python画图

最新推荐文章于 2024-09-29 20:58:24 发布
最新推荐文章于 2024-09-29 20:58:24 发布
阅读量651 收藏 1
点赞数
分类专栏： Python

本篇博文主要介绍使用Python中的matplotlib模块进行简单画图功能，我们这里画出了一个柱形图来对比两位同学之间的不同成绩，和使用pandas进行简单的数据分析工作，主要包括打开csv文件读取特定行列进行加减增加删除操作，计算滑动均值，进行画图显示等等；其中还包括一段关于ipython的基本使用指令，比较naive欢迎各位指正交流！


mlp.rc动态配置

你可以在python脚本或者python交互式环境里动态的改变默认rc配置。所有的rc配置变量称为matplotlib.rcParams 使用字典格式存储，它在matplotlib中是全局可见的。rcParams可以直接修改，如：

import matplotlib as mpl
 mpl.rcParams['lines.linewidth'] = 2 
mpl.rcParams['lines.color'] = 'r'

Matplotlib还提供了一些便利函数来修改rc配置。matplotlib.rc()命令利用关键字参数来一次性修改一个属性的多个设置：

import matplotlib as mpl 
mpl.rc('lines', linewidth=2, color='r')
这里matplotlib.rcdefaults()命令可以恢复为matplotlib标准默认配置。


在日常的数据统计分析的过程当中，大量的数据无法直观的观察出来，需要我们使用各种工具从不同角度侧面分析数据之间的变化与差异，而画图无疑是一个比较有效的方法；下面我们将使用python中的画图工具包matplotlib.pyplot来画一个柱形图，通过一个小示例的形式熟悉了解一下mpl的基本使用：

[python]  view plain  copy
  1. <span style="font-size:14px;">#!/usr/bin/env python  
  2. # coding: utf-8  
  3. #from matplotlib import backends  
  4. import matplotlib.pyplot as plt  
  5. import matplotlib as mpl  
  6. mpl.use('Agg')  
  7. import numpy as np  
  8. from PIL import Image  
  9. import pylab  
  10.   
  11. custom_font = mpl.font_manager.FontProperties(fname='C:\\Anaconda\\Lib\\site-packages\\matplotlib\\mpl-data\\fonts\\ttf\\huawenxihei.ttf')  
  12. # 必须配置中文字体，否则会显示成方块  
  13. # 所有希望图表显示的中文必须为unicode格式,为方便起见我们将字体文件重命名为拼音形式 custom_font表示自定义字体  
  14.   
  15. font_size = 10 # 字体大小  
  16. fig_size = (8, 6) # 图表大小  
  17.   
  18. names = (u'小刚', u'小芳') # 姓名元组  
  19. subjects = (u'物理', u'化学', u'生物') # 学科元组  
  20. scores = ((65, 80, 72), (75, 90, 85)) # 成绩元组  
  21.   
  22.   
  23. mpl.rcParams['font.size'] = font_size   # 更改默认更新字体大小  
  24. mpl.rcParams['figure.figsize'] = fig_size   # 修改默认更新图表大小  
  25. bar_width = 0.35   # 设置柱形图宽度  
  26.   
  27. index = np.arange(len(scores[0]))  
  28.   
  29. # 绘制“小明”的成绩 index表示柱形图左边x的坐标  
  30. rects1 = plt.bar(index, scores[0], bar_width, color='#0072BC', label=names[0])  
  31. # 绘制“小红”的成绩  
  32. rects2 = plt.bar(index + bar_width, scores[1], bar_width, color='#ED1C24', label=names[1])  
  33.   
  34. plt.xticks(index + bar_width, subjects, fontproperties=custom_font)        # X轴标题  
  35. plt.ylim(ymax=100, ymin=0)        # Y轴范围  
  36.   
  37. plt.title(u'彩虹班同学成绩对比', fontproperties=custom_font)     # 图表标题  
  38.   
  39. plt.legend(loc='upper center', bbox_to_anchor=(0.5, -0.03), fancybox=True, ncol=2, prop=custom_font)  
  40. # 图例显示在图表下方 似乎左就是右，右就是左，上就是下，下就是上，center就是center  
  41. # bbox_to_anchor左下角的位置？ ncol就是numbers of column默认为1  
  42.   
  43.   
  44. # 添加数据标签 就是矩形上面的成绩数字  
  45. def add_labels(rects):  
  46.     for rect in rects:  
  47.         height = rect.get_height()  
  48.         plt.text(rect.get_x() + rect.get_width() / 2, height, height, ha='center', va='bottom')  
  49.         # horizontalalignment='center' plt.text(x坐标，y坐标，text,位置)  
  50.         # 柱形图边缘用白色填充，为了更加清晰可分辨  
  51.         rect.set_edgecolor('white')  
  52.   
  53. add_labels(rects1)  
  54. add_labels(rects2)  
  55.   
  56.   
  57. plt.savefig('scores_par.png')   # 图表输出到本地  
  58. #pylab.imshow('scores_par.png')  
  59. pylab.show('scores_par.png')    # 并打印显示图片  
  60. </span>  
ipython中程序运行结果：





