Python数据分析学习笔记之matplotlib库（一）

最新推荐文章于 2022-11-08 10:58:05 发布
最新推荐文章于 2022-11-08 10:58:05 发布
阅读量422 收藏 1
点赞数
分类专栏： python 文章标签： python
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_44038001/article/details/105005317
版权

文章目录

Python数据分析

一、数据分析的介绍

在这里插入图片描述
在这里插入图片描述
1、数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们作出判断，以便采取适当行动。
2、数据分析的流程
在这里插入图片描述

二、matplotlib

1、介绍
在这里插入图片描述
在这里插入图片描述
matplotlib:最流行的python底层绘图库，主要做数据可视化图表，名字取材于MATLAB，模仿MATLAB构建
在这里插入图片描述
在这里插入图片描述
假设：x坐标：时间，y坐标：温度
pyplot：专门画图
在这里插入图片描述

from matplotlib import pyplot as plt

x=range(2,26,2)
y=[15,13,14,5,20,25,26,26,24,22,18,15]
plt.plot(x,y)
plt.show()

在这里插入图片描述
在这里插入图片描述
2、
在这里插入图片描述

import matplotlib.pyplot as plt
#圖片大小：寬20，高80，dpi：每英寸點的個數
#設置圖片大小
 fig=plt.figure(figsize=(20,8),dpi=80)
x=range(2,26,2)
y=[15,13,14,5,20,25,26,26,24,22,18,15]
plt.plot(x,y)
plt.savefig("./sig_size.png")
plt.show()

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
eg：

import matplotlib.pyplot as plt
#圖片大小：寬20，高80，dpi：每英寸點的個數
#設置圖片大小
 fig=plt.figure(figsize=(20,8),dpi=80)
x=range(2,26,2)
y=[15,13,14,5,20,25,26,26,24,22,18,15]
plt.plot(x,y)
plt.xticks(x)
plt.savefig("./sig_size.png")
plt.show()

在这里插入图片描述
如果刻度再密集一點
eg：

plt.xticks(range(2,25))

在这里插入图片描述
eg:

#設置x軸的刻度
_xtick_labels=[i/2 for i in range(4,49)]
plt.xticks(_xtick_labels[::3])#每隔3取一個

在这里插入图片描述

#設置x軸的刻度
_xtick_labels=[i/2 for i in range(4,49)]
plt.xticks(_xtick_labels（25，50）

在这里插入图片描述
在这里插入图片描述
对Y轴操作

xtick_labels=[i/2 for i in range(4,49)]
plt.xticks(_xtick_labels（25，50）
plt.yticks(range(min(y),max(y）+1））

在这里插入图片描述
实例：
1、
在这里插入图片描述

from matplotlib import pyplot as plt
import random
x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.plot(x,y)
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import random
x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
plt.show()

在这里插入图片描述
3、
在这里插入图片描述
x显示字符串

from matplotlib import pyplot as plt
import random
x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度,
_x=x
_xtick_labels=["hello,{}".format(i) for i in _x]
plt.xticks(x,_xtick_labels)
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import random
x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度,
_x=list(x)[::10]
_xtick_labels=["hello,{}".format(i) for i in _x]
plt.xticks(x,_xtick_labels)
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import random
x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度,
_xtick_labels=["10点{}分".format(i)for i in range(60)] #10点0分——10点59分
_xtick_labels += ["11点{}分".format(i-60)for i in range(60，120)]#11点0分——11点119分
#_xtick_labels=["11点{}分".format(i)for i in range(60)] #11点0分——11点59分
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3])
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import random
x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度,
_xtick_labels=["10点{}分".format(i)for i in range(60)] #10点0分——10点59分
_xtick_labels += ["11点{}分".format(i-60)for i in range(60，120)]#11点0分——11点119分
#_xtick_labels=["11点{}分".format(i)for i in range(60)] #11点0分——11点59分
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=90)#rotation表示旋转的度数
plt.show()

