matplotlib的概念和应用

最新推荐文章于 2024-07-17 11:12:57 发布
最新推荐文章于 2024-07-17 11:12:57 发布
阅读量578 收藏
点赞数 1
分类专栏： 学习笔记-数据分析
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/m0_56600567/article/details/119209525
版权

文章目录

matplotlib

  1. 什么是matplotlib
  2. matplotlib的基本要点
  3. matplotlib的散点图、直方图、柱状图
  4. 更多的画图工具

什么是matplotlib

  • 最流行的Python底层绘图库，主要做数据可视化图表

为什么要学matplotlib

  1. 能将数据进行可视化，更直观的呈现
  2. 使得数据更加客观、更具有说服力

matplotlib的基本要点及利用matplotlib绘制折线图

利用matplotlib绘制折线图

基础框架

  1. 导包 （多处都需要使用，所以给包取一个别名plt）： from matplotlib import pyplot as plt

  2. 设置x、y的参数，根据具体情况设置

  3. 绘图：plt.plot(x,y)

  4. 展示图形，调用show()函数：plt.show()

存在的问题：
  1. 图片大小和清晰度不是我们想要的。
  2. 如果我想要获取图片，怎么获取？
  3. x、y轴以及图表的意义不明。
  4. x、y轴的坐标不是我们想要的坐标。
  5. 若存在多个对象，如何将多个对象绘入同一个折线图中？
  6. 折线图的样式我不喜欢，我不想要直线，我想要虚线或其他样式怎么办？颜色、粗细又怎么改变？
  7. 能不能有网格，这样就能更加清晰的看出每一个x对应的y了？
折线图的优化（基本要点）：

1.设置图片的大小和清晰度
调用 figure(figsize=(length,width)，dpi) 函数，figsize传入的是图片的长和宽，dpi传递的是图片的分辨率

fig = plt.figure(figsize=(20,8),dpi=80)

2.保存图片
调用 savefig() 函数

plt.savefig("./t1.png")
#可以保存为svg这种格式，放大就不会有锯齿了

3.为图表、横坐标、纵坐标设置label
分别调用 title(str)、xlabel(str)、ylabel(str) 函数,如果label中出现了中文，还应当设置字体，例如： fontproperties=my_font

plt.xlabel(“时间”,fontproperties=my_font)
plt.ylabel(“温度 单位°C”,fontproperties=my_font)
plt.title(“10点到12点每分钟的气温变化情况”,fontproperties=my_font)

补充
为什么要设置字体？？
matplotlib默认不支持中文字符，因为默认的英文字体无法显示汉字

查看linyx/mac下面支持的字体
fc-list —>查看支持的字体
fc-list :lang=zh ---->查看支持的中文（冒号前面有空格）

如何修改matplotlib的默认字体？？？

① 通过matplotlib.rc修改（windows/linux）

import matplotlib
#windows和linux设置字体的方式
#①
font = {'family':'MicroSoft Yahei',
        'weight':'bold',
        'size':'larger'}
matplotlib.rc("font",**font)
#②
matplotlib.rc("font",family='MicroSoft Yahei',weight='bold')

②通过matplotlib下的font manager 解决(windows/linux/mac)

from matplotlib import font_manager
#fname是字体的路径
my_font = font_manager.FontProperties(fname="C:\Windows\Fonts\STXINGKA.TTF")

4.设置x、y轴的坐标值
调用 xticks()、yticks() 函数

#设置x轴的刻度
plt.xticks(range(2,26))
#设置y轴的刻度
plt.yticks(range(12,28))

补充
x、y轴的坐标值有时不一定是纯数值，有时时固定格式的字符串，此时我们可以调整坐标值

以x轴为例：(此处旋转是由于横坐标的数值过长，挤在一起看不清楚)

x = range(0,120)
#调整x轴的刻度
_xtick_labels = [“10点{}分”.format(i) for i in range(60)]
_xtick_labels += [“11点{}分”.format(i) for i in range(60)]
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=45,fontproperties=my_font) #rotation旋转的度数

