【python与数据分析】Matplotlib数据可视化（续）

已于 2022-11-29 19:09:10 修改
阅读量1.1k 收藏 18
点赞数 2
分类专栏： python与数据分析 文章标签： 数据分析 matplotlib 数据挖掘
于 2022-11-20 22:59:51 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/m0_72318954/article/details/127953278
版权

目录

一、绘制箱线图

1.综述

2.boxplot函数

​编辑 3.单组数据箱线图

（1）代码

（2）结果

4.多组数据箱线图

（1）代码

（2）结果

二、绘制三维图形

1.综述

2.【例3.11】

（1）题目

（2）代码

（3）结果 

3.【例3.12】

（1）题目

（2）代码

（3）结果 

4.【例3.13】

（1）题目

（2）代码

（3）结果 

5.【例3.14】

（1）题目

（2）代码

（3）结果 

6.【例3.15】

（1）题目

（2）代码

（3）结果 

7.【例3.16】

（1）题目

（2）代码

（3）结果 

三、绘图区域切分——【例3.17】

1.题目

2.代码

3.结果 

四、设置图例样式

1.【例3.18】

（1）题目

（2）代码

（3）结果 

2.【例3.19】

（1）题目

（2）代码

（3）结果 

3.【例3.20】

（1）题目

（2）代码

（3）结果 

五、事件响应与处理

1.综述

2.【例3.21】

（1）题目

（2）代码

（3）结果

2.【例3.22】

（1）题目

（2）代码

（3）结果

3.【例3.23】

（1）题目

（2）代码

（3）结果

4.【例3.24】

（1）题目

（2）代码

（3）结果

5.【例3.25】

（1）题目

（2）代码

（3）结果

5'【例3.25代码改进】

（1）代码

（2）结果

6.【例3.26】

（1）题目

（2）代码

（3）结果

6'.【例3.26代码改进】

（1）代码

（2）结果

7.【例3.27】

（1）题目

（2）代码

（3）结果

8.【例3.28】

（1）题目

（2）代码

（3）结果

9.【例3.29】

（1）题目

（2）代码

（3）结果

10.【例3.30】

（1）题目

（2）代码

（3）结果

六、填充图形

1.【例3.31】

（1）题目

（2）代码

（3）结果

2.【例3.32】

（1）题目

（2）代码

（3）结果

七、保存绘图结果

一、绘制箱线图

1.综述

        箱线图（boxplot）也称箱须图，其绘制需要使用常用的统计量，能提供有关数据位置和分散情况的关键信息，尤其在比较不同特征时，更可表现其分散程度差异。

        箱线图利用数据中的五个统计量（最大值、下四分位数、中位数、上四分位数和最大值）来描述数据，他也可以粗略地看出数据是否具有对称性、分布的分散程度等信息，特别可以用于对几个样本的比较。

2.boxplot函数

 3.单组数据箱线图

（1）代码

from matplotlib import pyplot as plt
dataArray=[5,6,2,4,8,9,10,2,4,5,3,5,15]
plt.boxplot(dataArray,labels=["A"])
plt.title("Box-plot Test")
plt.savefig("a.png")
plt.show()

（2）结果

4.多组数据箱线图

（1）代码

from matplotlib import pyplot as plt

dataArray=[5,6,2,4,8,9,10,2,4,5,3,5,15]
dataArray2=[1,2,7,9,5,7,6,8,2,3,4,10,2,4,0]

plt.boxplot((dataArray,dataArray2),labels=["A","B"])

plt.title("Multi Box-plot Test")

plt.savefig("b.png")
plt.show()

（2）结果

二、绘制三维图形

1.综述

        如果要绘制三维图形，首先需要使用下面的语句导入相应的对象：

from mpl.toolkits.mplot3d import Axes3D

        然后使用下面的两种方式之一声明要创建三维子图：

ax=fig.gca(projection='3d')

ax=plt.subplot(111,projection='3d')

        接下来就可以使用ax的plot()方法绘制三维曲线、plot_surface()方法绘制三维曲面、scatter()方法绘制三维散点图或bar3d()方法绘制三维柱状图。

2.【例3.11】

（1）题目

（2）代码

import numpy as np
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

# 绘制三维图形
fig = plt.figure()
ax = fig.gca(projection='3d')

# 生成测试数据
theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-4, 4, 100)*0.3
r = z**4 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)

# 绘制三维曲线，设置标签
ax.plot(x, y, z, 'rv-', label='参数曲线')

# 设置图例字体
font = fm.FontProperties(fname=r'C:\Windows\Fonts\STKAITI.ttf')
# 设置图例字号的一种方式
mpl.rcParams['legend.fontsize'] = 10
# 创建并显示图例
ax.legend(prop=font)

plt.show()

（3）结果 

3.【例3.12】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d

# 生成测试数据，在x和y方向分布生成-2到2之间的20个数
# 步长使用虚数，虚部表示点的个数，并且包含end
x, y = np.mgrid[-2:2:20j, -2:2:20j]
z = 50 * np.sin(x+y*2)

# 创建三维图形
ax = plt.subplot(111, projection='3d')
# 绘制三维曲面
ax.plot_surface(x,y,z,
                rstride=3, cstride=2,
                cmap=plt.cm.coolwarm)
# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
# 设置图形标题
ax.set_title('三维曲面', fontproperties='simhei', fontsize=24)

plt.show()