在这里插入图片描述
当rotation=270在这里插入图片描述
当rotation=45
在这里插入图片描述
4、
中文不显示的
fc-list：查看支持的中文
在这里插入图片描述
1、Windows和Linux设置字体的方式

from matplotlib import pyplot as plt
import random
import matplotlib
font = {'family' : 'MicroSoft YaHei',
        'weight' : ;'bold',
        'size' : 'larger'}
matplotlib.rc("font",**font)
matplotlib.rc("font",family='MicroSoft YaHei',weight : "bold")
x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度,
_xtick_labels=["10点{}分".format(i)for i in range(60)] #10点0分——10点59分
_xtick_labels += ["11点{}分".format(i-60)for i in range(60，120)]#11点0分——11点119分
#_xtick_labels=["11点{}分".format(i)for i in range(60)] #11点0分——11点59分
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=90)#rotation表示旋转的度数
plt.show()

注意：如果不知道代码怎么用，可以看源码ctrl+B
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2、第二种方式设置字体大小的方式

from matplotlib import pyplot as plt
import random
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc"#字体的路径

x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度,
_xtick_labels=["10点{}分".format(i)for i in range(60)] #10点0分——10点59分
_xtick_labels += ["11点{}分".format(i-60)for i in range(60，120)]#11点0分——11点119分
#_xtick_labels=["11点{}分".format(i)for i in range(60)] #11点0分——11点59分
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=45,fontproperties=my_font)#rotation表示旋转的度数
plt.show()

在这里插入图片描述
在这里插入图片描述
5、
在这里插入图片描述

from matplotlib import pyplot as plt
import random
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc"#字体的路径

x=range(0,120)
y=[random.randint(20,35)for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度,
_xtick_labels=["10点{}分".format(i)for i in range(60)] #10点0分——10点59分
_xtick_labels += ["11点{}分".format(i-60)for i in range(60，120)]#11点0分——11点119分
#_xtick_labels=["11点{}分".format(i)for i in range(60)] #11点0分——11点59分
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=45,fontproperties=my_font)#rotation表示旋转的度数

#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度 单位（℃）")
plt.title("10点到12点每分钟的气温变化情况")
plt.show()

在这里插入图片描述
注意：中文没有显示，中文显示需要添加fontproperties，把myfont传进去

plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度 单位（℃）",fontproperties=my_font)
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)

在这里插入图片描述
6、练习
在这里插入图片描述
在这里插入图片描述
代码实现：
x轴显示岁数，Y轴显示个数

from matplotlib import pyplot as plt
from matplotlib import font_manager

y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
x = range(11,31)#11岁到31岁刚好20个数


#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#设置X轴刻度
_xtick_labels = ["{}岁",format(i) for i in x]
plt.xticks(x,_xtick_labels)

#展示
plt.show()

在这里插入图片描述
7、

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc"#字体的路径

y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
x = range(11,31)#11岁到31岁刚好20个数


#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#设置X轴刻度
_xtick_labels = ["{}岁",format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)

#展示
plt.show()

在这里插入图片描述
8、添加个网格

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc"#字体的路径

y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
x = range(11,31)#11岁到31岁刚好20个数


#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#设置X轴刻度
_xtick_labels = ["{}岁",format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)

#绘制网格
plt.grid()

#展示
plt.show()

在这里插入图片描述
9、使网格更详细一点

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc"#字体的路径

y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
x = range(11,31)#11岁到31岁刚好20个数


#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#设置X轴刻度
_xtick_labels = ["{}岁",format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)
plt.yticks(range(0,9))
#绘制网格
plt.grid()

#展示
plt.show()

在这里插入图片描述
注：如果想网格颜色浅些，添加透明度

10、添加透明度

#绘制网格
plt.grid(alpha=0.4)

在这里插入图片描述

#绘制网格
plt.grid(alpha=0.1)

在这里插入图片描述
11、实例：
在这里插入图片描述

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc"#字体的路径
y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_2 =[1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1] 

x = range(11,31)#11岁到31岁刚好20个数


#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_1)
plt.plot(x,y_2)
#设置X轴刻度
_xtick_labels = ["{}岁",format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)
#plt.yticks(range(0,9))
#绘制网格
plt.grid(alpha=0.4)

#展示
plt.show()

(黄线：同桌，蓝色：自己）
在这里插入图片描述
12、如何辨别黄线和蓝线代表的是谁

plt.plot(x,y_1,label="自己")
plt.plot(x,y_2,label="同桌")