在这里插入图片描述5.多个对象的折线图
设置多个对象，在同一个折线图中表示出来

#设置x和y的坐标
x = range(11,31,1)
y1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y2 = [2,5,6,1,2,3,4,1,0,1,0,0,4,2,4,1,1,0,1,0]
plt.plot(x,y1)
plt.plot(x,y2)

此时，不难发现，我们的折线图有了两个对象，但是仅仅根据图，我们不能够明白不同颜色的折线代表谁。那么此时我们可以添加一个提示信息，我们把这个提示信息称为图例。

以两个对象为例：

plt.plot(x,y1,label=“小明”,color=“orange”)
plt.plot(x,y2,label=“小鱼”,color=“blue”)
#添加图例,显示y1、y2对应的含义
plt.legend(prop=my_font,loc=0) #此处d中文用prop表示，也只有此处用它,loc传递的是位置参数，详情看源码

在这里插入图片描述
补充
对折线的

plt.plot(x,y1,label=“小明”,color=“orange”,linestyle=’:’,linewidth=2)

6.改变线条的样式
在调用plot()函数时，我们可以通过对不同参数的设置，改变折线的样式。

color:颜色
linestyle:线条的款式
linewidth:线条的粗细

以上图的小明为例：

plt.plot(x,y1,label=“小明”,color=“orange”,linestyle=’:’,linewidth=2)
在这里插入图片描述

7.添加网格
调用grid()函数

#绘制网格
plt.grid(alpha=0.1)#透明度

折线图的几个实例及代码
  1. 假设一天中每隔两个小时(range(2,26,2))的气温(℃)分别是[15,13,14.5,17,20,25,26,26,27,22,18,15]
import matplotlib
from matplotlib import pyplot as plt

#方式一 设置中文显示
font = {'family':'MicroSoft Yahei',
        'weight':'bold',
        'size':12}
matplotlib.rc("font",**font)

x = range(0,26,2)
y = [12,15,13,14.5,17,20,25,26,26,27,22,18,15]

#设置图片大小
fig = plt.figure(figsize=(20,8),dpi=80) 

# 绘图
plt.plot(x,y)

#设置x轴的刻度
plt.xticks(range(0,24))
#设置y轴的刻度
plt.yticks(range(12,28))

#设置图表、x、y轴的标签
plt.title("一天中温度随时间的变化")
plt.xlabel("时间 时")
plt.ylabel("温度 °C")

#保存
# plt.savefig("./t1.png") #可以保存为svg这种格式，放大就不会有锯齿了

# 展示图形
plt.show()

在这里插入图片描述
2. 绘制10：00到12：00的气温折线图，温度使用随机数

from matplotlib import pyplot as plt
import random
import matplotlib

#方式一 设置中文显示
matplotlib.rc("font",family='MicroSoft Yahei',weight='bold')

x = range(0,120)
y = [random.randint(20,35) for i in range(120)]

#设置图片大小
plt.figure(figsize=(20,8),dpi=80)
#绘制图片
plt.plot(x,y)

#调整x轴的刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
#取步长，数字与字符串一一对应，数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=45) #rotation旋转的度数

#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度 单位°C")
plt.title("10点到12点每分钟的气温变化情况")

#展示图片
plt.show()

在这里插入图片描述3. 假设大家在30岁的时候,根据自己的实际情况,统计出来了从11岁到30岁每年交的女(男)朋友的数量如列表a,请绘制出该数据的折线图,以便分析自己每年交女(男)朋友的数量走势
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [2,5,6,1,2,3,4,1,0,1,0,0,4,2,4,1,1,0,1,0]
要求:
y轴表示个数
x轴表示岁数,比如11岁,12岁等

from matplotlib import font_manager
from matplotlib import pyplot as plt

# 方式二 设置字体
my_font = font_manager.FontProperties(fname="C:\Windows\Fonts\STXINGKA.TTF")

# 设置图片大小
fig = plt.figure(figsize=(18, 6), dpi=90)

# 设置x和y的坐标
x = range(11, 31, 1)
y1 = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
y2 = [2, 5, 6, 1, 2, 3, 4, 1, 0, 1, 0, 0, 4, 2, 4, 1, 1, 0, 1, 0]

