【python】matplotlib画图

最新推荐文章于 2022-01-18 12:31:02 发布
最新推荐文章于 2022-01-18 12:31:02 发布
阅读量710 收藏 9
点赞数 2
分类专栏： Python 文章标签： python matplotlib
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/qiu931110/article/details/80501164
版权

data.csv数据下载
data_for_pie.csv数据下载

import matplotlib.pyplot as plt // plt.plot

散点图

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

# -*- coding: utf-8 -*-
__author__ = 'yuanlei'
import matplotlib
from pandas import read_csv
import matplotlib.pyplot as plt

data = read_csv("data.csv")
#####
font = {
    'family' : 'SimHei'
}
matplotlib.rc('font', **font)
#####
# 注意点1:要把读入的serise类型的数据转化成list
# 注意点2:为了在坐标轴上显示中文标题,需要在中文前加上u,以及
#         在plt.plot之前加上上面那段话.
plt.plot(list(data["广告费用"]),list(data["购买用户数"]), '.')
plt.xlabel(u"广告费用")
plt.ylabel(u"购买用户数")
plt.show()

这里写图片描述

折线图以及各种设置

这里写图片描述

# -*- coding: utf-8 -*-
__author__ = 'yuanlei'
import matplotlib
import pandas
#from pandas import read_csv
import matplotlib.pyplot as plt

data = pandas.read_csv("data.csv")
data['购买日期']=pandas.to_datetime(data['日期'])
#####
font = {
    'family' : 'SimHei'
}
matplotlib.rc('font', **font)
#####
# 注意点1:要把读入的serise类型的数据转化成list
# 注意点2:为了在坐标轴上显示中文标题,需要在中文前加上u,以及
#         在plt.plot之前加上上面那段话.
#plt.plot(list(data['购买日期']),list(data["购买用户数"]), '.')
#'-'	顺滑的曲线
plt.plot(list(data['购买日期']), list(data['购买用户数']), '-');

# #设置颜色
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '-', color='r');
# #设置线条粗细
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '-', color='r', lineWidth=10);
#
# #'--'	虚线
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '--');
# #'-.'	线加点
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '-.');
# #':'	由点组成的曲线
# plt.plot(list(data['购买日期']), list(data['购买用户数']), ':');
# #'.'	散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '.');
# #','	像素点的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), ',');
# #'o'	大点的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), 'o');
# #'v'	下三角标记的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), 'v');
# #'^'	上上角标记的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '^');
# #'<'	左角标记的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '<');
# #'>'	右角标记的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '>');
# #'1'	伞形下的标记散点图
# #'2'	伞形上的标记散点图
# #'3'	伞形左的标记散点图
# #'4'	伞形右的标记散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '4');
# #'s'	正方形标记的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), 's');
# #'p'	五角形标记的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), 'p');
# #'*'	五角星标记的散点图
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '*');
# #'h'	多边形标记的散点图
# #'H'	hexagon2 marker
# plt.plot(list(data['购买日期']), list(data['购买用户数']), 'h');
# #'+'	plus marker
# #'x'	x marker
# #'D'	diamond marker
# #'d'	thin_diamond marker
# plt.plot(list(data['购买日期']), list(data['购买用户数']), 'D');
# #'|'	vline marker
# #'_'	hline marker
# plt.plot(list(data['购买日期']), list(data['购买用户数']), '|');


plt.xlabel(u"广告费用")
plt.ylabel(u"购买用户数")
plt.show()

这里写图片描述

import matplotlib.pyplot as plt // plt.pie

饼图

这里写图片描述

# -*- coding: utf-8 -*-
import numpy;
import matplotlib;
from pandas import read_csv;
import matplotlib.pyplot as plt;

data = read_csv('data_for_pie.csv');

gb = data.groupby(
    by=['通信品牌'], 
    as_index=False
)['号码'].agg({
    '用户数':numpy.size
});
print(gb['通信品牌'])
print(gb["用户数"])
#用原来的手段会导致编码问题，目前还没解决
a = {0:"全球通",1:"动感地带",2:"神州行"}
font = {
    'family' : 'SimHei'
}

matplotlib.rc('font', **font);
#plt.pie(b, a, autopct='%.2f%%');gb['通信品牌']
plt.pie(gb['用户数'], labels=a, autopct='%.2f%%');

plt.show()

这里写图片描述

import matplotlib.pyplot as plt // plt.bar

柱形图

这里写图片描述

# -*- coding: utf-8 -*-
import numpy
import matplotlib
from pandas import read_csv
from matplotlib import pyplot as plt

font = {
    'family' : 'SimHei'
}
matplotlib.rc('font', **font)

data = read_csv('data_for_pie.csv')

gb = data.groupby(
    by=['手机品牌']
)['月消费（元）'].agg({
    '月消费': numpy.sum
})

index = numpy.arange(gb['月消费'].size)
print(gb.index)
#竖向柱形图
# plt.bar(index, gb['月消费'], 1, color='G')
# plt.show()
#
# plt.bar(index, gb['月消费'], 1, color='G')
# #仍然是中文编码问题
# plt.xticks(index + 1/2, gb.index)
# plt.show()
#
# #横向柱形图
plt.barh(index, gb['月消费'], 1, color='G')
#plt.yticks(index + 1/2, gb.index)
plt.show()
#