#添加图例
plt.legend()
#展示
plt.show()

在这里插入图片描述

plt.plot(x,y_1,label="自己")
plt.plot(x,y_2,label="同桌")

#添加图例
plt.legend(prop=my_font)
#展示
plt.show()

在这里插入图片描述

plt.plot(x,y_1,label="自己")
plt.plot(x,y_2,label="同桌")

#添加图例
plt.legend(prop=my_font,loc="upper left")#显示在左上角
#展示
plt.show()

注意：以下代码是图例要放的位置（upper right:右上，upper left：左上，lower right：右下，center left：左边的中间，lower center：下面的中间，upper center：上面的中间；传数字=传字符串（eg：loc="upper left"或者loc=2
在这里插入图片描述在这里插入图片描述
13、自己设置线条颜色、线条的风格、线条的粗细和透明度：
在这里插入图片描述
在这里插入图片描述

plt.plot(x,y_1,label="自己",color="orange") #颜色定为橙色
plt.plot(x,y_2,label="同桌",color="cyan") #颜色定为浅蓝色

#添加图例
plt.legend(prop=my_font,loc="upper left")#显示在左上角
#展示
plt.show()

在这里插入图片描述
线条的风格：linestyle=’- -’
线条的粗细：linestyle=5
透明度：alpha=0.5

plt.plot(x,y_1,label="自己",color="orange",linestyle=':' ) #颜色为橙色,线条为纯虚线
plt.plot(x,y_2,label="同桌",color="cyan",linestyle="-.") #颜色为浅蓝色，线条为点划线

#添加图例
plt.legend(prop=my_font,loc="upper left")#显示在左上角
#展示
plt.show()

在这里插入图片描述
也可以改网格的线条

plt.plot(x,y_1,label="自己",color="orange",linestyle=':' ) #颜色为橙色,线条为纯虚线
plt.plot(x,y_2,label="同桌",color="cyan",linestyle="-.") #颜色为浅蓝色，线条为点划线
#绘制网格
plt.grid(alpha=0.4,linestyle=':')
#添加图例
plt.legend(prop=my_font,loc="upper left")#显示在左上角
#展示
plt.show()

在这里插入图片描述
注意：线条的颜色也可以十六进制表示
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
eg：

plt.plot(x,y_1,label="自己",color="orange",linestyle=':' ) #颜色为橙色,线条为纯虚线
plt.plot(x,y_2,label="同桌",color="DB7093",linestyle="-.") #颜色为浅蓝色，线条为点划线

在这里插入图片描述
14、
在这里插入图片描述

三、总结：

在这里插入图片描述
matplotlib绘图实例
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四、对比常用统计图

在这里插入图片描述

五、绘制散点图

在这里插入图片描述
在这里插入图片描述

from matplotlib import pyplot as plt
from matplotlib import font_manager
#X轴绘制时间（3月份和10月份是31天），3月份和10月份的气温绘制在Y轴上
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_10=[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 = range(1,32)
plt.scatter(x,y_3)
#展示
plt.show()

在这里插入图片描述
对图像进行放大，同时把10月份的也绘制上去

from matplotlib import pyplot as plt
from matplotlib import font_manager
#X轴绘制时间（3月份和10月份是31天），3月份和10月份的气温绘制在Y轴上
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_10=[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)
#这两个x轴回传到一起，如果不想传到一起需要把x轴网右移，所以后面的10要往后移
x_10=range(51,82)
#设置图形大小
plt.fingure(figsize=(20,8),dpi=80)
plt.scatter(x_3,y_3)
plt.scatter(x_10,y_10) #这两个x轴回传到一起，如果不想传到一起需要把x轴网右移，所以后面的10要往后移
#展示
plt.show()

在这里插入图片描述
需要调整刻度

from matplotlib import pyplot as plt
from matplotlib import font_manager
#X轴绘制时间（3月份和10月份是31天），3月份和10月份的气温绘制在Y轴上
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_10=[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)
#这两个x轴回传到一起，如果不想传到一起需要把x轴网右移，所以后面的10要往后移
x_10=range(51,82)
#设置图形大小
plt.fingure(figsize=(20,8),dpi=80)
plt.scatter(x_3,y_3)
plt.scatter(x_10,y_10) 
#调整X轴的刻度
_x = list(x_3)+list(x_10)#因为32到50的数字缺少，因为我们需要展示62个点
_xtick_labels = ["3月{}日".format(i)for i in_3]
_xtick_labels += ["10月{}日".format(i-50)for i in x_10]#这里减50是因为从51开始的
plt.xticks(_x,_xtick_labels)