ipython：

run命令, 运行一个.py脚本, 但是好处是, 与运行完了以后这个.py文件里的变量都可以在Ipython里继续访问；

timeit命令, 可以用来做基准测试(benchmarking), 测试一个命令(或者一个函数)的运行时间，


debug命令: 当有exception异常的时候, 在console里输入debug即可打开debugger，在debugger里, 输入u,d(up, down)查看stack, 输入q退出debugger；

$ipython notebook会打开浏览器，新建一个notebook，一个非常有意思的地方；

alt+Enter: 运行程序, 并自动在后面新建一个cell；





在notebook中是可以实现的

[python]  view plain  copy
  1. <span style="font-size:14px;">from IPython.core.display import HTML  
  2. HTML("<iframe src=http://pandas.pydata.org width=800 height=350></iframe>")</span>  


[python]  view plain  copy
  1. <span style="font-size:14px;">import datetime  
  2.   
  3. import pandas as pd  
  4. import pandas.io.data  
  5. from pandas import Series, DataFrame  
  6. pd.__version__</span>  
[python]  view plain  copy
  1. <span style="font-size:14px;">  
  2. Out[2]:  
  3. '0.11.0'  
  4. In [3]:  
  5. import matplotlib.pyplot as plt  
  6. import matplotlib as mpl  
  7. mpl.rc('figure', figsize=(8, 7))     # rc设置全局画图参数  
  8. mpl.__version__</span>  
[python]  view plain  copy
  1. <span style="font-size:14px;">  
  2. Out[3]:  
  3. '1.2.1'</span>  

[python]  view plain  copy
  1. <span style="font-size:14px;">labels = ['a', 'b', 'c', 'd', 'e']  
  2. s = Series([1, 2, 3, 4, 5], index=labels)  
  3. s  
  4. Out[4]:  
  5. a    1  
  6. b    2  
  7. c    3  
  8. d    4  
  9. e    5  
  10. dtype: int64  
  11. In [5]:  
  12. 'b' in s  
  13. Out[5]:  
  14. True  
  15. In [6]:  
  16. s['b']  
  17. Out[6]:  
  18. 2  
  19. In [7]:  
  20. mapping = s.to_dict()    # 映射为字典  
  21. mapping  
  22. Out[7]:  
  23. {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}  
  24. In [8]:  
  25. Series(mapping)          # 映射为序列  
  26. Out[8]:  
  27. a    1  
  28. b    2  
  29. c    3  
  30. d    4  
  31. e    5  
  32. dtype: int64</span>  



pandas自带练习例子数据，数据为金融数据； 

aapl = pd.io.data.get_data_yahoo('AAPL', 
                                 start=datetime.datetime(2006, 10, 1), 
                                 end=datetime.datetime(2012, 1, 1))
aapl.head()
Out[9]:
  Open High Low Close Volume Adj Close
Date            
2006-10-02 75.10 75.87 74.30 74.86 25451400 73.29
2006-10-03 74.45 74.95 73.19 74.08 28239600 72.52
2006-10-04 74.10 75.46 73.16 75.38 29610100 73.80
2006-10-05 74.53 76.16 74.13 74.83 24424400 73.26
2006-10-06 74.42 75.04 73.81 74.22 16677100 72.66