# 绘图，有两个成员，所以给每个成员设置一个标签,和线条颜色,线条样式（看源码）和粗细
plt.plot(x, y1, label="小明", color="orange", linestyle=':', linewidth=2)
plt.plot(x, y2, label="小鱼", color="blue")

# 设置横坐标、纵坐标
x_tick = ["{}岁".format(i) for i in range(11, 31)]
plt.xticks(list(x)[::1], x_tick[::1], fontproperties=my_font)
plt.yticks(range(0, 7), range(0, 7))  # 可以不用设置

# 设置标题、横坐标纵坐标的意思
plt.xlabel("年龄", fontproperties=my_font)
plt.ylabel("数量", fontproperties=my_font)
plt.title("11到30岁交的女朋友数量", fontproperties=my_font)

# 绘制网格
plt.grid(alpha=0.1)

# 添加图例,显示y1、y2对应的含义
plt.legend(prop=my_font, loc=0)  # 此处d中文用prop表示，也只有此处用它,loc传递的是位置参数，详情看源码

# 显示图片
plt.show()

在这里插入图片描述

利用matplotlib绘制散点图

基础框架

  1. 导包 （多处都需要使用，所以给包取一个别名plt）： from matplotlib import pyplot as plt

  2. 设置x、y的参数，根据具体情况设置

  3. 绘图：plt.scatter(x,y)

  4. 展示图形，调用show()函数：plt.show()

案例及代码

假设要绘制一个散点图，表示某地3月份和10月份每天的温度变换
a =[11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
要求:
y轴表示温度
x轴表示时间,比如3月1日、3月2日等

from matplotlib import pyplot as plt
from matplotlib import font_manager

#x、y的坐标设置
y_3 =[11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3 = range(1,32)
x_10 = range(51,82)

# 方式二 设置字体
my_font = font_manager.FontProperties(fname="C:\Windows\Fonts\STXINGKA.TTF")


#设置图形大小
plt.figure(figsize=(30,5),dpi=80)

#绘图
plt.scatter(x_3,y_3,label="3月份")
plt.scatter(x_10,y_10,label="10月份")

#调整x轴的刻度
_x = list(x_3) + list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::1],_xtick_labels[::1],fontproperties=my_font,rotation=45)

#调整y轴的刻度
plt.yticks(range(0,31)[::2],range(0,31)[::2])

#添加描述信息
plt.title("3月份和10月份每天的温度变化",fontproperties=my_font)
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度 ℃",fontproperties=my_font)

#展示
plt.show()

在这里插入图片描述

利用matplotlib绘制柱状图

基础框架

  1. 导包 （多处都需要使用，所以给包取一个别名plt）： from matplotlib import pyplot as plt

  2. 设置x、y的参数，根据具体情况设置

  3. 绘图：
    纵向条形图
    plt.bar(x,y,width) #width是柱状图的宽度

    横向条形图
    plt.barh(x,y,height) #height是柱状图的宽度

  4. 展示图形，调用show()函数：plt.show()

❤️注意：当出现多个对象时，对象的每个共同数值所在坐标需要略微调整，不然条形会重叠.具体看后面的案例及代码

案例及代码

①假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
a=[“战狼2”,“速度与激情8”,“功夫瑜伽”,“西游伏妖篇”,“变形金刚5:最后的骑士”,“摔跤吧!爸爸”,“加勒比海盗5:死无对证”,“金刚:骷髅岛”,“极限特工︰终极回归”,“生化危机6：终章”,“乘风破浪”,“神偷奶爸3”,“智取威虎山”“大闯天竺”,“金刚狼3∶殊死一战”,“蜘蛛侠:英雄归来”,“悟空传”,“银河护卫队2”,“情圣”,“新木乃伊”]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]单位:亿

from matplotlib import pyplot as plt
from matplotlib import font_manager

#设置字体
my_font = font_manager.FontProperties(fname="C:\Windows\Fonts\STXINGKA.TTF")