#展示
plt.show()

在这里插入图片描述
中文太密集，无法显示

from matplotlib import pyplot as plt
from matplotlib import font_manager
#X轴绘制时间（3月份和10月份是31天），3月份和10月份的气温绘制在Y轴上
my_font = font_manger.fontproperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc"
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_10=[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)
#这两个x轴回传到一起，如果不想传到一起需要把x轴网右移，所以后面的10要往后移
x_10=range(51,82)
#设置图形大小
plt.fingure(figsize=(20,8),dpi=80)
plt.scatter(x_3,y_3)
plt.scatter(x_10,y_10) 
#调整X轴的刻度
_x = list(x_3)+list(x_10)#因为32到50的数字缺少，因为我们需要展示62个点
_xtick_labels = ["3月{}日".format(i)for i in_3]
_xtick_labels += ["10月{}日".format(i-50)for i in x_10]#这里减50是因为从51开始的
plt.xticks(_x,_xtick_labels,fontproperties=my_font,rotation=45)

#展示
plt.show()

注意：fc—list
在这里插入图片描述

plt.xticks(_x[::3],_xtick_labels[::3],fontproperties=my_font,rotation=45)

在这里插入图片描述
加上X轴表示时间，y轴表示气温

#设置图形大小
plt.fingure(figsize=(20,8),dpi=80)
#使用scatter方法绘制散点图，和之前绘制之险途的唯一区别
plt.scatter(x_3,y_3,label="3月份")
plt.scatter(x_10,y_10,label="10月份") 
#调整X轴的刻度
_x = list(x_3)+list(x_10)#因为32到50的数字缺少，因为我们需要展示62个点
_xtick_labels = ["3月{}日".format(i)for i in_3]
_xtick_labels += ["10月{}日".format(i-50)for i in x_10]#这里减50是因为从51开始的
plt.xticks(_x,_xtick_labels,fontproperties=my_font,rotation=45)
#添加图例
plt.legend(loc="upper left",prop=my_font)
#添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度",fontproperties=my_font)
plt.title("标题",fontproperties=my_font)
#展示
plt.show()

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

六、绘制条形图

在这里插入图片描述
在这里插入图片描述

from matplotlib import pyplot as plt
from matplotlib import font_manager

a=["战狼2","速度与激情8","功夫瑜伽","西游降妖篇","变形金刚5：最后的骑士","摔跤把！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]

#绘制条形图
plt.bar(range(len(a)),b,width=0.3)

plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manger.fontproperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc"

a=["战狼2","速度与激情8","功夫瑜伽","西游降妖篇","变形金刚5\n：最后的骑士","摔跤把！爸爸","加勒比海盗5\n：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\n","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠\n：英雄归来","悟空传 ","银河护卫队2\n ","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]

#设置图形大小
plt.figure(figsize(20,8),dpi=80)
#绘制条形图
plt.bar(range(len(a)),b,width=0.3)
#设置字符串到X轴
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=45)
plt.show()

在这里插入图片描述

#设置字符串到X轴
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=90)
plt.show()

在这里插入图片描述
图片大些

#设置图形大小
plt.figure(figsize(20,15),dpi=80)
#绘制条形图
plt.bar(range(len(a)),b,width=0.3)
#设置字符串到X轴
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=90)
plt.savefig("./movie.png")
plt.show()

在这里插入图片描述
在这里插入图片描述
绘制横着的条形图

#绘制横着的条形图
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manger.fontproperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc"

a=["战狼2","速度与激情8","功夫瑜伽","西游降妖篇","变形金刚5\n：最后的骑士","摔跤把！爸爸","加勒比海盗5\n：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\n","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠\n：英雄归来","悟空传 ","银河护卫队2\n ","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]

#设置图形大小
plt.figure(figsize(20,15),dpi=80)
#绘制条形图
plt.barh(range(len(a)),b,width=0.3)#b和width传的值一样
#设置字符串到X轴
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=90)
plt.savefig("./movie.png")
plt.show()

