头歌:Matplotlib接口和常用图形

头歌:Matplotlib接口和常用图形

第一关画图接口

编程要求

在右侧编辑器Begin-End补充代码,对传入的x,y两个数组做折线图,x对应x轴,y对应y轴。并保存到Task1/image1/T2.png,具体要求如下:

  • 折线图的figsize为(10, 10);

  • 文件名为Task1/image1/T2.png。

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
def student(x,y):
    # ********** Begin *********#
    fig = plt.figure(figsize=(10,10))
    plt.savefig("Task1/image1/T2.png")
    plt.show()
    # ********** End **********#

第2关:线形图

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt


def student(input_data,input_data1):

    # ********* Begin *********#
    fig = plt.figure(figsize=(10,10))
    plt.plot(input_data,'--g')
    plt.plot(input_data1,':r')
    plt.legend(['L1','L2'])
    plt.savefig("Task2/img/T1.png")
    plt.show()
    # ********* End *********#

第3关:散点图

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np

def student(x,y,x2,y2,x3,y3,area):
    '''
    根据输入的三组数据绘制三组不同参数的散点图
    :param x,y: 第一组数据,类型为array
    :param x2,y2: 第二组数据,类型为array
    :param x3,y3: 第三组数据,类型为array
    :param area: 标记大小参数的值,类型为array
    :return: None
    '''
    # ********* Begin *********#
    fig = plt.figure(figsize=(10,10))
    plt.scatter(x,y,s = area, alpha = 0.5)
    plt.scatter(x2,y2,s = area, c = 'g', alpha = 0.6)
    plt.scatter(x3,y3,s = area, marker = 'v', alpha = 0.7)
    plt.savefig("Task3/img/T1.png")
    plt.show()
    # ********* End *********#

第4关:直方图

import matplotlib
matplotlib.use("Agg")
import numpy as np
import matplotlib.pyplot as plt



def student(data,x,y):
    '''
    根据输入数据将直方图与线形图绘制在同一面板中,并设置直方图为红色,线形图为蓝色
    :param data: 绘制直方图数据,类型为list
    :param x,y: 绘制线形图数据,类型为list

    :return: None
    '''
    # ********* Begin *********#
    fig = plt.figure(figsize=(10,10))
    plt.hist(data,facecolor="red")
    plt.plot(x,y,color="blue")
    plt.savefig("Task4/img/T1.png")
    plt.show()
    # ********* End *********#

第5关:饼图

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import numpy as np

def student(labels,quants):
    # ********* Begin *********#
    fig=plt.figure(figsize=(6,6))
    sizes = quants
    plt.pie(sizes,labels=labels,explode=(0,0.1,0,0,0,0,0,0,0,0),autopct='%1.1f%%')
    plt.savefig("Task5/img/T1.png")
    plt.show()
    # ********* End *********#

  • 9
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: Matplotlib一个Python数据可视化库,提供了丰富的绘图接口常用图形,包括: 1. 折线图(Line Plot):用于展示数据随时间或其他连续变量的变化趋势。 2. 散点图(Scatter Plot):用于展示两个变量之间的关系,可以用不同颜色或大小的点表示不同的数据。 3. 条形图(Bar Plot):用于比较不同类别之间的数值大小。 4. 直方图(Histogram):用于展示数据的分布情况,可以看出数据的中心趋势和离散程度。 5. 饼图(Pie Chart):用于展示不同类别之间的占比情况。 6. 箱线图(Box Plot):用于展示数据的分布情况和异常值。 7. 热力图(Heatmap):用于展示数据的相关性和趋势,可以用不同颜色的方块表示不同的数值。 8. 3D图(3D Plot):用于展示三维数据的分布情况和趋势。 以上是Matplotlib常用图形,可以根据不同的需求选择合适的图形进行数据可视化。 ### 回答2: Matplotlib一个Python数据可视化库,它提供了非常丰富的数据可视化功能。Matplotlib提供了一个包含各种绘图类的模块matplotlib.pyplot,它是一个有状态的可视化系统,具有面向对象的绘图接口Matplotlib接口主要包含以下几个部分: 1.图形容器:Figure和Axes Figure是整个绘图区域的容器,用来管理和存储绘制出来的所有图形元素,每个Figure对象可以包含多个Axes对象,每个Axes对象都是一张图表。 2.图形组件:坐标轴、标题、文本、标签等 Matplotlib提供了丰富的图形组件,包括坐标轴、标题、文本、标签等,可以通过修改这些组件的属性来实现各种样式的图形。 3.绘图方法:bar、scatter、hist等 Matplotlib提供了丰富的绘图方法,包括条形图、散点图、直方图等,可以用来展示数据的不同方面或特点。 常用图形类型包括: 1.条形图 条形图是目前最流行的一种可视化方式,它可以显示多组数据之间的比较关系,可以提供直观的数据分析方法。条形图通常用于显示分类数据。 2.散点图 散点图可以很好地展示关于两个变量之间的关系和它们是否有相关性。散点图可以将两个变量绘制到平面坐标系上,展示变量之间的关联程度。 3.折线图 折线图可以展示数据的趋势和变化,通常用于显示时间序列数据。它是一种连续数据可视化的方法,将数据点连接起来,形成一个平滑的曲线。 4.直方图 直方图可以很好地展示数据的分布情况,通常将数据按照范围划分为若干等分片段,统计每个片段内的数据数量,并绘制成柱状图。 总之,Matplotlib提供了非常丰富的数据可视化功能,可以满足各种各样的数据可视化需求,以展示数据的不同侧面和特性。 ### 回答3: MatplotlibPython科学计算中最常用的绘图库之一,因为它提供了广泛的绘图能力,包括二维和三维图形,直方图、散点图、等高线图、误差条图和3D图形等等。同时,Matplotlib非常灵活,用户可以根据自己的需要定制图形Matplotlib接口主要包括pyplot模块和OO模块。pyplot模块提供了和Matlab类似的绘图接口,它是Matplotlib中最常用的模块,因为它提供了一系列的命令式函数,能够快速地对数据进行可视化。而OO模块则更加面向对象,用户可以通过创建Figure、Axes和Axis对象来控制每个元素的细节。 在Matplotlib中,最常用图形包括: 1.线性图:线性图最常见的用途是用来展示趋势和关系。在Matplotlib中,可以使用plot()函数绘制线性图,可以设置线条的类型、颜色和标签等。 2.散点图:散点图用于展示两个变量之间的关系,通常用来发现数据中的异常值或者找出数据之间的相关性。Matplotlib中可以使用scatter()函数绘制散点图,可以设置散点的大小、颜色和形状等。 3.条形图:条形图用于比较不同类别的数据之间的差异,通常使用垂直或水平的条形来表示不同类别的数据。在Matplotlib中,可以使用bar()函数绘制条形图,可以设置条形的宽度、颜色和标签等。 4.饼图:饼图用于展示不同类别的数据之间的比例关系,通常使用饼形来表示不同数据之间的比例。在Matplotlib中,可以使用pie()函数绘制饼图,可以设置饼图的颜色、标签和半径等。 5.箱线图:箱线图用于展示数据的分布情况,通常使用盒子来表示数据的上下四分位数,使用线来表示数据的中位数和极值。在Matplotlib中,可以使用boxplot()函数绘制箱线图,可以设置盒子的宽度、颜色和标签等。 除了上述图形Matplotlib还提供了许多其他的图形类型,用户可以根据自己的需要选择适合的图形类型来展示数据

“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 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