Matplotlib的常用操作实战

最新推荐文章于 2024-08-07 22:58:53 发布
最新推荐文章于 2024-08-07 22:58:53 发布
阅读量2.8k 收藏 23
点赞数 5
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/qq_46378251/article/details/122045618
版权

文章目录

前言

本文介绍了一些matplotlib的使用技巧，以问题代码的形式展现。
阅读目标：使读者能独立实现以下的代码，掌握matplotlib的基本使用技巧。

一、matplotlib是什么？

Matplotlib是一个Python的2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib，开发者可以仅需要几行代码，便可以生成绘图。Matplot使用Numpy进行数组运算，并调用一系列其他的Python库来实现硬件交互。

二、实战练习

1.plot,xlim,xlabel,grid的使用

问题1：
应用plot绘制两条曲线图：y=sinx，z=cosx。
要求：

  1. 两条曲线是不同颜色，不同线型，不同的marker。
  2. 线条粗细分别是2和5.
  3. 标签文本的位置在左上角。
  4. 点的个数是30个，x坐标范围【0,10】。y坐标范围【-1.2,1.2】。
  5. 有xy坐标的标签文本，分别为x-axis,y-axis
  6. 有网格线，颜色与两条曲线不同，线型为：
x = np.linspace(0,10,30)
y = np.sin(x)
z = np.cos(x)
plt.xlim(0,10)
plt.ylim(-1.2,1.2)
plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.grid(linestyle=":",color="black")
plt.plot(x,y,lw=2,ls="-",label="sin(x)",marker='$\heartsuit$', markersize=15, color='#f19790',alpha=0.5)
plt.plot(x,z,lw=5,ls="-.",label="cos(x)",marker='$\clubsuit$', markersize=15, color='g',alpha=0.5)
plt.legend(loc = "upper left")#loc设置标签的位置
plt.show()

在这里插入图片描述

2.scatter,legend,title

问题1：
应用scatter绘制两组散点图。
要求：

  1. 两组散点图是不同的cmap，不同的marker，不同的透明度。
  2. 线条宽度分别是2和8.
  3. 标签文本的位置在右下角，设置图例的对应关系分别是c1和c2，设置图例标题为cluster，设置图例边框为红色，图例背景为黄色，图例字体大小是22。
  4. 有xy坐标的标签文本，分别为x-axis,y-axis
import numpy as np
import matplotlib.pyplot as plt
import pprint
np.random.seed(0)
A1=np.array([0,0])
B1=np.array(([2,0],[0,2]))
#以Al为均值，B1为协方差矩阵，生成二维正态分布的随机数，个数为200×2个，每次生成不一样
C1=np.random.multivariate_normal(A1,B1,200)
C2=np.random.multivariate_normal(A1+20,B1+20,200)
#画布的大小为长8cm，高6cm
plt.figure(figsize=(8,6))
#画散点图，参数c要设置成随机数，个数注意要和前面相同
s1=plt.scatter(C1[:,0],C1[:,1],s=30,c=np.random.rand(200),cmap='winter',marker="*",alpha=0.85,linewidths=2)
s2=plt.scatter(C2[:,0],C2[:,1],s=30,c=np.random.rand(200),cmap='bone',marker="8",alpha=0.5,linewidths=8)
#x，y轴标签
plt.xlabel("x-axis")
plt.ylabel("y-axis")
#图例
plt.legend(["c1","c2"],title='cluster',loc="lower right",edgecolor='red',facecolor='yellow',fontsize=22)
plt.show()