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇"
    ,"变形金刚5:\n最后的骑士","摔跤吧!爸爸","加勒比海盗5:\n死无对证",
   "金刚:骷髅岛","极限特工︰\n终极回归","生化危机6：\n终章","乘风破浪",
   "神偷奶爸3","智取威虎山","大闯天竺","金刚狼3∶\n殊死一战",
   "蜘蛛侠:\n英雄归来","悟空传","银河护卫队2","情圣","新木乃伊"]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,
     10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#设置大小
plt.figure(figsize=(20,10),dpi=80)
#绘制图形
plt.bar(range(len(a)),b,width=0.3)
#设置字符串到x轴
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=90)
#设置y轴纵坐标
plt.yticks(range(0,60+1,5))
#添加描述信息
plt.title("xxxx年电影top20及票房数据",fontproperties=my_font)
plt.xlabel("电影名称",fontproperties=my_font)
plt.ylabel("票房数据 亿",fontproperties=my_font)
#添加网格
plt.grid(alpha=0.3)

plt.show()

在这里插入图片描述优化

from matplotlib import pyplot as plt
from matplotlib import font_manager

#设置字体
my_font = font_manager.FontProperties(fname="C:\Windows\Fonts\STXINGKA.TTF")

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇"
    ,"变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证",
   "金刚:骷髅岛","极限特工︰终极回归","生化危机6：终章","乘风破浪",
   "神偷奶爸3","智取威虎山","大闯天竺","金刚狼3∶殊死一战",
   "蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊"]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,
     10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#设置大小
plt.figure(figsize=(10,20),dpi=80)
#绘制图形
plt.barh(range(len(a)),b,height=0.5)

plt.yticks(range(len(a)),a,fontproperties=my_font)

plt.xticks(range(0,60-2,3))
#添加描述信息
plt.title("xxxx年电影top20及票房数据",fontproperties=my_font)
plt.ylabel("电影名称",fontproperties=my_font)
plt.xlabel("票房数据 亿",fontproperties=my_font)
#添加网格
plt.grid(alpha=0.3)

plt.show()

在这里插入图片描述②假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15),2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?
a=[“猩球崛起3:终极之战”,“敦刻尔克”,“蜘蛛侠:英雄归来”,“战狼2”]
b_16=[15746,312,4497,319]
b_15=[12357,156,2045,168]
b_14 = [2358,399,2358,362]

from matplotlib import pyplot as plt
import matplotlib

# 方式一 设置中文显示
matplotlib.rc("font", family='MicroSoft Yahei', weight='bold')

a=["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]
b_16=[15746,312,4497,319]
b_15=[12357,156,2045,168]
b_14 = [2358,399,2358,362]

bar_width = 0.2

x_14 = list(range(len(a)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]

#设置大小
plt.figure(figsize=(15,20),dpi=80)

#绘图
plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")

#设置横纵坐标
plt.xticks(x_15,a)
plt.yticks(range(0,16001,500))

#设置标签
plt.title("电影分别在2017-09-14(b_14), 2017-09-15(b_15),2017-09-16(b_16)三天的票房情况")
plt.xlabel("电影名称")
plt.ylabel("票房数 万")

#添加图例
plt.legend()

plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import matplotlib

# 方式一 设置中文显示
matplotlib.rc("font", family='MicroSoft Yahei', weight='bold')

a = ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]
y = ["2017-09-14","2017-09-15","2017-09-16"]
y_1 = list(range(len(y)))
y_2 = [i+0.1 for i in y_1]
y_3 = [i+0.1*2 for i in y_1]
y_4 = [i+0.1*3 for i in y_1]
y_0 = [i+0.1*1.5 for i in y_1]
movie1 = [2358,12357,15746]
movie2 = [399,156,312]
movie3 = [2358,2045,4497]
movie4 = [362,168,319]


#设置大小
plt.figure(figsize=(20,6),dpi=80)

#绘图
plt.barh(y_1,movie1,label="猩球崛起3:终极之战",height=0.1,color="orange")
plt.barh(y_2,movie2,label="敦刻尔克",height=0.1,color="blue")
plt.barh(y_3,movie3,label="蜘蛛侠:英雄归来",height=0.1,color="pink")
plt.barh(y_4,movie4,label="战狼2",height=0.1,color="green")