（3）结果 

4.【例3.13】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d

# 生成测试数据
x = np.random.randint(0, 40, 10)
y = np.random.randint(0, 40, 10)
z = 80*abs(np.sin(x+y))

# 创建三维图形
ax = plt.subplot(projection='3d')
# 绘制三维柱状图
ax.bar3d(x,                 # 设置x轴数据
        y,                 # 设置y轴数据
          np.zeros_like(z), # 设置柱的z轴起始坐标为0
          dx=1,              # x方向的宽度
          dy=1,              # y方向的厚度
          dz=z,              # z方向的高度
          color='red')      # 设置面片颜色为红色

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

plt.show()

（3）结果 

5.【例3.14】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d

x = np.random.randint(0, 40, 10)
y = np.random.randint(0, 40, 10)
z = 80*abs(np.sin(x+y))    
ax = plt.subplot(projection='3d')

for xx, yy, zz in zip(x, y, z):
    color = np.random.random(3)
    ax.bar3d(xx,
              yy,
              0,
              dx=1,
              dy=1,
              dz=zz,
              color=color)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

plt.show()

（3）结果 

6.【例3.15】

（1）题目

（2）代码

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import mpl_toolkits.mplot3d

# 创建DataFrame结构
df = pd.DataFrame({'男性':(450,800,200),
                     '女性':(150,100,300)})
# 创建三维图形
ax = plt.subplot(projection='3d')

# 绘制三维柱状图
ax.bar3d([0]*3, range(3), [0]*3,
          0.1, 0.1, df['男性'].values,
          color='r')
ax.bar3d([1]*3, range(3), [0]*3,
          0.1, 0.1, df['女性'].values,
          color='b')

# 设置坐标轴刻度和文本
ax.set_xticks([0,1])
ax.set_xticklabels(['男性','女性'], fontproperties='simhei')
ax.set_yticks([0,1,2])
ax.set_yticklabels(['从不闯红灯','跟从别人闯红灯','带头闯红灯'],
                     fontproperties='simhei')
# 设置z轴标签
ax.set_zlabel('人数', fontproperties='simhei')

plt.show()

（3）结果 

7.【例3.16】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d

# 生成测试数据
x = np.random.randint(0, 40, 30)
y = np.random.randint(0, 40, 30)
z = np.random.randint(0, 40, 30)

# 创建三维图形
ax = plt.subplot(projection='3d')
# 绘制三维柱状图
for xx, yy, zz in zip(x,y,z):
    color = 'r'
    if 10<zz<20:
        color = 'b'
    elif zz>=20:
        color = 'g'
    ax.scatter(xx, yy, zz, c=color, marker='*',
                s=160, linewidth=1, edgecolor='b')

# 设置坐标轴标签和图形标题
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('三维散点图', fontproperties='simhei', fontsize=24)

plt.show()

（3）结果 

三、绘图区域切分——【例3.17】

1.题目

2.代码

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d

ax1 = plt.subplot(241)
# 在子图中绘制极坐标图
ax2 = plt.subplot(242, projection='polar')
ax3 = plt.subplot(243, projection='polar')
# 设置polar=True，等价于设置projection='polar'
ax4 = plt.subplot(244, polar=True)
# 在子图中绘制三维图形
ax5 = plt.subplot(212, projection='3d')

# 紧缩四周空白，扩大绘图面积，设置子图之间的水平距离与垂直距离
plt.tight_layout()
plt.subplots_adjust(wspace=0.1, hspace=0.2)

# 测试数据
r = np.arange(1, 6, 1)
theta = (r-1) * (np.pi/2)
x = np.arange(1, 7, 0.5)
y = np.linspace(1, 3, 12)
z = 20*np.sin(x+y)

# 在不同子图中绘制图形
ax1.plot(theta, r, 'b--D')
ax2.plot(theta, r, linewidth=3, color='r')
ax3.scatter(theta, r, marker='*', c='g', s=60)
ax4.bar(theta, r)
ax5.plot(x, y, z)

plt.show()

3.结果 

四、设置图例样式

1.【例3.18】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

t = np.arange(0.0, 2*np.pi, 0.01)
s = np.sin(t)
c = np.cos(t)

plt.plot(t, s, label='正弦')
plt.plot(t, c, label='余弦')
plt.title('sin-cos函数图像',         #标题文本
          fontproperties='STLITI',  #标题字体
          fontsize=24)               #标题字号
plt.xlabel('x坐标', fontproperties='simhei', fontsize=18)
plt.ylabel('正弦余弦值', fontproperties='simhei', fontsize=18)

myfont = fm.FontProperties(fname=r'C:\Windows\Fonts\STKAITI.ttf')
plt.legend(prop=myfont,              #图例字体
           title='Legend',           #图例标题
           loc='lower left',         #图例左下角坐标为(0.43,0.75)
           bbox_to_anchor=(0.43,0.75),
           shadow=True,               #显示阴影
           facecolor='yellowgreen',  #图例背景色
           edgecolor='red',           #图例边框颜色
           ncol=2,                     #显示为两列
           markerfirst=False)         #图例文字在前，符号在后

plt.show()

（3）结果 

2.【例3.19】

（1）题目

（2）代码

import matplotlib.pyplot as plt
import numpy as np

# 生成模拟数据
x = np.arange(0, 2*np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图形，切分绘图区域，绘制两条曲线
fig = plt.figure(1)
ax1 = plt.subplot(211)
ax2 = plt.subplot(212)
l1, = ax1.plot(x, y1, 'r--')
l2, = ax2.plot(x, y2, 'b-.')

