing = [random.uniform(1,3) for i in x]
plt.plot(x,y_beijing,color='r',linestyle='--') # 修改线条样式 以便区分

# 描述信息
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])
plt.grid(True, linestyle="--", alpha=0.5)
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 3.图像显示
plt.show()

在这里插入图片描述

2.3.2 设置图形风格(线型和颜色)

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
plt.plot(x,y_beijing,color='r',linestyle='--') # 修改线条样式 以便区分

2.3.3 显示图例

  • 注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。
# 绘制折线图
plt.plot(x, y_shanghai, label="上海")
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--', label="北京")

# 显示图例
plt.legend(loc="best")
Location StringLocation Code
‘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
  • 完整代码 (增加3处)
import matplotlib.pyplot as plt
import random
from pylab import mpl

mpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置显示中文字体
mpl.rcParams["axes.unicode_minus"] = False # 设置正常显示符号

plt.figure(figsize=(20, 8), dpi=100)

# 第1条折线
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
plt.plot(x, y_shanghai,label='上海') # 增加label

# 第2条折线
y_beijing = [random.uniform(1,3) for i in x]
plt.plot(x,y_beijing,color='r',linestyle='--',label='北京') # 增加label

# 描述信息
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])
plt.grid(True, linestyle="--", alpha=0.5)
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)
plt.legend(loc='best') # 增加label

# 3.图像显示
plt.show()

在这里插入图片描述

  • 完整代码2： # 添加3处
# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

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

# 2.绘制图像
plt.plot(x, y_shanghai, label="上海") # 添加1: label="上海"
plt.plot(x, y_beijing, color="r", linestyle="--", label="北京") # 添加2：label="北京"

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 图像保存
plt.savefig("./test.png")

# 2.5 添加图例
#plt.legend(loc=0) # 添加3：plt.legend(loc=0)
plt.legend(loc='best') # 两种写法是等价的

# 3.图像显示
plt.show()

在这里插入图片描述

2.4 多个坐标系显示— plt.subplots(面向对象的画图方法)

如果我们想要将上海和北京的天气图显示在同一个图的不同坐标系当中，效果如下：

在这里插入图片描述
可以通过subplots函数实现(旧的版本中有subplot，使用起来不方便)，推荐subplots函数

  • matplotlib.pyplot.subplots(nrows=行数, ncols=列数, **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
axes : 返回相应数量的坐标系

设置标题等方法不同：
    set_xticks
    set_yticks
    set_xlabel
    set_ylabel

关于axes子坐标系的更多方法：参考https://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes

  • 注意：plt.函数名() 相当于面向过程的画图方法，axes.set_方法名() 相当于面向对象的画图方法
# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

# 1.创建画布
# plt.figure(figsize=(20, 8), dpi=100)
fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=100) # 注意是subplots不是subplot
# nrows=1,ncols=2 1行2列

# 2.绘制图像
# plt.plot(x, y_shanghai, label="上海")  
# plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")  
axes[0].plot(x,y_shanghai,label='上海')
axes[1].plot(x,y_beijing,color='g',linestyle=':',label='北京')

# 2.1 添加x,y轴刻度 不变
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
# plt.xticks(x[::5], x_ticks_label[::5])
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(x[::5])
axes[0].set_xticklabels(x[::5])

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

# 2.2 添加网格显示 
# plt.grid(True, linestyle="--", alpha=0.5) 
axes[0].grid(True,linestyle='--',alpha=0.5)
axes[1].grid(True,linestyle='--',alpha=1) # alpha控制网格透明度的 0~1

# 2.3 添加描述信息
# plt.xlabel("时间")
# plt.ylabel("温度")
# plt.title("中午11点--12点某城市温度变化图", fontsize=20)

axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("中午11点--12点某城市温度变化图", fontsize=20)

axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 图像保存
plt.savefig("./test.png")

# 2.5 添加图例
# plt.legend(loc=0)  
axes[0].legend(loc=0)
axes[1].legend(loc=0)


# 3.图像显示
plt.show()

在这里插入图片描述

2.5 折线图的应用场景

  • 呈现公司产品(不同区域)每天活跃用户数

  • 呈现app每天下载数量

  • 呈现产品新功能上线后,用户点击次数随时间的变化

  • 拓展：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

在这里插入图片描述
代码：

import numpy as np

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

# 1.创建画布
plt.figure(figsize=(10,4),dpi=80) # 一个图线无需返回值

# 2.绘制函数图像
plt.plot(x,y)
# 2.1 添加网格显示
plt.grid()

# 3.显示图像
plt.show()

在这里插入图片描述

2.6 小结2

  • 添加x,y轴刻度【知道】
    • plt.xticks()
    • plt.yticks()
    • 注意:在传递进去的第一个参数必须是数字,不能是字符串,如果是字符串吗,需要进行替换操作
  • 添加网格显示【知道】
    • plt.grid(linestyle=“–”, alpha=0.5) # alpha=[0,1] 透明度
  • 添加描述信息【知道】
    • plt.xlabel()
    • plt.ylabel()
    • plt.title()
  • 图像保存【知道】
    • plt.savefig(“路径”)
  • 多次plot【了解】
    • 直接进行添加就OK
  • 显示图例【知道】
    • plt.legend(loc=“best”)
    • 注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示
  • 多个坐标系显示【了解】
    • plt.subplots(nrows=行数, ncols=列数)
  • 折线图的应用【知道】
    • 1.应用于观察数据的变化
    • 2.可是画出一些数学函数图像