df = pd.read_csv('C:\\Anaconda\\Lib\\site-packages\\matplotlib\\mpl-data\\sample_data\\aapl_ohlc.csv', index_col='Date', parse_dates=True)
df.head()
Out[11]:
  Open High Low Close Volume Adj Close
Date            
2006-10-02 75.10 75.87 74.30 74.86 25451400 73.29
2006-10-03 74.45 74.95 73.19 74.08 28239600 72.52
2006-10-04 74.10 75.46 73.16 75.38 29610100 73.80
2006-10-05 74.53 76.16 74.13 74.83 24424400 73.26
2006-10-06 74.42 75.04 73.81 74.22 16677100 72.66
In [12]: 
df.index
Out[12]: 
<class 'pandas.tseries.index.DatetimeIndex'>
[2006-10-02 00:00:00, ..., 2011-12-30 00:00:00]
Length: 1323, Freq: None, Timezone: None
ts = df['Close'][-10:]   #截取'Close'列倒数十行
ts
Out[13]: 
Date
2011-12-16    381.02
2011-12-19    382.21
2011-12-20    395.95
2011-12-21    396.45
2011-12-22    398.55
2011-12-23    403.33
2011-12-27    406.53
2011-12-28    402.64
2011-12-29    405.12
2011-12-30    405.00
Name: Close, dtype: float64

df[['Open', 'Close']].head()      #只要Ｏｐｅｎ　Ｃｌｏｓｅ列
Out[18]:
  Open Close
Date    
2006-10-02 75.10 74.86
2006-10-03 74.45 74.08
2006-10-04 74.10 75.38
2006-10-05 74.53 74.83
2006-10-06 74.42 74.22

New columns can be added on the fly.

In [19]: 
df['diff'] = df.Open - df.Close　　　＃添加新一列
df.head()
Out[19]:
  Open High Low Close Volume Adj Close diff
Date              
2006-10-02 75.10 75.87 74.30 74.86 25451400 73.29 0.24
2006-10-03 74.45 74.95 73.19 74.08 28239600 72.52 0.37
2006-10-04 74.10 75.46 73.16 75.38 29610100 73.80 -1.28
2006-10-05 74.53 76.16 74.13 74.83 24424400 73.26 -0.30
2006-10-06 74.42 75.04 73.81 74.22 16677100 72.66 0.20

...and deleted on the fly.

del df['diff']
df.head()
  Open High Low Close Volume Adj Close
Date            
2006-10-02 75.10 75.87 74.30 74.86 25451400 73.29
2006-10-03 74.45 74.95 73.19 74.08 28239600 72.52
2006-10-04 74.10 75.46 73.16 75.38 29610100 73.80
2006-10-05 74.53 76.16 74.13 74.83 24424400 73.26
2006-10-06 74.42 75.04 73.81 74.22 16677100 72.66


close_px = df['Adj Close']
In [22]: 
mavg = pd.rolling_mean(close_px, 40)　　＃计算滑动均值并截取显示倒数十行
mavg[-10:]
Out[22]: 
Date
2011-12-16    380.53500
2011-12-19    380.27400
2011-12-20    380.03350
2011-12-21    380.00100
2011-12-22    379.95075
2011-12-23    379.91750
2011-12-27    379.95600
2011-12-28    379.90350
2011-12-29    380.11425
2011-12-30    380.30000
dtype: float64



close_px.plot(label='AAPL')
mavg.plot(label='mavg')
plt.legend()    # 图标

import pylab
pylab.show()    # 显示图片
Out[25]: 
<matplotlib.legend.Legend at 0xa17cd8c>

df = pd.io.data.get_data_yahoo(['AAPL', 'GE', 'GOOG', 'IBM', 'KO', 'MSFT', 'PEP'], 
                               start=datetime.datetime(2010, 1, 1), 
                               end=datetime.datetime(2013, 1, 1))['Adj Close']
df.head()
Out[26]:
  AAPL GE GOOG IBM KO MSFT PEP
Date              
2010-01-04 209.51 13.81 626.75 124.58 25.77 28.29 55.08
2010-01-05 209.87 13.88 623.99 123.07 25.46 28.30 55.75
2010-01-06 206.53 13.81 608.26 122.27 25.45 28.12 55.19
2010-01-07 206.15 14.53 594.10 121.85 25.39 27.83 54.84
2010-01-08 207.52 14.84 602.02 123.07 24.92 28.02 54.66
In [27]: 
rets = df.pct_change()
In [28]: 
plt.scatter(rets.PEP, rets.KO)   # 画散点图
plt.xlabel('Returns PEP')
plt.ylabel('Returns KO')