在这里插入图片描述

3.xtick,text,annotate

问题1：
应用plot绘制两条曲线图：y=sinx，z=cosx。
要求：

  1. 两条曲线是不同颜色，不同线型，不同的marker。
  2. 线条粗细分别是2和5.
  3. 两条曲线在合适的位置分别加上text:y=sinx和y=cosx，颜色和曲线颜色一致，字体大小都是15。
  4. 点的个数是30个，x坐标范围【0,10】。y坐标范围【-1.2,1.2】。
  5. 有xy坐标,其中x轴的刻度为0，π，2π，3π
  6. 有标题，名称为：常见的三角函数。标题边框为红色，标题字体大小是22，角度为30度。
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']#显示中文
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,10,30)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y,ls='-',color="b",marker='*',linewidth=2)
plt.plot(x,z,ls='--',color="g",marker=4,linewidth=5)
plt.xlim(0,10)#x轴的刻度范围
plt.xticks([0,np.pi,2*np.pi,3*np.pi],[r"$0$",r'$\pi$',r"2$\pi$",r"3$\pi$"])#改变刻度的标签，前后一一对应
plt.ylim(-1.2,1.2)#y轴的刻度范围
#在指定位置放入文字
plt.text(2,0.15,"y=sin(x)",color="b",fontsize=15)
plt.text(4.5,0.35,"y=cos(x)",color="g",fontsize=15)
plt.title("常见三角函数",color="b",fontsize=22,rotation=30,bbox={"edgecolor":"red","facecolor":"white"})

在这里插入图片描述
问题2：
应用scatter绘制两组散点图，并加入text和annotate。
要求：

  1. 两组散点图是不同的cmap，不同的marker，不同的透明度。
  2. 线条宽度分别是2和8.
  3. 在两组散点图旁边分别加上round形状的标签注释，不要遮盖到散点，左右两个注释的内容分别为：C1，C2。背景色是黄色，边框色是绿色。大小为15，右标签旋转30度。
  4. 在两组标签注释中加一个双向箭头注释，文字为：clusters。背景色是蓝色，边框色是黄色。大小为20，旋转60度。
  5. 在两组标签中加上拐弯的箭头，要求用annotate命令，且arrowstyle为]-[，箭头颜色为红色。
import numpy as np
import matplotlib.pyplot as plt
import pprint
import matplotlib.patches as mpatches
#x1,y1=8,16
np.random.seed(0)
A1=np.array([0,0])
B1=np.array(([2,0],[0,2]))
C1=np.random.multivariate_normal(A1,B1,200)
C2=np.random.multivariate_normal(A1+20,B1+20,200)
plt.figure(figsize=(8,6))
#绘制散点图
s1=plt.scatter(C1[:,0],C1[:,1],s=30,c=np.random.rand(200),cmap='winter',marker="*",alpha=0.85,linewidths=2)
s2=plt.scatter(C2[:,0],C2[:,1],s=30,c=np.random.rand(200),cmap='bone',marker="8",alpha=0.5,linewidths=8)

plt.xlabel("x-axis")
plt.ylabel("y-axis")
#添加文本框，text参数接收bbox参数绘制文本框
bbox_props1 = dict(boxstyle="circle", fc="y", ec="green",alpha=0.9)
plt.text(-2,5,"C1",ha="center",va="center",size=15,rotation=0,bbox=bbox_props1)

bbox_props2 = dict(boxstyle="circle", fc="y", ec="green",alpha=0.9)
plt.text(15,25,"C2",ha="center",va="center",size=15,rotation=30,bbox=bbox_props2)

#使用文本框进行注释
bbox_props3 = dict(boxstyle="darrow", fc="blue", ec="y",alpha=0.9)
t = plt.text(8,15,"cluster",ha="center",va="center",size=20,rotation=60,bbox=bbox_props3)
# bb=t.get_bbox_patch()#获取这个文本框
# bb.set_boxstyle("darrow",pad=0.2)#对这个文本框的参数进行设置
ax=plt.subplot(111)
#使用箭头进行注释，这里使用拐弯的箭头
ax.annotate("",
           xy=(-1.5,8),xycoords='data',#在data坐标系
           xytext=(13,25),textcoords='data',#以注释点为原点的坐标系
           arrowprops=dict(arrowstyle="]-[",#小箭头的风格
           shrinkB=0,
           color="red",
           connectionstyle="arc3,rad=0.4")
           )

plt.show()