3 常见图形绘制

学习目标
目标
掌握常见统计图及其意义

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。

我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。

3.1 常见图形种类及意义

3.1.1 折线图：

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)

api：plt.plot(x, y)
在这里插入图片描述

3.1.2 散点图

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)

api：plt.scatter(x, y)
在这里插入图片描述

3.1.3 柱状图

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)

api：plt.bar(x, width, align=‘center’, **kwargs)

Parameters:    
x : 需要传递的数据

width : 柱状图的宽度

align : 每个柱状图的位置对齐方式
    {‘center’, ‘edge’}, optional, default: ‘center’

**kwargs :
color:选择柱状图的颜色

在这里插入图片描述

3.1.4 直方图

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状况(统计)

api：matplotlib.pyplot.hist(x, bins=None)

Parameters:    
x : 需要传递的数据
bins : 组距

在这里插入图片描述

3.1.5 饼图

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)

api：plt.pie(x, labels=,autopct=,colors)

Parameters:  
x:数量，自动算百分比
labels:每部分名称
autopct:占比显示指定%1.2f%%
colors:每部分颜色

在这里插入图片描述

3.2 散点图绘制

需求：探究房屋面积和房屋价格的关系

房屋面积数据：

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]

房屋价格数据：

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  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]

在这里插入图片描述
代码： TODO

# 0.准备数据
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, 247.61,  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]