import pylab
pylab.show()
Out[28]: 
<matplotlib.text.Text at 0xa1b5d8c>
LeeWei4939
关注
专栏目录
一次性掌握所有 Python 画图基础操作
Gene_I must wait for the sunrise
12-22 6万+
本文以实用为第一目标，保证读者在看完此文之后可以迅速上手 python 画图，掌握所有画图的基本技巧。
Python点滴(三)—pandas数据分析与matplotlib画图
liuheng0111的博客
01-11 1444
本篇博文主要介绍使用Python中的matplotlib模块进行简单画图功能，我们这里画出了一个柱形图来对比两位同学之间的不同成绩，和使用pandas进行简单的数据分析工作，主要包括打开csv文件读取特定行列进行加减增加删除操作，计算滑动均值，进行画图显示等等；其中还包括一段关于ipython的基本使用指令，比较naive欢迎各位指正交流！ mlp.rc动态配置 你
画个心，写个花！Python Turtle库带你玩转创意绘图！
最新发布
Huahua_1223的博客
09-29 2261
Python 的turtle库是一种简单易用的绘图工具，非常适合初学者学习编程。本文将详细介绍如何使用turtle库进行画布设置、画笔属性设置、画笔的移动与控制函数，并结合两个实战案例，包括“花”字绘制和心型图案的绘制。turtle库模拟了一个小乌龟，作为一个画笔在画布上绘制各种图形。该库中的大部分操作是通过控制这只乌龟（即画笔）来实现的，用户可以指定乌龟的移动方向、画笔颜色、线条粗细等。安装与引入通常情况下，Python 内置了turtle通过本文，我们详细介绍了如何使用 Python 的turtle。
python画图——实现在图上标注上具体数值的方法
09-19
### Python画图——实现在图上标注具体数值的方法 在数据可视化领域，Python凭借其强大的库支持（如Matplotlib、Seaborn等）成为最受欢迎的工具之一。通过这些库，我们可以轻松地绘制出各种图表，并对其进行自定义...
python画图把时间作为横坐标的方法
09-19
### Python绘制图表时将时间作为横坐标的详细方法 在数据可视化领域，Python凭借其强大的库支持（如Matplotlib、Pandas等）成为了最受欢迎的工具之一。特别是在处理时间序列数据时，能够有效地将时间作为横坐标进行...
python画图的特效源代码 python画图的特效源代码 python画图的特效源代码
02-05
本资源集包含了多种趣味性图形的源代码，旨在帮助学习者掌握Python画图的技巧，并增加对编程的兴趣。以下是根据标题、描述和标签提炼出的一些关键知识点： 1. **Python绘图库**：这些源代码可能使用了Python中的...
python绘图
用python实现数据可视化
08-06 1152
本程序实现散点图和线性图的绘制，并将它们绘制到同一个图中，可以更改坐标轴的刻度值，设为自己需要的（可使坐标轴使用汉字的形式），并且有双边y轴的显示。本程序可实现绘图网格的控制，网格的位置，按需要的方式设置。
Python简单绘图一
热门推荐
lucky_greenegg的专栏
08-12 5万+
其实一直都想学习一下Python，但是程序员都知道，只有当你真正用到一门语言的时候，学起来效率最高，所以我现在要用了 本来这个画图的工作，同事已经用MATLAB完成了，但是我自己一直觉得MATLAB不感冒，所以尝试用Python来做。 例子：http://matplotlib.org/examples/index.html 首先在Ubuntu16.04系统自带了Python（怎么方便
python 画图
09-01
这些都是python画图的基本操作。<span class="em">1</span><span class="em">2</span><span class="em">3 #### 引用[.reference_title] - *1* *2* *3* [Python画图]...
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