在这里插入图片描述

#设置图形大小
plt.figure(figsize(20,8),dpi=80)
#绘制条形图
plt.barh(range(len(a)),b,height=0.3)
#设置字符串到X轴
plt.yticks(range(len(a)),a,fontproperties=my_font)
plt.savefig("./movie.png")
plt.show()

在这里插入图片描述
添加一些颜色和网格

#绘制条形图
plt.barh(range(len(a)),b,height=0.3,color="orange")#width表示竖着条形图线条的粗细
#添加透明度、网格
plt.grid(alpha=0.3)

在这里插入图片描述
绘制竖着条形图

plt.bar(range(len(a)),b,width=0.3)#width表示竖着条形图线条的粗细

绘制横着条形图

plt.bar(range(len(a)),b,height=0.3)#width表示横着条形图线条的高低

实例：
在这里插入图片描述
14_16三天

from matplotlib import pyplot as plt
from matplotlib import font_manager
a=["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16=[15746,312,4497,319]
b_15=[12357,156,2045,168]
b_16=[2358,399,2358,362]

bar_width =0.2

x_14= list(range(len(a)))
x_15=[i+bar_width for i in x_14] #绘制x轴的时候往右移动0.2
x_16=[i+bar_width*2 for i in x_14]
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.bar(range(len(a)),b_14,width=bar_width)

plt.bar(x_15,b_15,width=bar_width)
plt.bar(x_16,b_16,width=bar_width)
plt.show()

在这里插入图片描述
缺少字符串与数字对应

my_font = font_manger.fontproperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc"
#设置x轴的刻度
plt.xticks(x_15,a,fontproperties=my_font)

在这里插入图片描述
添加图例

bar_width=0.2#为了防止条形图重叠
plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")
#设置图例
plt.legend(prop=my_font)

在这里插入图片描述
在这里插入图片描述

七、绘制直方图

在这里插入图片描述
在这里插入图片描述
实例：

from matplotlib import pyplot as plt
from matplotlib import font_manager
a=[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]
plt.hist(a,20)
plt.show()

在这里插入图片描述

#计算组数
d =5 #组距
num_bins=max(a)-min(a)//d  #num_bins:组数，a的最大值-a的最小值，//d：取整
plt.hist（a,num_bins)
#设置x轴的刻度
plt.xticks(range(min(a),max(a),d)) #不包含max（a）
plt.show()

在这里插入图片描述

#计算组数
d =5 #组距
num_bins=max(a)-min(a)//d  #num_bins:组数，a的最大值-a的最小值，//d：取整
plt.hist（a,num_bins)
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d)) #+d包含最大值
plt.show()

在这里插入图片描述
画网格，设定图形大小

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins)

在这里插入图片描述
d（组距）=3时

#计算组数
d =3 #组距
num_bins=max(a)-min(a)//d  #num_bins:组数，a的最大值-a的最小值，//d：取整
plt(max(a),min(a),max(a)-min(a)) #156 78 78
print(num_bins)# 26
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins)

#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d)) #+d包含最大值
plt.show()

在这里插入图片描述

#计算组数
d =3 #组距
num_bins=max(a)-min(a)//d  #num_bins:组数，a的最大值-a的最小值，//d：取整
plt(max(a),min(a),max(a)-min(a)) #156 78 78
print(num_bins)# 26
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins，normed=True)

#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d)) #+d包含最大值
plt。grid（）
plt.show()

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

from matplotlib import pyplot as plt
from matplotlib import font_manager

interval = [0,5,10,15,20,25,30,35,40,45,60,90] #时间段，绘制到x轴
width = [5,5,5,5,5,5,5,5,5,15,30,60]#组距
quantity =[836,2737,3723,3926,3956,1438,3273,642,824,613,215,47]

#设置图形大小
plt.figure(figsize(20,8),dpi=80)
plt.bar(range(len(quantity)),quantity,width=width)
plt.show()

在这里插入图片描述
宽度统一

plt.bar(range(len(quantity)),quantity)