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

# 2.绘制散点图
plt.scatter(x, y)

# 3.显示图像
plt.show()
自律信仰
关注
专栏目录
Python可视化库matplotlib(超详细)
风口IT猪的成长录
07-01 3万+
超详细Matplotlib笔记Matplotlib 简介开发环境搭建为什么要学习Matplotlib绘制基础图形绘制流程认识Matplotlib图像结构实现基础绘图功能设置标签文字和线条粗细解决中文乱码&符号不正常显示绘制直线绘制折线折线图案例准备数据并画出初始折线图添加自定义x,y刻度添加网格显示添加描述信息图像保存完整代码绘制一元二次方程的曲线y=x^2绘制正弦曲线和余弦曲线散点图格式化字符绘制柱状图绘制饼状图绘制直方图绘制等高线图绘制三维图 Matplotlib 简介 Matplotlib 是
Python数据可视化库-Matplotlib.zip
04-28
最后，我们提到的Numpy是Python科学计算的基础库，它提供了强大的N维数组对象Array。NumPy的数组操作比Python内置的列表快得多，适合进行大规模数值计算。此外，Numpy还包含许多数学函数，如统计函数、线性代数运算...
Matplotlib学习
weixin_45439324的博客
12-24 351
Matplotlib学习 1. 什么是Matplotlib 是专门用于开发2D图表(包括3D图表) 以渐进、交互式方式实现数据可视化 2. 为什么要用Matplotlib 可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。 能将数据进行可视化,更直观的呈现 使数据更加客观、更具说服力 3. 一个简单的Matplotlib画图 # 1.导入模块 imp...
Python数据分析利器：NumPy、pandas与Matplotlib库---之Matplotlib
最新发布
2401_84271190的博客
10-14 1116
第1行代码中的plt.subplots（nrows=2,ncols=2）（也可以简写为plt.subplots（2,2））就表示绘制2行2列共4张子图，它会返回两个内容：fig（画布）和axes（子图集合，以数组形式存储各张子图）。例如，subplot（221）表示绘制2行2列的子图（共4张子图），当前绘制的是第1张子图，如下图所示。从前面的介绍可知，可以在一张图表里绘制两条线，但如果两条线的取值范围相差较大，那么绘制出的图表效果会不美观，此时需要采用双坐标轴来呈现图表，即为两条线各自绘制y轴。
python的matplotlib库
m0_47533197的博客
04-07 4186
matplotlib底层绘图库详解(python)
python中的matplotlib库
m0_63131662的博客
07-02 2402
python 的matplotlib模块
Python库---Matplotlib
weixin_74373920的博客
12-18 2271
plt.xlabel('X轴标签')plt.ylabel('Y轴标签')plt.title('自定义折线图')plt.show()Matplotlib是一个强大的工具，能够满足各种可视化需求，无论是初学者还是经验丰富的数据科学家都值得深入研究。
python数据可视化 - Matplotlib——基于jupyter
02-21
matplotlib是python科学计算中最基础、最重要的绘图库，一般使用matpltlib完全可以满足绘图需求 seaborn是构建在matplotlib之上的绘图库，能够一定程度上简化绘图过程。 seaborn基础还是matplotlib，所有利用python...
Python库 | matplotlib-3.2.1-cp38-cp38-manylinux1_x86_64.whl
02-17
"Python库 | matplotlib-3.2.1-cp38-cp38-manylinux1_x86_64.whl" 这个标题表明我们正在讨论的是Python编程语言中的一个库——matplotlib，其版本为3.2.1。"cp38-cp38" 表示这个库是针对Python 3.8版本编译的，...
Python中的数据科学-熊猫-Scikit学习Numpy-Matplotlib
02-04
NumPy也包含了一些基本的线性代数、傅立叶变换和随机数生成的功能，是科学计算的重要工具。 **Scikit-Learn** 是Python中最受欢迎的机器学习库，它包含了各种监督和无监督的学习算法，如分类、回归、聚类和降维等。...
matlab说话代码-Data_Visualization_Program:使用Python库-Matplotlib，Seaborn，Pand
05-22
使用Python库-Matplotlib，Seaborn，Pandas等... 介绍 数据无处不在，并且是运作业务的每个业务或流程的组成部分，或者更简单地说是一种永恒的资源，但是在这个向数据密集型应用程序猛增的时代之前，很少有人意识到...
python第三方库matplotlib
09-18
Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。
python——matplotlib库
weixin_30296405的博客
08-16 352
matplotlib库：一个优秀的数据可视化第三方库 文档：https://matplotlib.org/users/index.html 样例：https://matplotlib.org/gallery/index.html 一、matplotlib库简介 　　matplotlib由各种可视化类构成，内部结构复杂，其受matlab启发（怪不得很像matlab）。 　　matplotl...
python中matplotlib库_Python Matplotlib库
weixin_39601642的博客
11-30 351
Matplotlib是一个Python库，用于通过使用python脚本创建二维图形和图表。 它有一个名为pyplot的模块，通过提供控制线条样式，字体属性，格式化轴等功能，使得绘图变得容易。它支持各种各样的图形和图形 - 即直方图，条形图，功率谱，误差图等 它与NumPy一起使用，为MatLab提供了一个有效的开源替代方案。 它也可以用于像PyQt和wxPython这样的图形工具包。通常，通过添加...
【深度之眼七——（1）】Python：Matplotlib库
weixin_52692793的博客
09-05 673
无
Matplotlib是什么
ccc369639963的博客
02-17 1792
Matplotlib是什么 Matplotlib 是一款用于数据可视化的 Python 软件包，支持跨平台运行，它能够根据 NumPy ndarray 数组来绘制 2D 图像，它使用简单、代码清晰易懂，深受广大技术爱好者喜爱。 NumPy 是 Python 科学计算的软件包，ndarray 则是 NumPy 提供的一种数组结构。 Matplotlib 由 John D. Hunter 在 2002 年开始编写， 2003 年 Matplotlib 发布了第一个版本，并加入了 BSD 开源软件组织。Matp
Python可视化库Matplotlib的使用
weixin_34309543的博客
11-11 217
一。导入数据 import pandas as pd unrate = pd.read_csv('unrate.csv') unrate['DATE'] = pd.to_datetime(unrate['DATE']) print(unrate.head(12)) 结果如下： DATE VALUE 0 1948-01-01 3.4 1 1948-0...
python Matplotlib库基础
qq_46841701的博客
07-14 2230
目录Matplotlib 数据可视化入门Pyplot 绘图自定义配置文件 rcParams创建绘图窗口 Matplotlib 数据可视化入门 注意：使用Matplotlib 库之前建议先掌握一定 NumPy 库和 Pandas 库知识。 使用 Matplotlib 库应先导入 matplotlib 包下 pyplot 模块，习惯性，我们将导入后的模块重新命名为 plt 。或者直接导入 matplotlib 包，习惯性，我们将导入后的包重新命名为 mpl 。 import matplotlib.pyplot
Python——Matplotlib库
weixin_46039719的博客
01-04 595
目录 1 概述及步骤 2 步骤 2.1 数据准备 2.2 绘制图形 2.3 绘图例程 2.4 自定义图像 2.5 保存与显示图形 3 Matplotlib总结（代码） 1 概述及步骤 Matplotlib库是Python最著名的绘图库，他提供了一整套和MATLAB相似的命令API，十分适合交互式的进行制图。而且也可以方便的将它作为绘图控件，嵌入GUI应用程序中。 2 步骤 2.1 数据准备 2.2 绘制图形 2.3 绘图例程 ...
Python科学计算入门：matplotlib快速绘图与数据分析
这篇文档首先讲解了如何安装Python科学计算相关的软件包，如Python(x,y)和Enthought Python Distribution (EPD)，以及常用的开发工具如iPython和spyder。 接着，文档深入介绍了NumPy库，这是Python中用于高效处理...
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