在这里插入图片描述

4.axvline,axvspan，综合图

问题1：
综合绘制图形，两条曲线图：y=sinx，y=cosx。
要求：

  1. 设置图的大小为（12,8），分辨率为100。
  2. 两条曲线是不同颜色，不同线型,线条宽度都是3。
  3. 标签文本的位置在左上角，label分别为y=sinx,y=cosx。
  4. x坐标范围【-2π,2π】，其中x轴的刻度为-2π，-π，0，π，2π，y坐标范围为y最大最小值的1.1倍。
  5. 将坐标轴移动到（0,0）位置。
  6. 在-π/4这个位置分别用箭头标注两个函数的函数值，并明确标出交点。
  7. 在两个函数值交点处加入不同颜色的垂直于x轴的虚线指引（虚线颜色与函数曲线颜色一致）。
import matplotlib.pyplot as plt
import numpy as np
#设置图的大小为(12,8)，分辨率为100
plt.figure(figsize=(12,8),dpi=100)
#画图，指定颜色，线宽，类型
x=np.linspace(-2*np.pi, 2*np.pi,1000)
c,s=np.cos(x),np.sin(x)
plt.plot(x,c,"b-",
         x,s,"r--",linewidth=3)
#设置显示范围
plt.xlim(x.min() * 1.1,x.max() * 1.1)
plt.ylim(c.min() * 1.1,s.max() * 1.1)
#得到画图的句柄
ax = plt.gca()
#ax.spines参数表示四个坐标轴线
#将右边和上边颜色设为透明
ax.spines['right'].set_color("none")
ax.spines['top'].set_color("none")
#将x轴的刻度设置在下面的坐标轴上
ax.xaxis.set_ticks_position('bottom')
#设置位置在原点
ax.spines['bottom'].set_position(('data',0))
#将y轴的刻度设置在左边的坐标轴上
ax.yaxis.set_ticks_position('left')
#设置位置在原点
ax.spines['left'].set_position(('data',0))
#设置x轴刻度及其标识
plt.xticks([-2*np.pi, -np.pi, 0, np.pi, 2*np.pi],
           ['$-2\pi$','$-\pi$','$0$','$\pi$','$2\pi$'],fontsize='xx-large')
#设置y轴刻度及其标识
plt.yticks([-1,0,1],
           ['$-1$','$0$','$+1$'],fontsize='xx-large')
#设置图例
l = plt.legend(['y=sin(x)','y=cos(x)'],loc='upper left', frameon=False)
#数据点对应的x轴坐标
t= -np.pi/4
#蓝色虚线
plt.plot([t,t],[0,np.cos(t)],color='blue',linewidth=2.5,linestyle="--")
#绘制标记点
plt.plot(t,np.cos(t),'ys')
#绘制箭头，在对应点显示文本
plt.annotate(r"$\sin(-\frac{\pi}{4})=-\frac{\sqrt{2}}{2}$",
           xy=(t,np.sin(t)),#数据点的坐标位置
           xycoords='data',#在data坐标系
           xytext=(20,50),#文本位置坐标
           textcoords='offset points',#坐标相对于数据点的坐标
           fontsize=16,#文本大小
           arrowprops=dict(arrowstyle="->",
           color="red",
           connectionstyle="arc3,rad=0.2")#箭头
           )
#红色虚线
plt.plot([t,t],[0,np.sin(t)],color='red',linewidth=2.5,linestyle="--")

plt.plot(t,np.sin(t),'gd',markersize=10)

plt.annotate(r"$\cos(-\frac{\pi}{4})=\frac{\sqrt{2}}{2}$",
           xy=(t,np.cos(t)),
           xycoords='data',#在data坐标系
           xytext=(-120,-50),
           textcoords='offset points',
           fontsize=16,
           arrowprops=dict(arrowstyle="->",
           color="blue",
           connectionstyle="arc3,rad=0.2")
           )

plt.axvline(x=np.pi,c='g',ls='--',lw=3)#绘制垂直参考线

plt.axhspan(ymin=-1/3,ymax=1/3,facecolor='m',alpha=0.3)#绘制平行于x轴的参考区域

plt.show()

