数据挖掘学习笔记之matplotlib

最新推荐文章于 2022-07-07 20:38:53 发布
最新推荐文章于 2022-07-07 20:38:53 发布
阅读量305 收藏 1
点赞数
分类专栏： 数据挖掘 文章标签： 数据挖掘 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/qq_31275419/article/details/120657802
版权

数据挖掘学习笔记之matplotlib

环境安装

工具包

matplotlib 画图
numpy 高效运算工具
pandas 数据处理工具
TA-Lib 股票技术分析指标库
tables 读取hdf5类型文件
jupyter 数据分析与展示的平台

版本

matplotlib2.2.2
numpy1.14.2
pandas0.20.3
TA-Lib0.4.16
tables3.4.2
jupyter1.0.0

安装命令

pip install matplotlib2.2.2
pip install numpy1.14.2
pip install pandas0.20.3
pip install TA-Lib0.4.16
pip install tables3.4.2
pip install jupyter1.0.0
如果TA-Lib在win系统上无法下载，可以到下面的地址去下载 https://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib

折线图plot

保存结果图片

import matplotlib.pyplot as plt
# 展现一周的天气，比如从星一到星期日的天气温度如下
# 1、创建画布
plt.figure()
# 2、绘制图像
plt.plot([1,2,3,4,5,6,7],[17,22,18,15,24,22,17])
# 保存图片
plt.savefig("test1007.png")
# 3、显示图像
plt.show()

结果
注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片

双折线图

#需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度-18度
import matplotlib.pyplot as plt
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(1,5) 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()

# 修改x、y刻度
# 准备x的刻度说明
x_label =["11时{}分".format(i) for i in x]
plt.xticks(x[::5],x_label[::5])
plt.yticks(range(0,40,5),["{}℃".format(i) for i in range(0,40,5)])
#添加显示网格
plt.grid(True,linestyle="--",alpha=0.5)
#添加描述信息
plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("中午11点0分到12点之间的温度变化图示")
# 4、显示图像
plt.show()

在这里插入图片描述

折线图-双绘图区

import matplotlib.pyplot as plt
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(1,5) 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()
axes[1].legend()

# 修改x、y刻度
# 准备x的刻度说明
x_label =["11时{}分".format(i) for i in x]
axes[0].set_xticks(x[::10])
axes[0].set_xticklabels(x_label[::10])
axes[0].set_yticks(range(0,40,5))
axes[0].set_yticklabels(["{}℃".format(i) for i in range(0,40,5)])
axes[1].set_xticks(x[::10])
axes[1].set_xticklabels(x_label[::10])
axes[1].set_yticks(range(0,40,5))
axes[1].set_yticklabels(["{}℃".format(i) for i in range(0,40,5)])

#添加显示网格
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("时间变化")
axes[0].set_ylabel("温度变化")
axes[0].set_title("上海中午11点0分到12点之间的温度变化图示")
axes[1].set_xlabel("时间变化")
axes[1].set_ylabel("温度变化")
axes[1].set_title("北京中午11点0分到12点之间的温度变化图示")
# 4、显示图像
plt.show()

在这里插入图片描述

折线图-绘制数据函数

import matplotlib.pyplot as plt
import numpy as np 

# 1、准备x,y数据
x=np.linspace(-1,1,1000)
y = 2 * x * x
# 2、创建画布
plt.figure(figsize=(20,8),dpi=80)
# 3、绘制图像
plt.plot(x,y)
# 4、添加网格显示
plt.grid(True,linestyle="--",alpha=0.5)
# 5、显示图像
plt.show()

在这里插入图片描述

散点图 scatter

  • 用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。
  • 特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）
import matplotlib.pyplot as plt
#需求：探究房屋面积和房屋价格的关系
# 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 bar

  • 排列在工作表的列或行中的数据可以绘制到柱状图中。
  • 特点：绘制连离散的数据，能够一眼看出名个数据的大小，比较数据之间的差别（统计/对比）
import matplotlib.pyplot as plt
import random
# 1、准备数据
movie_names = ['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_names))
plt.bar(x_ticks, tickets, color=['b','r','g','y','c','m','y','k','c','g','b'])

# 修改x刻度
plt.xticks(x_ticks, movie_names)

# 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

多个柱状图显示

import matplotlib.pyplot as plt
import random
# 1、准备数据
movie_name=['雷神3：诸神的黄昏','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
plt.bar(range(3),first_day,width=0.2,label="首日票房")
plt.bar([0.2,1.2,2.2],first_weekend,width=0.2,label="首周票房")

#显示图例
plt.legend()
# 显示刻度
plt.xticks([0.1,1.1,2.1],movie_name)
#4、显示图像
plt.show()

在这里插入图片描述

直方图 histogram

  • 由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。
  • 特点：绘制连续性的数据展示一组或者多组数据的分布状况（统计）
  • 直方图牵涉统计学的概念，首先要对数据进行分组，然后统计每个分组内数据元的数量。在坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数，称这样的统计图为频数分布直方图。

