欢迎大家来到“Python从零到壹”,在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解,真心想把自己近十年的编程经验分享给大家,希望对您有所帮助,文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持,知识无价人有情,希望我们都能在人生路上开心快乐、共同成长。
前一篇文章讲述了数据预处理、Jieba分词和文本聚类知识,这篇文章主要介绍Matplotlib和Pandas扩展包绘图的基础用法,同时引入Echarts技术,该技术主要应用于网站可视化展示中。本文内容以实例为主,给读者最直观的图形感受。两万字基础文章,希望对您有所帮助。
文章目录
下载地址:
前文赏析:
第一部分 基础语法
- [Python从零到壹] 一.为什么我们要学Python及基础语法详解
- [Python从零到壹] 二.语法基础之条件语句、循环语句和函数
- [Python从零到壹] 三.语法基础之文件操作、CSV文件读写及面向对象
第二部分 网络爬虫
- [Python从零到壹] 四.网络爬虫之入门基础及正则表达式抓取博客案例
- [Python从零到壹] 五.网络爬虫之BeautifulSoup基础语法万字详解
- [Python从零到壹] 六.网络爬虫之BeautifulSoup爬取豆瓣TOP250电影详解
- [Python从零到壹] 七.网络爬虫之Requests爬取豆瓣电影TOP250及CSV存储
- [Python从零到壹] 八.数据库之MySQL基础知识及操作万字详解
- [Python从零到壹] 九.网络爬虫之Selenium基础技术万字详解(定位元素、常用方法、键盘鼠标操作)
- [Python从零到壹] 十.网络爬虫之Selenium爬取在线百科知识万字详解(NLP语料构造必备技能)
第三部分 数据分析和机器学习
- [Python从零到壹] 十一.数据分析之Numpy、Pandas、Matplotlib和Sklearn入门知识万字详解(1)
- [Python从零到壹] 十二.机器学习之回归分析万字总结全网首发(线性回归、多项式回归、逻辑回归)
- [Python从零到壹] 十三.机器学习之聚类分析万字总结全网首发(K-Means、BIRCH、层次聚类、树状聚类)
- [Python从零到壹] 十四.机器学习之分类算法三万字总结全网首发(决策树、KNN、SVM、分类算法对比)
- [Python从零到壹] 十五.文本挖掘之数据预处理、Jieba工具和文本聚类万字详解
- [Python从零到壹] 十六.文本挖掘之词云热点与LDA主题分布分析万字详解
- [Python从零到壹] 十七.可视化分析之Matplotlib、Pandas、Echarts入门万字详解
第四部分 Python图像处理
第五部分 NLP与文本挖掘
第六部分 人工智能入门知识
第七部分 图像识别与目标检测
第八部分 网络攻防与AI安全
第九部分 知识图谱构建实战
第十部分 人工智能高级案例
作者新开的“娜璋AI安全之家”将专注于Python和安全技术,主要分享Web渗透、系统安全、人工智能、大数据分析、图像识别、恶意代码检测、CVE复现、威胁情报分析等文章。虽然作者是一名技术小白,但会保证每一篇文章都会很用心地撰写,希望这些基础性文章对你有所帮助,在Python和安全路上与大家一起进步。
可视化技术是将数据转换成图形或图像呈现在屏幕上,再进行视觉交互。在数据分析中,可视化是非常重要的环节,它通过呈现图形图像直观的体现数据或算法的好坏,给读者最直观的视觉信息。
一.Matplotlib可视化分析
基础用法参考前文:
1.绘制曲线图
首先简单地绘制三条直线,其斜率分别为0.5、1.5和3.0,完整代码如下:
# -*- coding: utf-8 -*-
#By: CSDN
import numpy as np
import matplotlib.pyplot as plt
X = np.arange(0,4)
print(X)
plt.plot(X, X*0.5, label="y=x*0.5")
plt.plot(X, X*1.5, label="y=x*1.5")
plt.plot(X, X*3.0, label="y=x*3.0")
plt.legend()
plt.show()
输出如图所示,其中X为数组[0,1,2,3],X×0.5表示数组元素都乘以0.5,其结果为:[0,0.5,1.0,1.5],同理X×1.5结果为:[0.0,1.5,3.0,4.5]。
- import matplotlib.pyplot as plt
表示调用Matplotlib子类pyplot绘图,并as重命名为plt,方便代码调用。 - plt.plot(X, X_0.5, label=“y=x_0.5”)
表示调用plot()绘图,参数分别为X坐标、Y坐标和标签label。 - plt.legend()
显示右上角的图标,每条线对应label的含义。 - plt.show()
最后调用该函数显示绘制好的图形。
下面将上图绘制成不同类型的线条。核心修改代码如下:
# -*- coding: utf-8 -*-
#By: CSDN
import numpy as np
import matplotlib.pyplot as plt
X = np.arange(0,4)
print(X)
plt.plot(X, X*0.5, "r-", label="y=x*0.5")
plt.plot(X, X*1.5, "y--", label="y=x*1.5")
plt.plot(X, X*3.0, "g:", label="y=x*3.0")
plt.legend()
plt.show()
其中,"r-"表示红色直线,"y–"表示黄色虚线,"g:"表示绿色点线,输出如图所示。
但是上图绘制的图形有点细,怎么解决呢?设置参数linewidth=2.0即可,参考下面的代码,Matplotlib绘制sin函数和cos函数曲线。
# -*- coding: utf-8 -*-
#By: CSDN
import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi,np.pi,256,endpoint=True)
C = np.cos(X)
S = np.sin(X)
p