在这里插入图片描述

5.并列柱形图与堆积条形图

问题1：
1.绘制并列柱形图，x=[1,2,3,4,5,6,7]， y1=[5,2,3,6,2,4,6] ，y2=[3,1,4,5,8,9,7]。
要求：

  1. y2柱在y1柱的右边，两个柱体是不同颜色，不同的内填充线。
  2. 柱透明度0.8，柱宽0.5。
  3. 两组柱的标签分别是boy,girl,位置在左上角。
  4. 有xy轴刻度，其中x轴刻度依次是周一到周日。
import matplotlib.pyplot as plt
import numpy as np
#创建一个点数为8×6的窗口，并设置分辨率为80像素/英寸
plt.figure(figsize=(8,6), dpi=80)
#再创建一个规格为1×1的子图
plt.subplot(1,1,1)
#柱子总数
N = 7

name_list = ['Mondy', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']

x = np.arange(N)

y1 = (5, 2, 3, 6, 2, 4, 6)

y2 = (3, 1, 4, 5, 8, 9, 7)

width = 0.5

p1 = plt.bar(x, y1, width, label = "boy", hatch='///', align = "center", color = "#FF0000", alpha = 0.8)
p2 = plt.bar(x + width, y2, width, label = "girl", hatch='-', tick_label = name_list, align = "center", color = "#87CEFA", alpha = 0.8)

plt.xlabel("x")

plt.ylabel("y")

plt.legend(loc='upper left')

在这里插入图片描述

问题2：
2.绘制堆积条形图，x=[1,2,3,4,5,6,7]， y1=[5,2,3,6,2,4,6] ，y2=[3,1,4,5,8,9,7]。
要求：

  1. y2柱在y1柱的右边，两个柱体是不同颜色，不同的内填充线。
  2. 柱透明度0.5，柱宽0.3。
  3. 两组柱的标签分别是boy,girl,位置在右上角。
  4. 有xy轴刻度，其中y轴刻度依次是周一到周日。
import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(8,6), dpi=100)

plt.subplot(1,1,1)

N = 7

name_list = ['Mondy', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']

x = np.arange(N)

y1 = (5, 2, 3, 6, 2, 4, 6)

y2 = (3, 1, 4, 5, 8, 9, 7)

width = 0.3

plt.barh(x, y1, width, label = "boy", hatch='///', align = "center", color = "#FF0000", alpha = 0.5)
plt.barh(x, y1, width, left = y1, label = "girl", hatch='..', tick_label = name_list, align = "center", color = "#87CEFA", alpha = 0.5)

plt.xlabel("x")

plt.ylabel("y")

plt.legend(loc='upper right')

在这里插入图片描述

6.分裂式饼图与内嵌式环形饼图

问题1：
1.绘制分裂式饼图，有五块饼。
要求：

  1. 饼片有阴影。
  2. 第二块饼是分裂的。
  3. 五个饼的颜色各不相同。
  4. 文本标签在饼外，数值百分比保留小数点一位，且标签在饼内。
  5. 第一个饼片的旋转角度是45度。
import matplotlib as mp1
import matplotlib.pyplot as plt
mp1.rcParams["font.sans-serif"]=["SimHei"]
mp1.rcParams["axes.unicode_minus"]=False
plt.figure(figsize=(8,8), dpi=100)
labels = "A难度","B难度","C难度","D难度","E难度"
students = [0.25,0.10,0.20,0.30,0.15]

colors = ["lightskyblue","palegreen","mediumpurple","tomato","slategray"]
explode = [0.0,0.1,0.0,0.0,0.0]
plt.pie(students,labels=labels,explode=explode,autopct="%3.1f%%",startangle=45,colors=colors)#通过explode参数对扇区进行分裂
plt.title("不同难度试卷的学生占比")
plt.show()

