Data Analysis_matplotlib

#条形图
from matplotlib import  pyplot as  plt
import  matplotlib
import  random
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False




x = range(0,120)

y = [random.randint(20,25) for x in range(120)]

plt.figure(figsize=(15,8),dpi=80)

plt.plot(x,y)

#调整x的刻度尺

_x =  list(x)
_xtab = ["10点{}分".format(i) for i in range(60)]
_xtab += ["11点{}分".format(i) for i in range(60)]

plt.xticks(x[::3],_xtab[::3],rotation = 45)# rotation旋转90度


plt.xlabel("时间")
plt.ylabel("温度单位(c)")
plt.title("10到12点每分钟变化情况")

 


#折线图

from  matplotlib import  pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1] #y轴
y_2 = [2,0,3,1,4,5,3,2,2,3,3,6,4,2,2,1,3,0,2,1] #y轴

x = range(11,31) #x轴

#图像展示大小
plt.figure(figsize=(16,8),dpi=80)

#添加标签, 颜色
plt.plot(x,y_1,label="自己",color = "orange",linestyle=":")
plt.plot(x,y_2,label ="同桌", color = "cyan",linestyle="--")


_xtick = ["{}岁".format(i) for i in  x]


#x y 刻度
plt.xticks(x,_xtick)
plt.yticks(range(0,9))

#绘制网格
plt.grid(alpha = 0.1)

#添加图例
plt.legend(loc = "upper left")

#展示
plt.show()

#散点图

 

from  matplotlib import pyplot as  plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]

y_6 =[26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]

x_3 = range(1,32)
x_6 = range(51,82)

plt.figure(figsize=(16,8),dpi=80)


#散点图
plt.scatter(x_3,y_3,label ="3月份")
plt.scatter(x_6,y_6,label ="10月份")

#调整x的刻度轴
_x = list(x_3) + list(x_6)
_xticks = ["3月{}日".format(i) for i in  x_3]
_xticks += ["10月{}日".format(i-50) for i in  x_6]
plt.xticks(_x[::3], _xticks[::3],rotation = 45)



#添加描述信息
plt.legend()
plt.title("时间温度展示表")
plt.xlabel("时间")
plt.ylabel("温度")

#展示
plt.show()

#条形统计图
from  matplotlib import  pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死一战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#图像大小
plt.figure(figsize=(16,10),dpi=80)

#绘制图像
plt.bar(range(len(a)),b,width = 0.3)

#设置刻度
plt.xticks(range(len(a)),a,rotation = 90)

plt.show()

#横形条形统计图

from  matplotlib import  pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死一战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#图像大小
plt.figure(figsize=(16,10),dpi=80)

#绘制图像
plt.barh(range(len(a)),b,height = 0.3,color ="orange")

#设置刻度
plt.yticks(range(len(a)),a)

plt.show()

# 折线统计图

from  matplotlib import  pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死一战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#图像大小
plt.figure(figsize=(16,10),dpi=80)

#绘制图像
plt.barh(range(len(a)),b,height = 0.3,color ="orange")

#设置刻度
plt.yticks(range(len(a)),a)

plt.show()

#绘制直方统计图

 

from  matplotlib import  pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死一战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#图像大小
plt.figure(figsize=(16,10),dpi=80)

#绘制图像
plt.barh(range(len(a)),b,height = 0.3,color ="orange")

#设置刻度
plt.yticks(range(len(a)),a)

plt.show()

#直方图

from  matplotlib import  pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死一战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#图像大小
plt.figure(figsize=(16,10),dpi=80)

#绘制图像
plt.barh(range(len(a)),b,height = 0.3,color ="orange")

#设置刻度
plt.yticks(range(len(a)),a)

plt.show()