直方图与柱状图的区别

  • 直方图展示数据的分布，柱状图比较数据的大小（最根本的区别）
  • 直方图X轴为定量数据，柱状图X轴为分类数据
  • 直方图柱子无间隔，柱状图柱子有间隔
  • 直方图柱子宽度可不一，柱状图柱子宽度须一致
import matplotlib.pyplot as plt
import random
# 需求：电影时长分布状况
# 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、绘制直方图
distance = 2
group_num = int((max(time) - min(time)) / distance)

plt.hist(time, bins=group_num, density=True)

# 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 pie

  • 用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
  • 特点：分类数据的占比情况（占比）
import matplotlib.pyplot as plt
import random
# 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%%")

# 显示图例
plt.legend()

plt.axis('equal')

# 4、显示图像
plt.show()

在这里插入图片描述

总结

– Matplotlib三层结构:

  • 容器层
    1.画板层Canvas
    2.画布层：plt.figure(figsize=(20,8),dpi=80)
    3.绘图区/坐标系
    1.figure,axes=plt.subplots(nrows=,ncols=,figsize=,dpi=)
  • 辅助显示层：
    1.修改x,y轴刻度 plt.x/yticks()
    2.添加描述信息plt.x/ylabel();plt.title()
    3.添加网格plt.grid()
    4.显示图例plt.legend()
  • 图像层（可以设置图像颜色、风格、标签等）
    1.折线图 plt.plot()
    2.散点图 plt.scatter()
    3.柱状图 plt.bar()
    4.直方图 plt.hist()
    5.饼图 plt.pie()
猫吃小鱼
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python数据挖掘基础(一)：Matplotlib
Amo Xiang的博客
05-05 1155
目录1. 绘制折线图2. 绘制柱状图3. 绘制直方图4. 绘制饼图 1. 绘制折线图 折线图将值标注成点，并通过直线将这些点按照某种顺序连接起来形成的图。场景：数据在一个有序的因变量上的变化，它的特点是反应事物随类别而变化的趋势，可以清晰展现数据的增减趋势、增减的速率、增减的规律、峰值等特征。优点： 能很好的展现沿某个维度的变化趋势 能比较多组数据在同一个维度上的趋势 适合展现较大数据集 需求...
【数据挖掘重要笔记day25】数据挖掘中的图形可视化Matplotlib绘图合集快速查找
汪雯琦的博客
02-17 761
文章目录一、matplotlib的介绍二、图表的构成三、线性图形的绘制1、绘制的基本过程2、使用交互式显示方式 一、matplotlib的介绍 1.Matplotlib 是一个支持Python的2D的绘图库,可以绘制各种形式的图表 2.Matplotlib可以绘制的图表有:线图、散布图、条状图、箱图、图片已经动画(但是对于动画师不专业,对于3D图不专业的) 3.良好的操作系统兼容性 4.绘制印刷...
Python数据挖掘 - 第一部分
Melody_LCY
10-18 251
文章目录第一部分 数据挖掘库的安装第二部分 Matplotlib2.1 matplotlib简介2.2 折线图与基础绘图功能 第一部分 数据挖掘库的安装 matplotlib == 2.2.2 Numpy == 1.14.2 pandas == 0.20.3 TA-Lib == 0.4.16 ：技术指标库 tables == 3.4.2 ：hdf5 jupyter == 1.0.0 ：数据分析与...
数据挖掘之matplotlib入门
徐代龙的技术专栏
03-26 451
简单介绍 matplotlib库是Python数据挖掘中的库之一，主要用于2D绘图，简单的3D绘图，数据可视化的库。 简单使用 （一）画根直线 代码： def print_line_draw(): """ 画直线图 :return: """ # 创建一个0-10之间以1为间隔的numpy数组 x = np.arange(0...
2020-10-29
Rea的博客
10-29 141
广西●河池学院 广西高校重点实验室培训基地 系统控制与信息处理重点实验室 本篇博客来自河池学院:智控无人机小组 写作时间：2020.10.29 OLED 显示实验 LCD 都需要背光，而 OLED 不需要，因为它是自发光的。相比之下，OLED 效果要好一些。OLED 的尺寸难以大型化，但是分辨率确可以做到很高。ALINETEK 的 OLED 显示模块分辨率搞。 有多种接口方式6800、8080 两种并行接口方式、3线或 4 线的穿行 SPI 接口方式，、IIC 接口方式。IIC 接口方式只需要 2 根线就.
python数据分析与数据化运营笔记
03-08
IPython、科学计算库 Numpy、工程计算 Scipy、数据分析 Panda、统计建模和计量 Statsmodels、机器学习 Scikit-learn、自然语言 jieba、数据库连接库、HTML 处理库、爬虫相关库、图形展示库 Matplotlib、图像处理库 ...
二手车交易价格预测学习笔记 — Task4
12-21
在本篇【二手车交易价格预测学习笔记 - Task4】中，我们关注的是数据挖掘和机器学习在预测二手车交易价格中的应用。这个赛题是“零基础入门数据挖掘 - 二手车交易价格预测”，可以在阿里云天池平台找到相关链接。在...