# -*- coding: utf-8 -*-
import numpy;
import matplotlib;
from pandas import read_csv;
from matplotlib import pyplot as plt;

font = {
    'family' : 'SimHei'
};
matplotlib.rc('font', **font);

data = read_csv('data_for_pie.csv')

d1 = '手机品牌';
d2 = '通信品牌';
v = "月消费";

gb = data.groupby(by=[d1, d2])['月消费（元）'].agg({v: numpy.sum});

d1size = gb.index.levels[0].size;
d2size = gb.index.levels[1].size;

index = numpy.arange(d1size);
colors=['r', 'g', 'b'];

for i in range(0, d2size): 
    print(i);
    subgb = gb[v][gb.index.labels[1]==i];
    bar = plt.bar(index*d2size + i, subgb, color=colors[i]);

lIndex = numpy.arange(d1size)*d2size;
plt.xticks(lIndex + 3/2, gb.index.levels[0]);

plt.legend(gb.index.levels[1]);
plt.show();


# -*- coding: utf-8 -*-
import numpy;
import matplotlib;
from pandas import read_csv;
from matplotlib import pyplot as plt;

font = {
    'family' : 'SimHei'
};
matplotlib.rc('font', **font);

data = read_csv('data_for_pie.csv')

d1 = '手机品牌';
d2 = '通信品牌';
v = "月消费";

gb = data.groupby(by=[d1, d2])['月消费（元）'].agg({v: numpy.sum});

d1size = gb.index.levels[0].size;
d2size = gb.index.levels[1].size;

index = numpy.arange(d1size);
colors = ['r', 'g', 'b'];
bsum = index*0.0;

for i in range(0, d2size): 
    print(i);
    subgb = gb[v][gb.index.labels[1]==i];    
    bar = plt.bar(index, subgb, color=colors[i], bottom=bsum);
    bsum += subgb;

plt.xticks(index+1/2, gb.index.levels[0]);

plt.legend(gb.index.levels[1]);
plt.show();

这里写图片描述这里写图片描述

import matplotlib.pyplot as plt // plt.hist

直方图

这里写图片描述

# -*- coding: utf-8 -*-
import matplotlib;
from pandas import read_csv;
from matplotlib import pyplot as plt;

font = {
    'family' : 'SimHei'
};
matplotlib.rc('font', **font);

data = read_csv('data.csv')

# plt.hist(data['购买用户数']);
# plt.show();
#
# plt.hist(data['购买用户数'], bins=20);
# plt.show();
#
plt.hist(data['购买用户数'], bins=20, cumulative=True);
plt.show();