在这里插入图片描述

问题2：
2.绘制分裂式饼图，有五块饼。
要求：在第一题基础上加上色条。

import matplotlib.cm as cm
import matplotlib as mp1
import matplotlib.pyplot as plt
mp1.rcParams["font.sans-serif"]=["SimHei"]
mp1.rcParams["axes.unicode_minus"]=False
plt.figure(figsize=(10,8), dpi=100)
labels = "A难度","B难度","C难度","D难度","E难度"
students = [0.25,0.10,0.20,0.30,0.15]
explode = [0.0,0.1,0.0,0.0,0.0]
plt.pie(students,labels=labels,explode=explode,autopct="%3.1f%%",startangle=45,colors=cm.ScalarMappable().to_rgba(students),shadow=True)
plt.title("不同难度试卷的学生占比")
sm = plt.cm.ScalarMappable(norm=plt.Normalize(vmin=0.1,vmax=0.3))
sm.set_array([])#保证颜色条可以正常显示
plt.colorbar(sm)#根据换算率均值从小到大显示颜色
plt.show()

在这里插入图片描述

问题3：
3. 绘制内嵌式环形饼图，外有五块饼，内有四块饼。
要求：

  1. 外饼有阴影，内饼没有阴影。
  2. 内外饼的文本标签颜色都是蓝色。
  3. 内外饼的边都是黄色。
  4. 数值百分比保留小数点一位，且数值标签都在饼内，外饼文本标签在饼外。
  5. 内饼文本标签用图例表示。
  6. 内外饼的第一个饼片的旋转角度都是60度。
import matplotlib as mp1
import matplotlib.pyplot as plt
mp1.rcParams["font.sans-serif"]=["SimHei"]#显示中文
mp1.rcParams["axes.unicode_minus"]=False# 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串
plt.figure(figsize=(8,8), dpi=100)
outer_labels = '1','2','3','4','5'
inner_labels = 'A','B','C','D'
s1 = [30,20,10,10,30]
s2 = [40,10,20,30]
outer_color = ["lightskyblue","palegreen","mediumpurple","tomato","wheat"]
inner_color = ['navy','pink','orangered','salmon']
#autopch是值的显示方式，默认是None；[pctdistance]:浮点数，指定显示比例距离圆心的距离。默认值0.6，为可选参数。
wedges1,texts1,autotexts1=plt.pie(s1,labels=outer_labels,startangle=60,autopct="%3.1f%%",radius=1,pctdistance=0.85,textprops=dict(color="b"),wedgeprops=dict(width=0.3,edgecolor="y"),shadow=True)
#[labeldistance]:浮点数，指定每个扇形对应标签与圆心的距离，默认值1.1，为可选参数。[textprops]:字典，设置文本对象的字典参数，默认值None，为可选参数。
#wedgeprops：饼图的格式，这里我们用width设置了环的宽度，使用edgecolor设置了边缘颜色
wedges2,texts2,autotexts2=plt.pie(s2,startangle=60,labeldistance=0.2,autopct="%3.1f%%",radius=0.5,pctdistance=0.75,textprops=dict(color="b"),wedgeprops=dict(width=0.3,edgecolor="y"))
#外饼文本标签在饼外；bbox_to_anchor(x, y, width, height)
plt.legend(wedges2,inner_labels,fontsize=12,title='内圈难度',loc='center right',bbox_to_anchor=(0.9,0,0.3,1))