数据分析-master笔记
最新发布
05-31
接着，进入数据挖掘阶段，这里可能涉及到聚类、关联规则学习和预测建模。聚类将数据分为相似的组，如K-means、DBSCAN等算法；关联规则学习寻找项之间的频繁模式，如Apriori算法；预测建模则涵盖多种方法，如线性回归...
大数据学习笔记_学习《Python数据分析与挖掘实战》关键知识点和心得笔记
09-28
本文将基于《Python数据分析与挖掘实战》这本书的学习笔记，深入探讨几个关键知识点：分类与预测、聚类分析、关联规则以及时序模式。 **一、分类与预测** 分类与预测是数据分析中的核心任务，它通过历史数据来预测...
《Python金融大数据挖掘与分析全流程详解》学习笔记及代码.zip
02-21
总而言之，《Python金融大数据挖掘与分析全流程详解》的学习笔记和代码资源为读者提供了一个全面了解和掌握金融数据处理的平台，通过理论结合实践，助力读者在金融数据分析领域提升专业素养。无论是金融从业者还是对...
python数据挖掘笔记（1）—数据预处理
木心
07-11 1055
一、数据清洗 1.缺失值处理 均值，中位数，众数插补 使用固定值 最近邻插补 回归方法 插值法（拉格朗日插值法，lagrange();牛顿插值法；样条插值法，等等） 2.异常值处理 删除含有异常值的记录 视为缺失值 平均值修正 不处理（是在引起异常的原因正常的情况下） 二、数据集成 数据挖掘需要的数据往往分布在不同的数据源里，数据集成就是把多个数据源合并到一个一致的数据存
python基础——matplotlib
Mr.Zhang_9436的博客
10-15 360
Matplotlib基本知识点 7.1 功能：主要用于绘制二维图表 7.2 matplotlib三层结构 容器层 canvas figure axes 辅助显示层 添加x轴、y轴描述，标题等 图像层 绘制什么图像的声明 7.3 简单应用：绘制简单图标 步骤： 创建画布 绘制图像...
python matplotlib从文件中读取数据绘制折线图
vinsuan93的专栏
11-12 1万+
说明：从文件中读取数据，绘制直线图 #coding:utf-8 import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np from matplotlib.font_manager import FontProperties import matplotlib as mpl mpl.rcParams['f
Matplotlib小试牛刀——子图来秀
qq_32531505的博客
12-20 456
目录1.常用的子图模式——均匀分布画图1.1 sharex（sharey）的使用展示2.GridSpec ——绘制==非均匀==子图 1.常用的子图模式——均匀分布画图 我们常用的子图显示是使用如下代码写的： plt.subplots 在画子图之前，我们一般要先设置好字体，不然在画图的时候会报错。代码如下： plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False subplots(1
pycharm使用matplotlib.pyplot不显示图形的问题
Dove_1234的博客
08-10 1234
如下案例，可以正常保存图像，但是plt.show()不能正常显示图像，这里是使用pandas模块读取csv文件： coding=utf-8 import pandas as pd import matplotlib.pyplot as plt data = pd.read_csv('ccpoints.csv', header=0) plt.scatter(data.x, data.y, c="red", marker='o', label='ccpoints') plt.xlabel('x') plt.y
解决matplotlib库show()方法不显示图片
qq_24624539的博客
12-08 745
最近使用python里的matplotlib库绘图，想在代码结束时显示图片看看，结果图片一闪而过，附上我原来代码： import matplotlib.pyplot as plt import numpy as np import pandas as pd ... ... #type(forecast)=<class 'pandas.core.frame.DataFrame'>...
利用Matplotlib画图
weixin_63560982的博客
01-28 1669
- Matplotlib绘图基础 plt.plot(x,y,ls=,lw=,c=,marker=，markersize=,markeredgecolor=,markerfacecolor=,label=) - x:x轴上的数值 - y：y轴上的数值 - ls：折线的风格('-','--','-,','（点画线）:(实点线)') - lw：线条宽度 - c:颜色 - marker：线条上点的形状 - markersize：线条上点的形状的大小 - markere...
Matplotlib基础操作（机器学习入门）
zjjaibc的博客
07-07 2081
Matplotlib基础操作（机器学习入门）
matplotlib绘图基础
热门推荐
皮皮blog
07-13 8万+
matplotlib 是python最著名的绘图库，十分适合交互式地进行制图，而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。Matplotlib：Matlab的语法、python语言、latex的画图质量。面向对象方式绘图：matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。
python数据挖掘笔记
08-25
Python数据挖掘学习笔记主要包括以下几个方面的内容：Python基础知识、Python爬虫技术、Python数据分析与数据挖掘。其中，Python基础知识部分介绍了Python编程语言的基本语法、数据类型、流程控制等内容，为数据挖掘...

“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