### 回答1: 《Python数据分析(第2版)》是由Wes McKinney著写的一本关于使用Python进行数据分析的书籍,第2版是其中文版本。这本书通过Python语言提供了一种简单、灵活、高效的方式来处理和分析数据。它主要涵盖了数据清洗、数据处理、数据可视化以及数据分析等方面的内容。 这本书的内容主要分为四个部分,分别是“准备工作”、“pandas库入门”、“数据规整化”和“数据分析”的章节。 在“准备工作”部分,作者介绍了Python数据分析的环境设置,包括安装Python和相关的库(如NumPy和pandas)以及说明如何执行示例代码。 “pandas库入门”一章介绍了pandas库的基本概念和常用操作,以及如何读取和处理各种数据格式。 “数据规整化”一章讨论了数据清洗和转换的技术,包括处理缺失值、重复数据以及重新组织数据等内容。 “数据分析”一章是这本书的核心部分,它介绍了如何使用Python进行数据分析,包括数据聚合、分组和透视等常用的数据分析方法。 这本书中通过许多实例和示例代码来演示如何使用Python进行数据分析,帮助读者理解和掌握数据分析的基本方法和技巧。它适合那些对数据分析感兴趣的读者,无论是初学者还是有一定经验的数据分析师。 总的来说,《Python数据分析(第2版)》是一本权威的、实用的关于使用Python进行数据分析的指南,它能够帮助读者快速入门并掌握数据分析的技巧。 ### 回答2: 《Python数据分析(第2版)中文版》是一本介绍使用Python进行数据分析的书籍。该书由Wes McKinney撰写,是第一本详细介绍使用Python进行数据分析的专业书籍。 这本书主要分为8个部分,涵盖了数据分析的基本概念、数据处理、数据可视化、时间序列分析等内容。第一部分介绍了数据分析的基本知识和工具,包括NumPy、Pandas和IPython等库和工具的使用。第二部分介绍了数据的处理和清洗,包括缺失数据的处理、数据合并和重塑等操作。第三部分重点介绍了数据的可视化,包括Matplotlib和Seaborn库的使用,可以帮助读者展示和分析数据。第四部分介绍了数据聚合和分组的方法,包括使用GroupBy、重塑和数据转换等技术。第五部分涵盖了时间序列数据的处理和分析。第六部分介绍了面板数据的处理。第七部分介绍了更高级的数据分析技术,包括移动窗口函数和爬虫技术等。第八部分介绍了常见的数据分析案例,通过实际的案例帮助读者理解和应用所学知识。 《Python数据分析(第2版)中文版》旨在帮助读者使用Python进行数据分析,提供了丰富的工具和案例,可以帮助读者掌握数据分析的基本技巧和方法。此外,该书还提供了在线的资源和教学视频,方便读者进一步学习和应用所学知识。 总之,《Python数据分析(第2版)中文版》是一本内容丰富、实用性强的书籍,对于想要学习和应用Python进行数据分析的读者来说是一本不可多得的工具书。 ### 回答3: 《Python 数据分析》(第二版)是一本讲述使用Python进行数据分析的书籍,由美国著名数据科学家Wes McKinney撰写。该书是McKinney首次出版的同名书籍的中文版,内容涵盖了一系列数据分析常用的Python工具和技术。 《Python 数据分析》(第二版)首先介绍了NumPy和Pandas两个Python数据分析库的基本用法。NumPy是一个强大的数值计算库,能够高效地处理大型数据集,而Pandas是一个建立在NumPy之上的数据分析工具,提供了更高级的数据结构和数据处理功能。 接着,该书讲解了如何使用Pandas进行数据清洗、变形和处理。Pandas提供了DataFrame和Series等数据结构,能够方便地对数据进行处理和操作。读者可以学习如何加载数据、处理缺失值、去重、切片、过滤、合并等操作。 书中还介绍了数据分析中常用的统计分析和可视化工具。读者可以学习如何使用Pandas和Matplotlib库进行数据的统计分析和可视化展示,包括生成各种图表和绘制统计图。 此外,《Python 数据分析》(第二版)还介绍了使用Pandas进行时间序列分析、数据聚合和加工等高级数据处理技术。读者可以学习如何处理时间序列数据、使用分组和聚合函数进行数据分析等。 总体来说,《Python 数据分析》(第二版)是一本很好的Python数据分析入门教程,适合对数据分析感兴趣的初学者。通过学习这本书,读者可以掌握使用Python进行数据分析的基本技能,并能够在实际项目中应用所学知识。
评论
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