以下为个人课程学习笔记,主做日常积累,如有问题,感谢指正。
1. 最常用的模块 Matplotlib.pyplot
Matplotlib是数据挖掘的辅助工具,是数据可视化工具,但与大数据数据可视化有区别。
Pandas的数据可视化依赖于matplotlib模块的pyplot类,matplotlib在安装Pandas会自动安装。Matplotlib可以对图形做细节控制,绘制出出版质量级别的图形,通过Matplotlib,可以简单地绘制出常用的统计图形。
2. 基本绘图流程
(1)创建画布和子图
当只创建一个图时该步骤可以省略。
plt.figure(figsize=(8,8),dpi=80) |
设置画布,大小为8,8,像素为80 |
figure.add_subplot(2,1,1) |
添加子图,设置2行 1列 图片编号为1 |
(2)添加画布内容
plt.title() |
图片标题 |
plt.xlabel() |
x轴标题 |
plt.ylabel() |
y轴标题 |
plt.xlim() |
指定x轴的数值区间,不能是字符型 |
plt.ylim() |
指定y轴的数值区间,不能是字符型 |
plt.xticks() |
指定x轴刻度的数目和取值,其中参数1可以设置x轴上刻度的数目,参数2可以设置参数,参数3为rotation是用于设置x轴刻度的倾斜度; eg:plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)该语句取自书中示例p63页,其中values是示例中的数据集,该语句的含义就是用数据集中第0-70行的数据的第1列,步长为4即只要第0、4、8、12……行但不会包括70行(即使步长为1也不会包括70行,此处不懂请回顾第二章arange()用法),rotation=45则是x轴刻度为45度。该语句效果如下(x轴部分): |
plt.yticks() |
指定y轴刻度的数目和取值 |
plt.legend() |
设置图例,大小,位置,标签,需要在绘制图形之后设置。 |
(3)保存与显示图形
plt.savefig() |
|
plt.show() |
(4)示例
# ----------------不创建子图-------------
# pyplot基础绘图语法
import numpy as np
import matplotlib.pyplot as plt
data = np.arange(0