在这里插入图片描述

print(lan(interval),len(width),len(quantity))#12 12 12
plt.bar(range(len(quantity)),quantity，width=1)
#设置x轴的刻度
_x = [i-0.5 for i in range(13)]
_xtick_labels = interval=[150]
plt.xticks(_x,_xtick_labels)
#plt.grid(alpha=0.4) #网格的细度

在这里插入图片描述
在这里插入图片描述

八、matplotlib常见问题总结

1、
在这里插入图片描述
2、
在这里插入图片描述
在这里插入图片描述
拓展：百度ECHART、seaborn

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Tidel Wave
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
数据分析学习笔记（四）——Matplotlib
weixin_44861172的博客
04-12 164
两种不同的绘图接口——面向过程与面向对象 Matplotlib内置了两种接口，一种是类似于matlab的面向过程接口，所有的过程在底层实现，用户直接应用plt函数调用相应的方法绘图以及修改途图中坐标。 另一种是面向对象的过程，以figure创建一个容器对象，axes创建坐标对象，然后利用两个对象分别调用相应的方法，需要注意的是面向对象时一般应用set方法一次设置好所有的参数。 利用scatt...
python中matplotlib库_Python Matplotlib库入门指南
weixin_39695306的博客
11-30 87
Matplotlib简介Matplotlib是一个Python工具箱，用于科学计算的数据可视化。借助它，Python可以绘制如Matlab和Octave多种多样的数据图形。最初是模仿了Matlab图形命令, 但是与Matlab是相互独立的.通过Matplotlib中简单的接口可以快速的绘制2D图表初试MatplotlibMatplotlib中的pyplot子库提供了和matlab类似的绘图API....
matplotlib库
qq_30747875的博客
06-21 449
前言 也没啥前言好讲了，就是快要考了(狗头滑稽) 目录前言导入库实操(1)线状图像(2)对图形的修饰(3)饼状图(4)单个条形图(5)双条形图 导入库 matplotlib库是数据可视化的一种手段，往往用于作图分析。可以做饼状图，柱状图，函数图像等等。若要运用这个 高效能的库，首先导入就比较麻烦。 import matplotlib.pyplot as plt #可以理解为plot是一个平台就是要在上面画图。 实操 (1)线状图像 若要画线状图，直接用初中最基本的描点作图的思想即可。运用库中的plot函
python中matplotlib库实例_Python中matplotlib库的用法介绍
weixin_39640687的博客
12-22 149
本篇文章给大家带来的内容是关于Python中matplotlib库的用法介绍，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。介绍matplotlib库是Python中的一个2D绘图库。安装$ pip install matplotlib入门绘制折线图pyplot函数绘制折线图这里画一个月份与温度的折线图：import matplotlib.pyplot as plt x_mont...
python-matplotlib实例
weixin_50108437的博客
10-14 241
直接上实例: (以下皆是在jupyter上的运行效果) # 导入模块 import numpy as np import matplotlib.pyplot as plt # 处理中文正常显示 plt.rcParams['font.sans-serif'] = 'SimHei' # 处理负号正常显示 plt.rcParams['axes.unicode_minus'] = False step1:创建三角函数 np.arange(-4, 4, 0.5) array([-4. , -3.5, -3
Python matplotlib学习笔记之坐标轴范围
01-21
参靠视频:《Python数据可视化分析 matplotlib教程》链接：https://www.bilibili.com/video/av6989413/?p=6 所用的库及环境: IDE:Pycharm Python环境：python3.7 Matplotlib: Matplotlib 1.11 Numpy： Numpy1.15....
python数据可视三大库之matplotlib库（一：理论知识快速上手）
01-20
这是继我的上一篇博客《环境安装血泪史之人工智能劝退篇（anaconda3+cuda10.2+cudnn7.6+tensorflow-gpu2.1.0）win10系统的gpu版》后的关于tensorflow2.0的学习前奏笔记，要学习机器学习建议先了解以下python有关数据...
python数据分析2nd文档笔记加书中代码
03-01
此外，笔记中可能会强调Python数据分析生态中的其他关键库，如SciPy用于科学计算，Scikit-learn用于机器学习，以及Statsmodels用于统计建模。这些库的使用方法和应用场景也会被详细讨论。 总而言之，这个资料包为...
python——Matplotlib学习笔记2
12-22