# 设置并显示图例，使用bbox_to_anchor参数使图例显示于子图之外
plt.legend([l1, l2],                       # 需要显示图例的两条曲线
           ['sin curve', 'cos curve'],   # 图例中与两条曲线对应的文本
           loc='lower right',             # 图例右下角位置
           bbox_to_anchor=(1, 2.2))

plt.show()

（3）结果 

3.【例3.20】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt

# 生成模拟数据
x = np.arange(0, 2*np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)

# 绘制两条曲线
sin, = plt.plot(x, y1, 'r--')
cos, = plt.plot(x, y2, 'b-.')

# 创建第一个图例
legend1 = plt.legend([sin,cos],
                       ['sin','cos'],
                       loc='lower right')

x1 = np.random.randint(0, 6, 10)
x2 = np.random.randint(0, 6, 10)
y1 = np.random.randint(2, 5, 10)
y2 = np.random.randint(2, 5, 10)

# 绘制两个散点图
scatter1 = plt.scatter(x1, y1, s=20, c='r', marker='*')
scatter2 = plt.scatter(x2, y2, s=30, c='b', marker='v')

# 创建第二个图例
plt.legend([scatter1,scatter2],
            ['red scatter','blue scatter'],
            loc='lower right',
            bbox_to_anchor=(1, 0.5))
# 增加第一个图例
plt.gca().add_artist(legend1)

plt.show()

（3）结果 

五、事件响应与处理

1.综述

        matplotlib中有一个事件绑定函数fig.canvas.mpl_connect()，要接受事件，需要编写一个回调函数，然后将函数连接到事件管理器，就可相应与处理相应事件了。

        以下是可以连接到的事件及分类说明。

2.【例3.21】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt

def onMotion(event):
    # 获取鼠标位置和标注可见性
    x = event.xdata
    y = event.ydata
    visible = annot.get_visible()
    if event.inaxes == ax:
        # 测试鼠标事件是否发生在曲线上
        contain, _ = sinCurve.contains(event)
        if contain:
            # 设置标注的终点和文本位置，设置标注可见
            annot.xy = (x, y)
            annot.set_text(str(y))   # 设置标注文本
            annot.set_visible(True)  # 设置标注可见
        else:
            # 鼠标不在曲线附近，设置标注为不可见
            if visible:
                annot.set_visible(False)
        event.canvas.draw_idle()
        
def onEnter(event):
    # 鼠标进入时修改轴的颜色
    event.inaxes.patch.set_facecolor('yellow')
    event.canvas.draw_idle()

def onLeave(event):
    # 鼠标离开时恢复轴的颜色
    event.inaxes.patch.set_facecolor('white')
    event.canvas.draw_idle()
    
fig = plt.figure()
ax = fig.gca()
x = np.arange(0, 2*np.pi, 0.01)
y = np.sin(x)
sinCurve, = plt.plot(x, y,      # 绘图数据
                     picker=2)  # 鼠标距离曲线2个像素可识别
# 创建标注对象
annot = ax.annotate("",
                    xy=(0,0),                     # 箭头位置
                    xytext=(-50,50),             # 文本相对位置
                    # 相对于xy的偏移量单位
                    textcoords="offset pixels",
                    # 圆角，红色背景
                    bbox=dict(boxstyle="round", fc="r", alpha=0.4),
                    # 标注箭头形状
                    arrowprops=dict(arrowstyle="<->"))
annot.set_visible(False)

# 添加事件处理函数
fig.canvas.mpl_connect('motion_notify_event', onMotion)  
fig.canvas.mpl_connect('axes_enter_event', onEnter)
fig.canvas.mpl_connect('axes_leave_event', onLeave)

plt.show()

（3）结果

2.【例3.22】

（1）题目

（2）代码

from math import sin
import numpy as np
import matplotlib.pyplot as plt
 
fig = plt.figure()