#设置纵坐标
plt.yticks(y_0,y)
plt.xticks(range(0,16000+1,500))

#添加描述信息
plt.title("2017年4部电影14号、15号、16号的售票情况")
plt.ylabel("时间")
plt.xlabel("票房数据 万张")

#添加图例
plt.legend()

#添加网格
plt.grid(alpha=0.1)

#展示
plt.show()

在这里插入图片描述

利用matplotlib绘制直方图

基础框架

  1. 导包 （多处都需要使用，所以给包取一个别名plt）： from matplotlib import pyplot as plt

  2. 设置x、y的参数，根据具体情况设置

  3. 绘图：
    plt.hist(a,bins=（组数）,density=True) #density为True表示频率，否则是频数，可根据需求修改

  4. 展示图形，调用show()函数：plt.show()

案例及代码

假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?
a=[131,98,125,131,124,139,131,107, 128,108,135,138,131,102,107,114,119,128,121,
142,127,130, 124,101,110,116, 117, 110,128,128,115,99,136,126,134,95, 138,
117, 111,78,132,124,113,150, 110,117,86,95,144,105,126,130,126,130, 126,116,
123,106,112,138,123,86,101,99,136,123, 117, 119, 105,137, 123,128,125, 104,
109, 134,125,127,105,120, 107, 129, 116,108,132,103,136,118,102,120,114,105,
115,132, 145,119,121,112,139,125,138,109,132,134,156,106,117, 127,144,139,139,
119, 140,83, 110,102,123,107,143,115, 136,118,139, 123, 112,118, 125, 109,119,
133,112,114, 122,109,106, 123,116, 131,127,115,118, 112,135,115, 146, 137,116,
103,144,83,123, 111, 110,111,100,154,136,100, 118,119,133,134,106,129,126,110,
110,109,141,120,117,106,149,122,122,110,118,127, 121,114,125, 126,114, 140, 103,
130,141, 117, 106, 114, 121, 114, 133,137,92,121,112,146,97,137,105,98,117, 112,
81,97,139,113,134,106,144,110,137, 137, 111, 104,117, 100, 111, 101,110,105,129,
137, 112, 120, 113,133,112,83,94,146,133,101,131, 116,111,84,137,115, 122,106,144,
109,123,116,111,111,133,150]

from matplotlib import pyplot as plt
import matplotlib

# 方式一 设置中文显示
matplotlib.rc("font", family='MicroSoft Yahei', weight='bold')
a=[131,98,125,131,124,139,131,107, 128,108,135,138,131,102,107,114,119,128,121,
   142,127,130, 124,101,110,116, 117, 110,128,128,115,99,136,126,134,95, 138,
   117, 111,78,132,124,113,150, 110,117,86,95,144,105,126,130,126,130, 126,116,
   123,106,112,138,123,86,101,99,136,123, 117, 119, 105,137, 123,128,125, 104,
   109, 134,125,127,105,120, 107, 129, 116,108,132,103,136,118,102,120,114,105,
   115,132, 145,119,121,112,139,125,138,109,132,134,156,106,117, 127,144,139,139,
   119, 140,83, 110,102,123,107,143,115, 136,118,139, 123, 112,118, 125, 109,119,
   133,112,114, 122,109,106, 123,116, 131,127,115,118, 112,135,115, 146, 137,116,
   103,144,83,123, 111, 110,111,100,154,136,100, 118,119,133,134,106,129,126,110,
   110,109,141,120,117,106,149,122,122,110,118,127, 121,114,125, 126,114, 140, 103,
   130,141, 117, 106, 114, 121, 114, 133,137,92,121,112,146,97,137,105,98,117, 112,
   81,97,139,113,134,106,144,110,137, 137, 111, 104,117, 100, 111, 101,110,105,129,
   137, 112, 120, 113,133,112,83,94,146,133,101,131, 116,111,84,137,115, 122,106,144,
   109,123,116,111,111,133,150]