这里写图片描述
这里写图片描述
这里写图片描述

yuanCruise
关注
专栏目录
python读取csv表格的数据并用matplotlib画曲线图
qq_43313298的博客
11-19 3123
python读取csv表格的数据并用matplotlib回曲线图
matplotlib绘图
12-01
用pandas读取csv,excel等数据，然后使用matplotlib绘出其中图像（包括点状图，直方图，雷达图等等）
Python Matplotlib 等高线
YZXnuaa的博客
04-26 573
CS = plt.contour(X, Y, Z, n(层数), alpha=0.75（透明度）,cmap=plt.cm.hot（渐变标准）) # cmap解析 其中前两个参数x和y为两个等长一维数组，第三个参数z为二维数组（表示平面点xi,yi映射的函数值）。 由于contourf可以填充等高线之间的空隙颜色，呈现出区域的分划状，所以很多分类机器学习模型的可视化常会借助其展现。 ...
五环图-利用python画图
03-14
用python中的turtle库，for循环画出五环，五环颜色不同，熟悉一下python的turtle库
【python学习】-matplotlib绘制二维颜色填充图(contourf)及colorbar，坐标轴刻度字体大小等相关设置
袁家瑜的博客
12-10 2万+
二维等高线图绘制及其相关设置官方例子改进版1(对levels进行设置)改进版2(美化图形) 官方例子 import matplotlib.pyplot as plt import numpy as np from numpy import ma from matplotlib import ticker, cm #x,y及Z数据信息 N = 100 x = np.linspace(-3.0, 3.0, N) y = np.linspace(-2.0, 2.0, N) X, Y = np.meshgrid(x
Python matplotlib画图时图例说明(legend)放到图像外侧详解
12-17
用python的matplotlib画图时，往往需要加图例说明。如果不设置任何参数，默认是加到图像的内侧的最佳位置。 import matplotlib.pyplot as plt import numpy as np x = np.arange(10) fig = plt.figure() ax = plt....
Python matplotlib画图实例之绘制拥有彩条的图表
01-20
import matplotlib.pyplot as plt import numpy as np from matplotlib import cm from numpy.random import randn 制作拥有垂直（默认）彩条的图表： fig, ax = plt.subplots() data = np.clip(randn(250, 250), -...
Python matplotlib画图与中文设置操作实例分析
01-01
本文实例讲述了Python matplotlib画图与中文设置操作。分享给大家供大家参考，具体如下： 采用matplotlib作图时默认设置下是无法显示中文的，例如编写如下python脚本， #-*- coding: utf-8 -*- from pylab import *...
pythonmatplotlib画图.pdf
09-29
### Python Matplotlib 画图详解 #### 一、Matplotlib.pyplot简介 Matplotlib 是一个用于 Python 的强大绘图库，广泛应用于数据可视化领域。其中 `matplotlib.pyplot` 是一个子模块，提供了一组方便的命令 API，使...
【Python】基于Python的回归随机森林（RandomForestRegression）1：生成折线图与散点图（附代码）
Leaze932822995的博客
01-12 2万+
基于python平台sklearn的回归随机森林（RandomForestRegression）简介直接上代码 简介 这里本来有简介，但是因为我懒，所以先没有简介。 直接上代码 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt import math import xlrd impor...
【matplotlib与pandas库】利用matplotlib库根据CSV文件中的成绩数据绘制折线图、柱状图和饼状图，对同学们的成绩进行处理和分析
qq_59049513的博客
01-18 5407
打开学生成绩文件test.csv（或者其他文件），提取数据，建立四个子图，分别为姓名和计算机成绩数据绘制柱状图和折线图，然后统计各个同学总成绩和平均成绩，绘制总成绩柱状图和平均成绩饼图
决策树、随机森林结果可视化
Moxiao__墨箫
12-19 4万+
决策树、随机森林结果可视化决策树随机森林结果可视化 一 决策树可视化环境搭建 二 决策树可视化的三种方法 第一种 第二种 第三种 三 决策树可视化实例 四 随机森林可视化实例 五 决策树各特征权重可视化【 本文测试环境为 python3 】一、 决策树可视化环境搭建scikit-learn中决策树的可视化一般需要安装graphviz。主要包括graphviz的安装和python的graphviz插件
【Pandas】DataFrame groupby 中的as_index含义
kellyzxj的博客
04-16 8178
栗子如下: import numpy as npvalues = np.array([1, 3, 2, 4, 1, 6, 4])example_df = pd.DataFrame({    'value': values,    'even': values % 2 == 0,    'above_three': values &gt; 3 }, index=['a', 'b', 'c', 'd'...
python for循环画图_通过for循环中更新的字典制作可滚动绘图 - python
weixin_39712821的博客
12-08 1616
我有一个由for循环更新的字典，我试图在键值对的数量不断更新的情况下绘制移动或滑动的图中的键值对，并且该图仅显示了该字典中的50个当前值。到目前为止，我已经做出了：for k,v in plot.items():plt.barh(k,v , color='blue')plt.pause(0.3)plt.show()问题在于值不断增加，图也不断增长。有什么方法可以显示字典中的最后50 k，v对，并继...
python matplotlib contour画等高线图
热门推荐
Mr_Cat123的博客
06-13 9万+
以z=x^2+y^2为例 #导入模块 import numpy as np import matplotlib.pyplot as plt #建立步长为0.01，即每隔0.01取一个点 step = 0.01 x = np.arange(-10,10,step) y = np.arange(-10,10,step) #也可以用x = np.linspace(-10,10,100)表示从-1...
利用matplotlib绘制折线图：CSV格式
天地一沙鸥GW
04-30 6516
熬过初学阶段的不适和挫败感，我们其实完全可以掌握一个全新的领域。 本文为《python编程 从入门到实践》（以下简称参考书》中第16章 下载数据中的内容，利用matplotlib绘制最高及最低气温折线图。 在此整理为笔记，一为温习，二为备份，以便日后再次学习，三也为网友提供学习资料。 注：本文代码均可直接复制到python文本编辑器中，在运行环境安装完整的前提下均可直接运行。 ...
python实现机器学习之随机森林
XXiaoLEI的专栏
11-02 4万+
这几天一直在看随机森林。可以说遇到任何一个有关预测的问题。都可以首先随机森林来进行预测，同时得到的结果也不会太差。在这篇文章里我首先会向大家推荐几篇写的比较好的博客。接着会将我觉得比较好的例子使用python+scikit－learn包来实现出来。 首先推荐的就是：随机森林入门—简化版http://www.analyticsvidhya.com/blog/2014/06/introduc
python for循环画多子图并保存（涉及DateFrame.groupby,add_subplot）
qq_23387055的博客
09-06 2万+
问题描述：最近要把杭州市地磁检测器中交通流量按照时间序列画图，每个路口画一张图，每个路口有多个车道，每个车道下包含一个检测器 数据形式： 代码：  import pandas as pd import psycopg2 import matplotlib.pyplot as plt import datetime as dt import matplotlib.dates as mda...
python matplotlib 画图
最新发布
05-09
Matplotlib是Python的一个二维绘图库，它以类似Matlab的方式提供了一套完整的画图API，具备众多的画图工具和功能，比如绘制线条、散点图、等高线图、直方图等。 Matplotlib的使用非常简单，只需要安装模块并导入库...
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

打赏作者

yuanCruise

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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