本篇学习笔记主要关注如何使用Matplotlib绘制散点图。 首先，我们来看一个基础的散点图绘制例子。在Python中，可以使用`matplotlib.pyplot`模块来实现这个功能。下面的代码片段展示了如何手动创建一个散点图： ```...
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 ...
Python Matplotlib
从零开始的教程世界
07-15 391
Python matplotlib library helps us to plot data on graphs in its simplest terms. If you are familiar with MATLAB plotting, then Matplotlib will be easy to use for basic plotting. Python matplotlib库帮助我...
Matplotlib库学习（1）
最新发布
qq_53011579的博客
11-08 177
Matplotlib库学习
初识Python中matplotlib库
SuperFeng
04-04 419
最近遇到个任务需要画一些坐标图，我就在想，用了这么长时间的 Python 了，能不能用 Python 画图呢？学习一门语言不能只为了学习语言而学习，要做到学以致用。Google 了一下，果然有新的发现，Python 中 matplotlib 库是专门用来画图的，操作了一番后，发现用 Python 画图真的爽，人生苦短，快用 Python！下面简单的介绍一下 matplotlib 库的用法，起到一个...
plot画图 python 双线_?Python 天气情况数据分析及可视化
weixin_39675926的博客
11-20 198
Python 天气情况数据分析及可视化环境配置Pycharm开发环境 python 版本 python3.7 Anconda 集成开发环境第三方库导入## pip install 模块 清华大学镜像源 import requests from bs4 import BeautifulSoup import io import sys import pandas from matplotli...
python数据分析day1
kongqing23的博客
12-29 208
1.jupyter notebook 1.简介 Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。 2.打开方式 1.直接在cmd输入jupyter notebook 2.进入anaconda内部打开 3.主要特点 编程时具有语法高亮、缩进、tab补全的功能。 可直接通过浏览器运行代码，同时在代码块下方展示运行结果。 以富媒体格式展示计算结果。富媒体格式包括：HTML，LaTeX，PNG，S
pytorch初学习记录之CIFAR10数据分类网络
xulingxin的博客
04-20 524
最近尝试学习使用了深度学习框架pytorch，记录如下内容。主要是分析例程CIFAR10数据分类网络。 1，网络的定义 网络部分的定义主要是两个部分。 （1）组成网络的各个模块定义。如卷积层，池化层，全连接层等。 a. 卷积层定义。 卷积层定义使用函数torch.nn.Conv2d()，主要参数包括in_channels，out_channels,kernel_size等。这里主要介绍这三个参数的...
python list常用方法_Python中列表(List)的基本用法
weixin_39914049的博客
11-20 2533
一、列表的创建list((3, 5, 7, 9, 11))list(range(1, 10, 2))""" 字符串、集合、字典的键、字典的键：值对转列表 """list('hello, world')list({3, 7, 8})list({'a':3, 'b':9, 'c':78})list({'a':3, 'b':9, 'c':78}.items())""" 空列表 """x = list()...
Python数组类型——列表（list）
CheryW的博客
08-23 6839
Python数组类型——列表（list） 列表是最常用的Python数据类型，可以作为一个方括号内的逗号分隔值出现。 列表的数据项不需要具有相同的类型，列表索引从0开始。 创建一个列表，只要把逗号分隔的不同的数据项使用方括号括起来即可。如下所示： list0 = [] list1 = ['physics', 'chemistry', 1997, 2000] list2 = [1, 2, 3, 4, 5 ] list3 = ["a", "b", "c", "d"] 1、可以使用append()方法来添加列表
python -matplotlib figure操作
weixin_43327597的博客
04-15 1396
python -matplotlib figure操作 对于matplotlib当我们画图时，首先一步是对figure的定义，下面先给大家看一段代码 import matplotlib.pyplot as plt import numpy as np import os x=np.linspace(-3,3,50) y1=x*2+1 y2=x**2 plt.figure() plt.plo...
Python数据分析入门：matplotlib、numpy与pandas实战教程
这门Python数据分析课程旨在提供扎实的基础知识，让学生在掌握matplotlib、numpy和pandas等核心库的同时，学会如何运用这些工具进行有效的数据探索和解读，从而为后续的深度学习和数据科学项目打下坚实基础。...
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