数据分析1.Matplotlib

已于 2024-03-06 19:41:37 修改
阅读量703 收藏 8
点赞数 11
文章标签： 数据分析 matplotlib 数据挖掘
于 2024-03-06 19:40:10 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_74044320/article/details/136515510
版权
本文详细介绍了使用Matplotlib库在Python中创建和定制各种图表，包括折线图、散点图、柱状图、直方图和饼图的示例，以及如何设置画布、坐标轴、标签、网格和图例。
摘要由CSDN通过智能技术生成

Matplotlib总结

1.容器层
  画板层Canvas
  画布层plt.figure(figsize=,dpi=)
  绘图区/坐标系figure,axes =plt.subplots(nrows=,ncols=,figsize=,dpi=)
2.辅助显示层
  修改x，y刻度 plt.x/yticks()
  添加描述信息 plt.x/ylabels() plt.title()
  添加网格 plt.grid()
  显示图例 plt.legend()
3.图像层(可以设置图像颜色，风格，标签等)
  折线图plt.plot()
  散点图plt.scatter()
    柱状图plt.bar()
  直方图plt.hish()
  饼图plt.pie()

import matplotlib.pyplot as plt
plt.figure()
plt.plot([1,0,9],[4,5,6])
plt.show()

在这里插入图片描述

折线图展示代码

# 1.创建画布
plt.figure(figsize=(20,8),dpi=80)
# 2.绘制图像
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
#保存图片
plt.savefig(path)
# 3.显示图像
plt.show()

在这里插入图片描述

完善原始折线图

plt.rcParams['font.sans-serif'] = ['KaiTi'] 
plt.rcParams['axes.unicode_minus'] = False

import random
#1.准备数据 x,y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
#2.创建画布
plt.figure(figsize = (20,8),dpi=80)
#3.绘制图像
plt.plot(x,y_shanghai)

#修改x,y刻度
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5],x_label[::5])
plt.yticks(range(0,40,5))
#添加网格显示
plt.grid(True,linestyle='--',alpha=0.5)
#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
#4.显示图像
plt.show()

在这里插入图片描述

完善原始折线图（图像层）

#准备y轴背景数据


plt.rcParams['font.sans-serif'] = ['KaiTi'] 
plt.rcParams['axes.unicode_minus'] = False

import random
#1.准备数据 x,y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]
#2.创建画布
plt.figure(figsize = (20,8),dpi=80)
#3.绘制图像
plt.plot(x,y_shanghai,color="r",linestyle="--",label = "上海")
plt.plot(x,y_beijing,color="b",label="北京")
#显示图例
plt.legend(loc="upper left")
#修改x,y刻度
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5],x_label[::5])
plt.yticks(range(0,40,5))
#添加网格显示
plt.grid(True,linestyle='--',alpha=0.5)
#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("上海，北京11点到12点每分钟温度变化状况")
#4.显示图像
plt.show()

在这里插入图片描述

多个坐标系显化 -plt.subplots(面向对象的画图方法）


plt.rcParams['font.sans-serif'] = ['KaiTi'] 
plt.rcParams['axes.unicode_minus'] = False

import random
#1.准备数据 x,y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]
#2.创建画布
#plt.figure(figsize = (20,8),dpi=80)
figure,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)
#3.绘制图像
axes[0].plot(x,y_shanghai,color="r",linestyle="--",label = "上海")
axes[1].plot(x,y_beijing,color="b",label="北京")
#显示图例
axes[0].legend(loc="upper left")
axes[1].legend(loc="upper left")
#修改x,y刻度
x_label = ["11点{}分".format(i) for i in x]
axes[0].set_xticks(x[::5],x_label[::5])
axes[0].set_yticks(range(0,40,5))
axes[1].set_xticks(x[::5],x_label[::5])
axes[1].set_yticks(range(0,40,5))
#添加网格显示
axes[0].grid(True,linestyle='--',alpha=0.5)
axes[1].grid(True,linestyle='--',alpha=0.5)
#添加描述信息
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("上海11点到12点每分钟温度变化状况")
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("北京11点到12点每分钟温度变化状况")
#4.显示图像
plt.show()

在这里插入图片描述

绘制数学函数图像

import numpy as np
#1.准备x，y数据
x = np.linspace(-10,10,1000)
y = 2*x*x
#2.创建画布
plt.figure(figsize = (20,8),dpi=80)
#3.绘制图像

#添加网格显示
plt.grid(linestyle="--",alpha=0.5)
plt.plot(x,y)
#4.显示图像
plt.show()

在这里插入图片描述

常见图形种类及其意义

散点图
#1.准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]
#2.创建画布
plt.figure(figsize = (20,8),dpi=80)
#3.绘制图像
plt.scatter(x,y)
#4.显示图像
plt.show()