# 存放所有顶点的标注信息
annotations = []

# 绘制顶点并创建标注信息
xx = np.arange(0, 4*np.pi, 0.5)
for x in xx:
    y = sin(x)
    # 依次绘制正弦曲线上的每个顶点
    point, = plt.plot(x, y, 'bD', markersize=5)
    # 为每个顶点创建隐藏的文本标注
    # 参数xy表示标注箭头指向的位置，xytext表示文本起始坐标
    # 参数arrowprops表示箭头样式
    # 参数bbox表示标注文本的背景色以及边框样式
    annot = plt.annotate('x=%f,y=%f'%(x,y),
                           xy=(x+0.1, y+0.03), xycoords='data',
                           xytext=(x-2, y+0.2), textcoords='data',
                           arrowprops={'arrowstyle':'->',
                                  'connectionstyle':"arc3,rad=0.5"},
                           bbox={'boxstyle':'round',
                                  'facecolor':'r',
                                  'alpha':0.2},
                           visible=False
                         )
    annotations.append([point, annot])
 
def onMouseMove(event):
    changed = False
    # 遍历所有顶点，检查鼠标当前位置是否与某个顶点足够接近
    # 把足够接近的顶点的标注设置为可见，其他顶点的标注不可见
    for point, annotation in annotations:
        visible = (point.contains(event)[0] == True)
        if visible != annotation.get_visible():
            annotation.set_visible(visible)
            changed = True
    if changed:
        # 只在某顶点标注的可见性发生改变之后才更新画布
        plt.draw()

# 响应并处理鼠标移动事件 
fig.canvas.mpl_connect('motion_notify_event', onMouseMove)
 
plt.show()

（3）结果

3.【例3.23】

（1）题目

（2）代码

from itertools import cycle
import matplotlib.pyplot as plt

# 存储鼠标依次单击的位置
x = []
y = []
# 可用颜色和当前颜色
colors = cycle('rgbcmyk')
color = next(colors)

def onMouseClick(event):
    global color
    if event.button == 1:
        # 单击鼠标左键，绘制新直线
        x.append(event.xdata)
        y.append(event.ydata)
        if len(x) > 1:
            plt.plot([x[-2],x[-1]], [y[-2],y[-1]], c=color, lw=2)
        plt.xticks(range(10))
        plt.yticks(range(10))
    elif event.button == 3:
        # 单击鼠标右键，切换颜色
        color = next(colors)
    elif event.button == 2:
        # 单击鼠标中键，删除最后绘制的一个图形
        if ax.lines:
            del ax.lines[-1]
            x.pop()
            y.pop()
    event.canvas.draw()
        
def onClose(event):
    print('closed')

def onClear(event):
    # 按下键盘上的c，清除所有已绘制图形
    if event.key == 'c':
        ax.lines.clear()
        x.clear()
        y.clear()
        # 更新图形画布
        event.canvas.draw()

# 创建图形
fig = plt.figure()
ax = plt.gca()
plt.xticks(range(10))
plt.yticks(range(10))

# 设置响应并处理事件的函数
fig.canvas.mpl_connect('button_press_event', onMouseClick)
fig.canvas.mpl_connect('key_press_event', onClear)
fig.canvas.mpl_connect('close_event', onClose)

plt.show()

（3）结果

4.【例3.24】

（1）题目

（2）代码

import matplotlib.pyplot as plt

# 存储鼠标依次经过的位置
x = []
y = []

def onMouseClick(event):
    if event.button == 1:
        # 单击鼠标左键，绘制新直线
        x.clear()
        y.clear()
        x.append(event.xdata)
        y.append(event.ydata)

def onMouseMove(event):
    x.append(event.xdata)
    y.append(event.ydata)
    if event.button==1 and len(x)>1:
        plt.plot([x[-2],x[-1]], [y[-2],y[-1]], c='r', lw=2)
    event.canvas.draw()
        
# 创建图形
fig = plt.figure()
ax = plt.gca()
plt.xlim(0, 10)
plt.ylim(0, 10)

# 设置响应并处理事件的函数
fig.canvas.mpl_connect('button_press_event', onMouseClick)
fig.canvas.mpl_connect('motion_notify_event', onMouseMove)

plt.show()

（3）结果

5.【例3.25】

（1）题目

（2）代码

import matplotlib.pyplot as plt

def onMouseDown(event):
    if event.button == 1:
        # 单击鼠标左键，绘制新直线，记录直线起点坐标
        global x0, y0
        x0 = event.xdata
        y0 = event.ydata

def onMouseMove(event):
    global x1, y1
    x1 = event.xdata
    y1 = event.ydata
    if event.button==1:
        # 删除最后绘制的一条直线
        if len(ax.lines)>1:
            del ax.lines[-1]
        # 从起点到当前位置绘制一条直线
        plt.plot([x0,x1], [y0,y1], c='r', lw=2)
        # 更新标注对象的当前位置
        annot.xy = (x1, y1)
        # 计算并显示当前位置与按下鼠标的位置的距离
        distance = (((x0-x1)**2 + (y0-y1)**2) ** 0.5)
        distance = round(distance,2)
        annot.set_text(str((distance)))
        # 设置标注对象可见
        annot.set_visible(True)
        event.canvas.draw()

def onMouseUp(event):
    # 隐藏标注对象
    annot.set_visible(False)
    if event.button == 1:
        plt.plot([x0,x1], [y0,y1], c='r', lw=2)
        event.canvas.draw()
        
# 创建图形
fig = plt.figure()
ax = plt.gca()
im = plt.imread('sample.jpg')
plt.imshow(im)

# 创建标注对象
annot = ax.annotate("",
                    xy=(0,0),              # 箭头位置
                    xytext=(-10,10),       # 文本相对位置
                    # 相对于xy的偏移量单位
                    textcoords="offset pixels")
annot.set_visible(False)

