数据分析笔记Matplotlib（5）-Scatter 散点图、Bar 柱状图、Contours 等高线图、Image 图片、3D 数据

 散点图：

import matplotlib.pyplot as plt
import numpy as np

n = 1024    
X = np.random.normal(0, 1, n) # X值，平均数是0，方差是1
Y = np.random.normal(0, 1, n) # Y值
T = np.arctan2(Y,X) # 每个点的颜色


plt.scatter(X, Y, s=75, c=T, alpha=0.5)#x,y,大小，颜色，透明度

plt.xlim(-1.5, 1.5) #x轴范围
plt.xticks(())  # 隐藏x坐标轴
plt.ylim(-1.5, 1.5) 
plt.yticks(()) 

plt.show()

柱状图：

import matplotlib.pyplot as plt
import numpy as np

n = 12
X = np.arange(n)
Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)

plt.bar(X, +Y1)
plt.bar(X, -Y2)

plt.xlim(-0.5, n)
plt.xticks(())
plt.ylim(-1.25, 1.25)
plt.yticks(())

#facecolor设置主体颜色，edgecolor设置边框颜色为白色
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')


for x, y in zip(X, Y1):
    #plt.text（）：图上标注，保留两位小数
    #ha='center'：横向居中对齐，va='bottom'：纵向顶部、底部对齐
    plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')

for x, y in zip(X, Y2):
    # ha: horizontal alignment
    # va: vertical alignment
    plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top')

plt.show()

 

 等高线图：

import matplotlib.pyplot as plt
import numpy as np

def f(x,y):
    # 根据x,y生成对应的高度
    
    return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2)

n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
#用meshgrid在二维平面中将每一个x和每一个y分别对应起来，编织成栅格
X,Y = np.meshgrid(x, y)

#使用函数plt.contourf把颜色加进去，位置参数分别为：X, Y, f(X,Y)。透明度0.75，并将 #f(X,Y) 的值对应到color map的暖色组中寻找对应颜色
plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)

#使用plt.contour函数划线。位置参数为：X, Y, f(X,Y)。颜色选黑色，线条宽度选0.5
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)

"""
8代表等高线的密集程度，这里被分为10个部分。如果是0，则图像被一分为二。

最后加入Label，inline控制是否将Label画在线里面，字体大小为10。并将坐标轴隐藏
"""
plt.clabel(C, inline=True, fontsize=10)
plt.xticks(())
plt.yticks(())

 Image 图片：

import matplotlib.pyplot as plt
import numpy as np

a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
              0.365348418405, 0.439599930621, 0.525083754405,
              0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)

# origin='lower'代表的就是选择的原点的位置。
plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')


#添加colorbar ，添加一个shrink参数，使colorbar的长度变短为原来的92%
plt.colorbar(shrink=.92)

plt.xticks(())
plt.yticks(())
plt.show()

 3D 数据：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#创建三维坐标窗口
fig = plt.figure()
ax = Axes3D(fig)


X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)    # x、y 栅格化
#设置高度值
R = np.sqrt(X ** 2 + Y ** 2)
Z = np.sin(R)

#投影除出等高线 ，rstride 和 cstride 分别代表 row 和 column 的跨度。
ax.plot_surface(X, Y, Z, rstride=1, cstride=1,cmap=plt.get_cmap('rainbow'))
#添加 XY 平面的等高线，如果 zdir 选择了x，那么效果将会是对于 XZ 平面的投影
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))

plt.show()