plt画图基本操作

基本流程

(1)导入模块

import numpy as np  
import matplotlib.pyplot as plt  

(2)设定x轴和y轴的数据

x=list(range(5))
y=list(range(5))

(3)设定x、y轴标签以及标题

plt.xlabel('xxx')
plt.ylabel('xxx')
plt.title('xxx')

(4)画图
plt.xxx(……)#xxx为各种画图方法
(5)呈现
plt.show()

进阶操作

子图subplot

用途:在同一块画布上绘制多个图像
plt.subplot(a,b,c)表示生成a*b个子图,选择第c个子图
紧接着使用plt.plot()等函数即在子图上画图

  • 6
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python 有多个绘图库可以用来进行数据可视化。以下是常用的几个库及其基本用法: 1. Matplotlib Matplotlib 是 Python 中最常用的绘图库之一,它提供了类似于 MATLAB 的绘图接口,可以绘制各种类型的图表,包括线图、散点图、柱状图等。 绘制折线图的基本代码如下: ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.plot(x, y) plt.show() ``` 2. Seaborn Seaborn 是基于 Matplotlib 的高级绘图库,它提供了更加美观和实用的图表,可以用于数据分布的可视化、分类变量的分析等。 绘制带有误差线的折线图的基本代码如下: ```python import seaborn as sns import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] error = [0.5, 1.0, 1.5, 2.0, 2.5] sns.lineplot(x=x, y=y, err_style="bars", ci="sd") plt.show() ``` 3. Plotly Plotly 是一个交互式绘图库,可以生成高度定制化的图表,并支持缩放、旋转、悬停等交互操作。 绘制带有多个子图的散点图的基本代码如下: ```python import plotly.graph_objs as go trace0 = go.Scatter( x=[1, 2, 3, 4], y=[10, 11, 12, 13], mode='markers', marker=dict(size=[40, 60, 80, 100]) ) trace1 = go.Scatter( x=[1, 2, 3, 4], y=[11, 13, 12, 10], mode='markers', marker=dict(size=[50, 70, 90, 110]) ) fig = go.Figure(data=[trace0, trace1]) fig.show() ``` 以上是三个常用的 Python 绘图库及其基本用法,可以根据具体需求选择合适的库进行数据可视化。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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