# 设置响应并处理事件的函数
fig.canvas.mpl_connect('button_press_event', onMouseDown)
fig.canvas.mpl_connect('motion_notify_event', onMouseMove)
fig.canvas.mpl_connect('button_release_event', onMouseUp)

plt.show()

（3）结果

5'【例3.25代码改进】

（1）代码

import matplotlib.pyplot as plt

def onMouseDown(event):
    if event.button == 1:
        # 单击鼠标左键，绘制新直线，记录直线起点坐标
        global x0, y0
        x0 = event.xdata
        y0 = event.ydata

def onMouseMove(event):
    global x1, y1
    x1 = event.xdata
    y1 = event.ydata
    if event.button==1:
        # 删除最后绘制的一条直线
        if len(ax.lines)>1:
            del ax.lines[-1]
        # 从起点到当前位置绘制一条直线
        plt.plot([x0,x1], [y0,y1], c='r', lw=2)
        # 更新标注对象的当前位置
        annot.xy = (x1, y1)
        # 计算并显示当前位置与按下鼠标的位置的距离
        distance = (((x0-x1)**2 + (y0-y1)**2) ** 0.5)
        distance = round(distance,2)
        annot.set_text(str((distance)))
        # 设置标注对象可见
        annot.set_visible(True)
        event.canvas.draw()

def onMouseUp(event):
    # 隐藏标注对象
    annot.set_visible(False)
    if event.button == 1:
        ax.lines.clear()
        event.canvas.draw()
        
# 创建图形
fig = plt.figure()
ax = plt.gca()
im = plt.imread('sample.jpg')
plt.imshow(im)

# 创建标注对象
annot = ax.annotate("",
                    xy=(0,0),              # 箭头位置
                    xytext=(-10,10),       # 文本相对位置
                    # 相对于xy的偏移量单位
                    textcoords="offset pixels")
annot.set_visible(False)

# 设置响应并处理事件的函数
fig.canvas.mpl_connect('button_press_event', onMouseDown)
fig.canvas.mpl_connect('motion_notify_event', onMouseMove)
fig.canvas.mpl_connect('button_release_event', onMouseUp)

plt.show()

（2）结果

【注】线画上后，松开鼠标，线立刻消失 

6.【例3.26】

（1）题目

（2）代码

import warnings
import numpy as np
import matplotlib.pyplot as plt

# 忽略警告信息
warnings.filterwarnings("ignore",".*GUI is implemented.*")

# 测试数据
x = np.arange(1, 13)
y = np.random.randint(10, 30, 12)
for i in range(20):
    # 清除当前轴域
    plt.cla()
    # 绘制水平柱状图
    plt.barh(x, y)
    plt.title('20%02d年'%i, fontproperties='simhei',fontsize=20)
    plt.yticks(x, list(map(lambda i: '%d月'%i, x)),
                fontproperties='simhei')
    plt.xticks(list(range(0,100,10)))
    # 暂停0.5秒
    plt.pause(0.5)
    # 更新数据
    y = y+np.random.randint(0, 5, 12)
    
plt.show()

（3）结果

【注】结果是一个动态过程。

6'.【例3.26代码改进】

（1）代码

import warnings
import numpy as np
import matplotlib.pyplot as plt

# 忽略警告信息
warnings.filterwarnings("ignore",".*GUI is implemented.*")

# 测试数据
x = np.arange(1, 13)
y = np.random.randint(1, 30, 12)
for i in range(20):
    # 清除当前轴域
    plt.cla()
    # 绘制水平柱状图
    temp = sorted(zip(x,y), key=lambda item:item[1])
    x = [item[0] for item in temp]
    y = [item[1] for item in temp]
    plt.barh(range(1,13), y)
    plt.title('20%02d年'%i, fontproperties='simhei',fontsize=20)
    plt.yticks(range(1,13), list(map(lambda i: '%d月'%i, x)),
               fontproperties='simhei')
    plt.xticks(list(range(0,160,20)))
    for xx, yy in zip(range(1,13),y):
        plt.text(yy+0.1, xx-0.1, str(yy))
    # 暂停0.5秒
    plt.pause(0.5)
    # 更新数据
    y = y+np.random.randint(0, 10, 12)
    
plt.show()

（2）结果

7.【例3.27】

（1）题目

（2）代码

from time import sleep
from threading import Thread
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import Button

fig, ax = plt.subplots()
# 设置图形显示位置
plt.subplots_adjust(bottom=0.2)

# 实验数据
range_start, range_end, range_step = 0, 1, 0.005
t = np.arange(range_start, range_end, range_step)
s = np.sin(4*np.pi*t)
l, = plt.plot(t, s, lw=2)

# 自定义类，用来封装两个按钮的单击事件处理函数
class ButtonHandler:
    def __init__(self):
        self.flag = False
        self.range_s, self.range_e, self.range_step = 0, 1, 0.005
        