在这里插入图片描述

柱状图
#1.准备数据
movie_name=['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
tickets = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
#2.创建画布
plt.figure(figsize=(20,8),dpi=80)
#3.绘制柱状图
x_ticks = range(len(movie_name))
plt.bar(range(len(movie_name)),tickets,color=['b','r','g','y','c','m','y','k','c','g','b'])
#修改x刻度
plt.xticks(x_ticks,movie_name)
#添加标题
plt.title("电影票房收入对比")
#添加网格显示
plt.grid(linestyle='--',alpha=0.5)
#4.显示图像
plt.show()

在这里插入图片描述

比较电影当天票房和一周票房

#1.准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','寻梦环游记']
first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]
#2.创建画布
plt.figure(figsize=(20,8),dpi=80)
#3.绘制柱状图
x=range(len(movie_name))
plt.bar(x,first_day,width=0.2,label="首日票房")
plt.bar([i+0.2 for i in x],first_weekend,width=0.2,label="首周票房")
#显示图例
plt.legend()
#修改刻度
plt.xticks([i+0.1 for i in x],movie_name)

#4.显示图像
plt.show()

在这里插入图片描述

直方图
#组数，组距
#1.准备数据
time = [131,  98, 125, 131, 124, 139, 131, 117, 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, 111, 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]

#2.创建画布
plt.figure(figsize=(20,8),dpi=80) 
#3.绘制图像
distance=2#组距
group_num=int((max(time)-min(time))/distance)#组数
plt.hist(time,bins=group_num,density=True)#加了最后一个参数纵坐标从频数变为频率
#修改x轴刻度
plt.xticks(range(min(time),max(time)+2,distance))
#添加网格
plt.grid(linestyle='--',alpha=0.5)
#4.显示图像
plt.show()

在这里插入图片描述

饼图
#1.准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']

place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

#2.创建画布
plt.figure(figsize=(20,8),dpi=80)
#3.绘制饼图
plt.pie(place_count,labels=movie_name,colors=['b','r','g','y','c','m','y','k','c','g','y'],autopct="%1.2f%%")
plt.axis('equal')
#显示图例
plt.legend()
#4.显示图像
plt.show()