#设置大小
plt.figure(figsize=(20,12),dpi=80)

#计算组数
d = 3 #组距
num_bins = (max(a)-min(a))//d

#绘图
plt.hist(a,num_bins,density=True)   #density为True表示频率，否则是频数，可根据需求修改

#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))

#设置y轴的刻度
rate0 = range(0,300,20)
rate = [i*0.0001 for i in rate0]
plt.yticks(rate)

#添加标签
plt.title("电影时长的分布状态")
plt.xlabel("时间 minite")
plt.ylabel("频率")

#网格
plt.grid()

plt.show()

在这里插入图片描述

对比常用统计图

在这里插入图片描述
学习matplotlib绘图，不仅仅要学习如何绘图，还要学习面对不同的场景、不同的需求，我们应当选择哪种图表，哪种图表能够更直接的反映我们的需求

更多的画图工具

*plotly:可视化工具中的github,相比于matplotlib更加简单，图形更加漂亮，同时兼容matplotlib和pandas

芒着可爱
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Matplotlib 简介与基本概念
dittoshining的博客
12-14 1850
简介：Matplotlib是一个Python 2D绘图库，是python中公认的数据可视化工具，pandas和seaborn的绘图接口其实也是基于matplotlib所作的高级封装。Matplotlib的图像是画在figure上，每一个figure又包含了一个或多个axes（一个可以指定坐标系的子区域）。最简单的创建figure以及axes的方式是通过pyplot.subplots命令，创建axes以后，可以使用Axes.plot绘制最简易的折线图。此处的axes是matplotlib中的专有名词，图形中组
Matplotlib 基本概念
吴吃辣
10-25 551
章节Matplotlib 安装 Matplotlib 入门 Matplotlib 基本概念 Matplotlib 图形绘制 Matplotlib 多个图形 Matplotlib 其他类型图形 Matplotlib 柱状图 Matplotlib 饼图 Matplotlib 直方图 Matplotlib 散点图 Matplotlib 填充图 Matplotlib 网格 Matplot...
【python学习】第三方库之matplotlib的定义、功能、使用场景和代码示例（线图、直方图、散点图）
最新发布
ya的博客
07-17 951
Matplotlib是一个模块化的绘图库，它由几个不同的组件构成，其中最常用的模块是pyplot，它提供了一个类似 MATLAB 的绘图接口
Matplotlib 应用
Jack_2085
10-15 616
1、 2、Matplotlib 教程 | 菜鸟教程 3、 4、 5、
Matplotlib模块的应用
代码无常，怀疑人生
06-04 354
Matplotlib模块的应用 ...
Matplotlib应用
qq_41355482的博客
08-28 564
一、 matplotlib 什么是matplotlib？ matplotlib：最流行的Python底层绘图库，主要做数据可视化图表，名字取材于MATLAB，模仿MATLAB构建。 matplotlib基本要点 二. Matplotlib 常用设置 常用的统计图 基本折线图 代码实现： import random from matplotlib import pyplot as plt ...
matplotlib应用总结
书生的日常
03-04 608
matplotlib作为Python中的可视化模块，因为操作简单而被广泛运用。 %matplotlib inline #此行用于避免后期加入plt.show() import matplotlib as mpl import matplotlib.pyplot as plt 1.plt有很多风格 #查看绘图风格 plt.style.available #随便选择一种风格 plt.sty...
可视化库----Matplotlib+Pandas高级篇及应用
01-27
在深入探讨Matplotlib+Pandas高级应用之前，我们需要先理解几个基础概念。Matplotlib是一个强大的绘图库，它为Python提供了大量的可视化工具和接口，而Pandas是一个专门处理数据的库，它提供了大量易于操作的数据...
应用matplotlib在pyqt5上绘图
01-08
在Python的GUI编程中，PyQt5是一个非常流行的库，它允许...这使得PyQT5和matplotlib成为开发数据驱动的桌面应用的理想组合。通过学习和实践这些基本概念，你可以进一步探索如何在更复杂的项目中利用这两个强大的工具。
matplotlib教程1