    # 线程函数，用来更新数据并重新绘制图形
    def threadStart(self):
        while self.flag:
            sleep(0.02)
            self.range_s += self.range_step
            self.range_e += self.range_step
            t = np.arange(self.range_s, self.range_e,
                           self.range_step)
            ydata = np.sin(4*np.pi*t)
            # 更新数据
            l.set_ydata(ydata)
            # 重新绘制图形
            plt.draw()
            
    def Start(self, event):
        if not self.flag:
            self.flag = True
            # 创建并启动新线程
            t = Thread(target=self.threadStart)
            t.start()
        
    def Stop(self, event):
        if self.flag:
            self.flag = False
        
callback = ButtonHandler()

# 创建按钮并设置单击事件处理函数
axnext = plt.axes([0.7, 0.05, 0.1, 0.075])
btnStart = Button(axnext, 'Start', color='0.7', hovercolor='r')
btnStart.on_clicked(callback.Start)

axprev = plt.axes([0.81, 0.05, 0.1, 0.075])
btnStop = Button(axprev, 'Stop')
btnStop.on_clicked(callback.Stop)

plt.show()

（3）结果

8.【例3.28】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider, Button, RadioButtons

fig, ax = plt.subplots()
plt.subplots_adjust(left=0.1, bottom=0.25)
t = np.arange(0.0, 1.0, 0.001)

# 初始振幅与频率，并绘制初始图形
a0, f0 = 5, 3
s = a0*np.sin(2*np.pi*f0*t)
l, = plt.plot(t, s, lw=2, color='red')
# 设置坐标轴刻度范围
plt.axis([0, 1, -10, 10])

axColor = 'lightgoldenrodyellow'
# 创建两个Slider组件，分别设置位置/尺寸、背景色和初始值
axfreq = plt.axes([0.1, 0.1, 0.75, 0.03], facecolor=axColor)
sfreq = Slider(axfreq, 'Freq', 0.1, 30.0, valinit=f0)
axamp = plt.axes([0.1, 0.15, 0.75, 0.03], facecolor=axColor)
samp = Slider(axamp, 'Amp', 0.1, 10.0, valinit=a0)

# 为Slider组件设置事件处理函数
def update(event):
    # 获取两个Slider组件的当前值，并以此来更新图形
    amp = samp.val
    freq = sfreq.val
    l.set_ydata(amp*np.sin(2*np.pi*freq*t))
    plt.draw()
sfreq.on_changed(update)
samp.on_changed(update)

# 调整Slider值和曲线形状的按钮
def adjustSliderValue(event):
    ampValue = samp.val + 0.05
    if ampValue > 10:
        ampValue = 0.1
    samp.set_val(ampValue)

    freqValue = sfreq.val + 0.05
    if freqValue > 30:
        freqValue = 0.1
    sfreq.set_val(freqValue)
    update(event)
axAdjust = plt.axes([0.6, 0.025, 0.1, 0.04])
buttonAdjust = Button(axAdjust, 'Adjust', color=axColor,
                      hovercolor='red')
buttonAdjust.on_clicked(adjustSliderValue)

# 创建按钮组件，用来恢复初始值
resetax = plt.axes([0.8, 0.025, 0.1, 0.04])
button = Button(resetax, 'Reset', color=axColor,
                hovercolor='yellow')
def reset(event):
    sfreq.reset()
    samp.reset()
button.on_clicked(reset)

plt.show()

（3）结果

9.【例3.29】

（1）题目

（2）代码

from random import choice
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import RadioButtons, Button

# 3中不同频率的信号
t = np.arange(0.0, 2.0, 0.01)
s0 = np.sin(2*np.pi*t)
s1 = np.sin(4*np.pi*t)
s2 = np.sin(8*np.pi*t)

# 创建图形
fig, ax = plt.subplots()
l, = ax.plot(t, s0, lw=2, color='red')
plt.subplots_adjust(left=0.3)

# 定义允许的几种频率，并创建单选钮组件
# 其中[0.05, 0.7, 0.15, 0.15]表示组件在窗口上的归一化位置
axcolor = '#886699'
rax = plt.axes([0.05, 0.7, 0.15, 0.15], facecolor=axcolor)
radio = RadioButtons(rax, ('2 Hz', '4 Hz', '8 Hz'))
hzdict = {'2 Hz': s0, '4 Hz': s1, '8 Hz': s2}

def hzfunc(label):
    ydata = hzdict[label]
    l.set_ydata(ydata)
    plt.draw()
radio.on_clicked(hzfunc)

# 定义允许的几种颜色，并创建单选钮组件
rax = plt.axes([0.05, 0.4, 0.15, 0.15], facecolor=axcolor)
colors = ('red', 'blue', 'green')
radio2 = RadioButtons(rax, colors)
def colorfunc(label):
    l.set_color(label)
    plt.draw()
radio2.on_clicked(colorfunc)

# 定义允许的几种线型，并创建单选钮组件
rax = plt.axes([0.05, 0.1, 0.15, 0.15], facecolor=axcolor)
styles = ('-', '--', '-.', 'steps', ':')
radio3 = RadioButtons(rax, styles)
def stylefunc(label):
    l.set_linestyle(label)
    plt.draw()
radio3.on_clicked(stylefunc)