在这里插入图片描述
python菜丝
关注
  • 11
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python数据分析 1.Matplotlib绘图—折线图
Serein_txw的博客
04-03 1751
Python数据分析 1.Matplotlib绘图 Matplotlib： 主要做数据可视化图表，模仿MATLAB构建 基础绘图： from matplotlib import pyplot as plt x = range(2, 26, 2) y = [15, 13, 14, 17, 20, 25, 26, 26, 24, 22, 18, 15] plt.plot(x, y) plt.show() 添加信息： 设置图片大小 保存到本地 描述信息（x轴、y轴、图片标题） 调整x或y的刻度间距 线条样式
Python数据分析 2.Matplotlib绘图—常用统计图
Serein_txw的博客
04-04 5444
Python数据分析 2.Matplotlib绘图—常用统计图 1.绘制散点图 from matplotlib import pyplot as plt from matplotlib import font_manager my_font = font_manager.FontProperties(fname = "C:/Windows/Fonts/simhei.ttf") y_3 = [6, 20, 7, 13, 8, 14, 6, 17, 6, 7, 9, 8, 20, 19, 17, 13, 1
1. Matplotlib 数据可视化
devilmaycry2401的博客
05-17 991
Matplotlib 数据可视化 Day1 文章目录Matplotlib 数据可视化 Day1前言一、初识Matplotlib二、简单的绘图示例1.安装Matplotlib2.引入库及绘图三、Figure的组成四、绘图接口1.OO模式2.pyplot模式五、通用绘图模板总结 前言 主要参考资料 Datawhale开源资料、 Matplotlib用户指南 一、初识Matplotlib Matplotlib是一个Python 2D绘图库，用来绘制各种静态，动态，交互式的图表。 Matplotli
1.Matplotlib介绍和基础操作
鸿神的博客
08-08 2758
文章目录Matplotlib介绍和基础操作Matplotlib介绍Matplotlib的历史Matplotlib的构成Matplotlib构成Matplotlib.pyplot构成Matplotlib基础Matplotlib图片构成Figure--图像Axes--子图显示与保存图像显示图像--plt.show()函数保存图像--plt.savefig与fig.savefig设置绘图样式调整图形设置坐标轴上下限plt.xlim()与plt.ylim()函数plt.axis()函数设置图形标签plt.title
20. Matplotlib 数据可视化
小发菜
11-29 1934
记录数据处理之后的数据可视化，常用作看板和报表，介绍matplotlib基本的方法和操作。
【Python】数据分析.matplotlib.散点图案例处理（分区显示）
懂得一千零一种,赋予你失败的方法！
04-25 896
Python----数据分析-matplotlib.散点图案例处理 已知某地3、10月份的气温，绘制散点图 初设计码： from matplotlib import pyplot as plt from matplotlib import font_manager #设置字体 my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\......
【Python】数据分析.matplotlib.条形图案例处理
懂得一千零一种,赋予你失败的方法！
04-29 5014
Python----数据分析-matplotlib.条形图案例处理 案例一： 假设你获取到了2017年内地电影票房前20的电影和电影票房数据，使用条形图绘制 1.条形图： plt.barh() from matplotlib import pyplot as plt from matplotlib import font_manager #设置字体 my_font=font_manager.Fo......
Python数据分析——Matplotlib画图基本语法
ZzzqlX10qMi的博客
12-24 1812
python中绘图库有很多，但是Matplotlib是最基础的Python可视化库。Matplotlib是一个python2D绘图库，常用于数据可视化。它能够以多种硬拷贝的格式和跨平台的交互式环境生成出版物质量的图形。Matplotlib非常强大，它提供了丰富的绘图功能，包括折线图、散点图、柱状图、饼图、直方图等，并支持多种坐标轴类型和格式此外，Matplotlib还提供了灵活的API，允许用户定制图形的各种属性，如颜色、线条样式、标签、标题等。它还可以用来绘制各种静态，动态，交互式的图表。
数据分析--matplotlib绘图
weixin_66610130的博客
09-25 1541
matplotlib
【Python】数据分析.matplotlib.折线图案例处理（及显示中文处理）
懂得一千零一种,赋予你失败的方法！
04-21 2910
实例：温度变化统计 #如果列表a便是10点到12点的每一分钟的气温，绘制折线图 # a=[random.randint(20,35)for i in range(120)] #解决中文不显示问题 #fc-list -->查看支持的字体 #fc-list :lang=zh -->查看支持的中文（冒号前有空格） from matplotlib import pyplot as plt ......
Python数据分析实践：matplotlib绘图基本new.pdf
06-14
【Python数据分析实践：matplotlib绘图基本】 Matplotlib是Python中广泛使用的数据可视化库，它基于NumPy和tkinter构建，提供了强大的2D和3D图形绘制能力，特别适合于科学计算结果的可视化。matplotlib库的核心功能...
Python数据分析实践：matplotlib绘制各类图表new.pdf
06-14
1. **导入matplotlib及相关模块**：首先，我们需要导入numpy用于生成数据，然后导入matplotlib.pyplot模块，通常简写为plt。 ```python import numpy as np import matplotlib.pyplot as plt ``` 2. **创建数据**...
python进行数据分析教程.zip
05-01
以下是一个简单的 Python 数据分析教程，我们将使用 pandas 和 matplotlib 这两个常用的库来进行演示。 1. 安装必要的库 首先，你需要安装 pandas 和 matplotlib。你可以使用 pip（Python 的包管理工具）来安装它们...
python数据分析基础.zip
05-02
1. **基础编程概念**：在开始数据分析之前，你需要熟悉Python的基本语法，如变量、数据类型（包括整型、浮点型、字符串、列表、元组、字典和集合）、条件语句、循环、函数以及异常处理等。 2. **Numpy**：Numpy是...
matplotlib数据分析绘图库
11-07
matplotlib数据分析绘图库可以在anaconda软件中直接调用 当然在pycharm软件中也可以但是调用之前要首先安装matplotlib库 ，在cmd界面使用pip install matplotlib 命令安装即可 ，但是数据分析更多建议使用anaconda更...
计算机毕业设计Django+Vue.js知识图谱音乐推荐系统 音乐爬虫可视化 音乐数据分析 大数据毕设 大数据毕业设计 机器学习 深度学习 人工智能
从业计算机毕业设计10年，打算用一年时间分享10年毕设经验！
07-23 503
计算机毕业设计Django+Vue.js知识图谱音乐推荐系统 音乐爬虫可视化 音乐数据分析 大数据毕设 大数据毕业设计 机器学习 深度学习 人工智能
【CPS出版】2024年智能计算与数据分析国际学术会议（ICDA 2024，9月6日-8）
最新发布
Jurio的博客
07-25 842
ICDA 2024，2024年智能计算与数据分析国际学术会议，2024 International Conference on Intelligent Computing and Data Analytics
每天一个数据分析题（四百四十八）- 企业数据
shiguangre的博客
07-24 349
内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据分析从业者刷题必备神器！业务数据中因为某些原因可能存在异常值，现要通过可视化的方式查找某字段数据中的异常值，优先使用以下哪种图形？A. 箱形图。B. 甘特图。C. 雷达图。D. K线图。
学习笔记：《用Python进行数据分析》之Python基础
小火柴
07-24 931
当在Python中创建变量（或名字），你就在等号右边创建了一个对这个变量的引用。考虑一个整数列表，假设将a赋值给一个新变量b，在有些方法中，这个赋值会将数据[1, 2, 3]也复制。在Python中，a和b实际上是同一个对象，即原有列表[1, 2, 3]。Python中的大多数对象，比如列表、字典、NumPy数组，和用户定义的类型（类），都是可变的，意味着这些对象或包含的值可以被修改。这段脚本运行在空的命名空间（没有import和其它定义的变量），因此结果和普通的运行方式。在变量前后使用问号？
Python数据分析入门：matplotlib、numpy与pandas实战教程
本课程是一门全面介绍Python数据分析的教程，涵盖了关键的库如matplotlib、numpy和pandas。课程共152页，分为两大部分：基础概论与环境设置以及具体的数据分析技术。 在课程的第一部分，重点在于引导学员理解数据...
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