08-04
下面是Matplotlib教程的第一部分，涵盖了基本概念、安装、配置、基本绘图命令等内容。 1. Matplotlib基本概念 Matplotlib是一个Python库，提供了绘图功能，允许用户创建各种类型的图表。它由John Hunter创建，并于...
Python使用matplotlib绘制正弦和余弦曲线的方法示例
09-20
其中，`matplotlib`作为一款强大的绘图库，被广泛应用于各种图表的绘制工作。通过本篇文章，我们将深入探讨如何使用`matplotlib`来绘制正弦和余弦曲线，并在此基础上进行一些基本的定制化设置。 #### 二、代码详解 ...
matplotlib的应用举例
08-31
提供了Python利用matplotlib库在图中添加标签，怎么选择颜色，以及做标注等详细而实用代码实例，便于初学者掌握。是大数据分析必不可少的入门课
浅谈Matplotlib简介和pyplot的简单使用——文本标注和箭头
09-20
Pyplot 是 Matplotlib 的一个子模块，它提供了一种 MATLAB 风格的接口，使得用户可以方便地创建和操作图形。在本文中，我们将重点关注如何使用 Pyplot 进行文本标注和箭头指示，这对于在图形中解释数据和曲线的关系...
Matplotlib 简单应用
weixin_47139649的博客
01-23 1453
文章目录基本绘图更换风格条形图箱型图小提琴图 基本绘图 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.plot([1,2,3,4,5],[1,2,3,4,5],linestyle = '--',color='r',linewidth=3,marker ='o',markerfacecolor = 'y',markersize = 10,alpha =0.5) plt.plot([1,2,3,4,5],[
Python matplotlib应用
jin_tmac's studio
08-29 459
matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。 import matplotlib.pyplot as plt 1、plt.figure(figsize=(8, 6)) 设置初始图片的属性 2、 plt.xlabel(‘gamma’) plt.ylabel(‘C’) 设置x,y轴的名字 3、plt....
matplotlib的简单应用
不愿意透露姓名的网友
07-22 781
文章目录一、线性图1.展示y=2x+1的一张图像2.一个图里想展示两个图像3.想同时展示两张图像4.设置x,y的取值和描述5.关于角标值的更换6.移动x和y轴位置7.增加图例八.增加特定点的标注二、散点图三、柱状图 学习链接：https://www.bilibili.com/video/BV1Jx411L7LU?p=14 一、线性图 1.展示y=2x+1的一张图像 import matplotlib.pyplot as plt import numpy as np x=np.linspace(-1,1,5
数据可视化专题之Matplotlib——基本概念和用法
xylbill97的博客
12-14 399
Matplotlib是Python数据可视化库中的泰斗，它已经成为python中公认的数据可视化工具，我们所熟知的pandas和seaborn的绘图接口其实也是基于matplotlib所作的高级封装。
Python数据分析之Matplotlib的应用
CJW的博客
03-06 585
Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。 1. Matplotlib中pyplot的基础语法 1.绘图流程： 1.1 创建画布与创建子图 第一部分主要作用是构建出一张空白的画布，并可以选择是否将整个画布划分为多个部分，方便在同一幅图上绘制多...
[Python]matplotlib库简单应用
咸鱼干中干的博客
12-30 1124
示例： import matplotlib.pyplot as plt #导入绘图第三方库 plt.plot([2,1,3,1,5],[0,1,0,1,0],[2,1,3,1,5],[0,4,0,4,0]) #给图形拐点坐标赋值，并绘制2D图形 plt.savefig('test1',dpi=600) #存储图形文件，并指定文件夹 plt.savefig('../picture/test1',dpi=600) #plt.axis('equal') #横纵比例相同（显示固长） #plt..
Python数据可视化利器：Matplotlib详解与应用
本文将深入探讨Matplotlib的基本构造，即Figure（图形）、Axes（坐标轴）和Artist（图元），以及其在静态图形、图像处理、动态图形和自定义样式方面的应用。 1. **Matplotlib入门**：作为Python的数据可视化库，...
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