# 定义按钮单击事件处理函数，并在窗口上创建按钮
def randomFig(event):
    # 随机选择一个频率，同时设置单选钮的选中项
    hz = choice(tuple(hzdict.keys()))
    hzLabels = [label.get_text() for label in radio.labels]
    radio.set_active(hzLabels.index(hz))
    l.set_ydata(hzdict[hz])
    
    # 随机选择一个颜色，同时设置单选钮的选中项
    c = choice(colors)
    radio2.set_active(colors.index(c))
    l.set_color(c)
    
    # 随机选择一个线型，同时设置单选钮的选中项
    style = choice(styles)
    radio3.set_active(styles.index(style))
    l.set_linestyle(style)
    
    # 根据设置的属性绘制图形
    plt.draw()
axRnd = plt.axes([0.5, 0.015, 0.2, 0.045])
buttonRnd = Button(axRnd, 'Random Figure', color='0.6', hovercolor='r')
buttonRnd.on_clicked(randomFig)

# 显示图形
plt.show()

（3）结果

10.【例3.30】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.gca()

x = np.arange(0, 4*np.pi, 0.3)
y = np.sin(x)
ax.plot(x, y, 'r-*', picker=5)

def onpick(event):
    thisline = event.artist
    xdata = thisline.get_xdata()
    ydata = thisline.get_ydata()
    ind = event.ind
    points = tuple(zip(xdata[ind], ydata[ind]))
    print('顶点编号：{}\n坐标：{}'.format(ind[0], points))

fig.canvas.mpl_connect('pick_event', onpick)

plt.show()

（3）结果

 【注】点击哪个点，就显示哪个点的坐标

六、填充图形

1.【例3.31】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt

# 生成模拟数据
x = np.arange(0.0, 4.0*np.pi, 0.01)
y = np.sin(x)

# 绘制正弦曲线
plt.plot(x, y)
# 绘制基准水平直线
plt.plot((x.min(),x.max()), (0,0), 'r', lw=2)
# 设置坐标轴标签
plt.xlabel('x')
plt.ylabel('y')
# 填充指定区域
plt.fill_between(x, y,
                   where=(2.3<x) & (x<4.3) | (x>10),
                   facecolor='purple')
# 可以填充多次
plt.fill_between(x, y,
                   where=(7<x) & (x<8),
                   facecolor='green')

plt.show()

（3）结果

2.【例3.32】

（1）题目

（2）代码

import numpy as np
import matplotlib.pyplot as plt

# 生成模拟数据
x = np.arange(0.0, 4.0*np.pi, 0.01)
y = np.sin(x)
z = np.cos(x)

# 绘制正弦曲线
plt.plot(x, y, 'r', lw=2)
plt.plot(x, z, 'g', lw=2)
# 绘制基准水平直线
plt.plot((x.min(),x.max()), (0,0))
# 设置坐标轴标签
plt.xlabel('x')
plt.ylabel('y')

# 填充正弦曲线与余弦曲线之间的部分
plt.fill_between(x, y, z, facecolor='purple', hatch='o')

plt.show()

（3）结果

七、保存绘图结果

数据人的自我救赎
关注
  • 2
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
40000+条考研信息—数据分析与可视化课程设计（基于python中 pandas、matplotlib、pyecharts库）
06-27
该资源基于python中的pandas、matplotlib、pyecharts库对以上数据进行预处理、合并、分析以及可视化。 该资源压缩包包括10个基于pyecharts制作的可视化图、8份考研相关信息数据、课程设计报告（word版和pdf版）、和...
matplotlib 交互事件
mz02230909mz的博客
08-25 1217
可以通过fig.canvas.mpl_connect()方法绑定事件 import matplotlib.pyplot as plt def on_key_press(event): print(event.key) fig, ax = plt.subplots() fig.canvas.mpl_connect(‘key_press_event’, on_key_press) plt.show() mpl_connect的参数： fig.canvas.draw_idle()重新绘制整个图表 fig.can
SpringBoot的异步事件的用法
DreamsArchitects的博客
12-17 791
主要注解 @EnableAsync 启用异步 @Async 异步注解 ApplicationEventPublisher发布事件 在Controller中注入ApplicationEventPublisher用来发布事件 /** * 注入ApplicationEventPublisher用来发布事件 */ @Resource private ApplicationEventPublisher publisher; 使用publisher.publishEvent
matplotlib实现按钮以及鼠标响应事件
小仙女的博客
10-07 2637
matplotlib绘图时实现按钮功能以及鼠标响应事件使用
python 桌面软件开发-matplotlib画图鼠标缩放拖动
Canok
10-23 1592
注意：上面demo监听的是 鼠标左键拖动， event.button==1 这个会导致和原版的工具栏 放大镜 工具冲突，所以也可以 把 event.button == 3 用鼠标右键来判断 （1 是左键，2是中间滚轮按下去键，3是右键。python matplotlib 中缩放，较为简单，只需要通过设置要显示的 x y坐标的显示范围即可。基于此，实现一个鼠标监听回调，在回调中计算滚轮缩放或者鼠标拖动之后的坐标范围，即可。
Python-Matplotlib可视化（番外篇）——Matplotlib中的事件处理详解与实战
盼小辉丶的博客
09-03 2863
Matplotlib是Python的绘图库，它提供了一整套和 matlab 相似的命令 API，可以生成所需的出版质量级别的图形，本文将详细介绍Matplotlib中的事件处理，并通过实战了解其用法。
Python数据分析与可视化-电子教案.pdf
06-12
《Python 数据分析与可视化》课程教案（首页） 学院： 计算机系/学院 课程/项目 名称 数据分析与可视化 课程 总学时：60 学时 理论：36 学时 实验：24 学时 学分 3 课程 课程类别：专业必修 专业必修 公共必修 公共...
Python数据可视化分析库-Matplotlib
02-14
课程分享——Python数据可视化分析库-Matplotlib，附课件、代码。 Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索 matplotlib...
python数据分析与可视化
最新发布
04-27
Python数据分析与可视化资源描述 Python数据分析与可视化领域拥有丰富的资源，这些资源为数据科学家、分析师和开发者提供了强大的支持。 首先，Python拥有众多强大的数据分析库，如Pandas、Numpy和SciPy等。Pandas...
Python实验四：Matplotlib数据可视化
01-20
Python实验四：Matplotlib数据可视化 实验内容： 任务一：分析1996~2015年人口数据特征间的关系 需求说明：人口数据总共拥有 6 个特征，分别为年末总人口、男性人口、女性人口、城镇人口、乡村人口和年份。查看各个...
Python实现：基于Matplotlib库，可视化鼠标交互删除数据集中的异常点
weixin_51005929的博客
06-29 893
removeAnomalyPoints类中，可以对传入的数据集dataset进行上述处理。初始化时：（1）保存三个数据集，dataset_orig为原始数据集，在整个流程中都不更改；dataset_now为当前数据集（用于操作，删除异常点）；dataset_last用于存上一步的数据集，每次dataset_now被修改之前，将dataset_now存入dataset_last。（2）self.roi用于存每次框选时的边界点集合。（3）原始数据集绘制散点图。（4）设置按钮位置、大小，初始化按钮对象。
【Python】【matplotlib】键鼠响应事件
guofei9987的博客
09-26 2万+
事件绑定fig.canvas.mpl_connect()import matplotlib.pyplot as plt def on_key_press(event): print(event.key) fig, ax = plt.subplots() fig.canvas.mpl_connect('key_press_event', on_key_press) plt.show()这段程序
matplotlib多图合一的四种实现（多张图显示在一个figure中）
Qlz的博客
01-12 8956
声明将figure分割成几块，然后在绘图时使用切片声明使用哪几块即可。说明新图纸是几行几列的。
Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图
北极熊在南极_whl的博客
03-27 4805
本文我们主要介绍利用Python中的Matplotlib模块进行箱线图的画法介绍，以及箱线图和散点图的叠加图的画法介绍，包括整张图片只有一种颜色的不分组箱线图和散点图的叠加图、整张图片有好几种颜色的不分组箱线图和散点图的叠加图、整张图片有好几种颜色的分组箱线图和散点图的叠加图等。
【Python matplotlib】鼠标右键移动画布
ChaoChao66666的博客
08-08 1419
在 Matplotlib 中，鼠标右键移动画布的功能通常是通过设置交互模式来实现的，例如使用 mpl_connect 方法。以下是一个示例代码，展示如何在 Matplotlib 中使用 mpl_connect 方法来实现鼠标右键移动画布的功能：
matplotlib鼠标交互绑定与解除
weixin_45080503的博客
07-29 663
matplotlib鼠标交互绑定与解除
数据可视化
a1234556667的博客
09-24 470
import numpy as np import matplotlib.pylab as pl import matplotlib.font_manager as fm t = np.arange(0.0, 2.0*np.pi, 0.01) #自变量取值范围 s = np.sin(t) #计算正弦函数值 z = np.cos(t) #计算余弦函数值 pl.plot(t, .
plt的subplots_adjust绘图
kekeshu_k的博客
10-16 8742
add_subplot(self, *args, **kwargs)添加子图 ​​​​​​​说明、参数、返回值 Add an Axes to the figure as part of a subplot arrangement. 作为子图布置的一部分，将坐标轴添加到图中。 Call signatures:如何调用： add_subplot(nrows, ncols, index, **kwargs) add_subplot(pos, **kwargs) add_subplot(ax) .
Python绘图总结(Matplotlib篇)之字体、文本及注释
热门推荐
wuzlun的专栏
04-24 9万+
学习https://matplotlib.org/gallery/index.html 记录，描述不一定准确，具体请参考官网 %matplotlib inline import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_mi...
python+pandas+matplotlib数据分析与可视化案例
05-30
对于你的问题，我可以给你一个简单的数据分析与可视化案例，使用Python、Pandas和Matplotlib库。 首先，我们需要准备一个数据集。这里我选用了一个名为“tips”的数据集，它记录了一家餐厅的不同顾客在用餐时的消费...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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