在这里插入图片描述

7.阶梯图棉棒图极坐标图

问题1：

  1. 应用plot与step绘制曲线图和阶梯图：y=cosx。
    要求：
  1. 有xy坐标的标签文本，分别为x-axis,y-axis。
  2. 图例标签的位置在右上角。
  3. 两条线是不同颜色，不同线型。线条宽度都是3.
  4. 点的个数是30个，x坐标范围【0,10】，间隔2。y坐标范围【-1.2,1.2】,间隔0.4。
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(8,6), dpi=100)
x = np.linspace(1,10,30)
y = np.cos(x)

plt.xlabel("x-axis")

plt.ylabel("y-axis")
#where是step()函数的关键字参数，其中咱们所给它赋的值'pre'表示x轴上的每个数据点对应的y轴上的数值向左侧绘制水平线直到x轴上的此数据点的左侧相邻数据点为止，也就是说，x轴上的相邻数据点取值是按照所谓的左开右闭的区间进行数据点选取的.where除了'pre值外，还可以赋值'post'，它表示在x轴上的相邻数据点的取值是按照左闭右开的区间进行数据点选取的，正好与'pre'相反。
plt.step(x,y,color="gold",where="pre",lw=3,label="阶梯图")

plt.plot(x,y,'plum',lw=3,ls="--",label="条形图")

plt.xlim(0,10)
plt.xticks(np.arange(0,10,2))
plt.ylim(-1.2,1.2)
plt.yticks(np.arange(-1.2,1.2,0.4))

plt.legend(loc = "upper right")
plt.show()

在这里插入图片描述
问题2：
2. 绘制棉棒图：y=cosx。
要求：

  1. 有xy坐标的标签文本，分别为x-axis,y-axis。
  2. 图例标签的位置在右下角。
  3. 头部，基线，柱体是不同颜色。基线，柱体是不同线型，头部用菱形。
  4. 点的个数是50个，x坐标范围【0,10】，间隔3。y坐标范围【-1.2,1.2】,间隔0.3。
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(8,6), dpi=100)
plt.rcParams['font.family']='KaiTi'
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

a = np.linspace(0,10,50)
b = np.cos(a)
#xyz对应头部，柱体，基线
x,y,z=plt.stem(a,b,markerfmt="d",linefmt="-.",basefmt="-",label="棉棒图")

plt.xlim(0,10)
plt.xticks(np.arange(0,10,3))
plt.ylim(-1.2,1.2)
plt.yticks(np.arange(-1.2,1.2,0.3))

plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.title("棉棒图")
#分别设置头部，柱体，基线的颜色
plt.setp(x,color="gold")
plt.setp(y,color="coral")
plt.setp(z,color="pink")

plt.legend(loc = "lower right")

plt.show()

在这里插入图片描述

问题3：
3. 绘制极坐标气泡图。
要求：

  1. 角度是02π内的随机数，半径是05内的随机数。
  2. 气泡颜色和大小随机。
  3. 气泡的形状是五角星，透明度0.7。
    点的个数是100个。
import matplotlib.pyplot as plt
import numpy as np

N=100
r = 5*np.random.rand(N)
theta = 2*np.pi*np.random.rand(N)
area = 200*r**2
colors = theta
#绘制极坐标系
ax = plt.subplot(111,projection='polar')
#在极坐标系上绘制气泡图
c = ax.scatter(theta, r, c=colors,s=area,cmap="hsv",alpha=0.7,marker="*")

plt.show()

在这里插入图片描述

8.读入excel和子图

问题1：
绘制子图，分布在三行三列的画布中。
要求：

  1. 第一行只有1个图，读取《2.1散点图.xlsx》文档，并画三组散点图（所有散点数据），且三组散点的颜色不同。
  2. 第二行有2个图，其中，左边的图是读取《5.4 饼图系列.xlsx》文档，读取第一个工作表画的饼图，图的列跨度为1。
  3. 第二行右边的图是读取《2.11 气泡图.xlsx》文档，画气泡图，要求气泡的大小是weight，且气泡颜色不同，图的列跨度为2。
  4. 第三行左图是棉棒图y=cosx，头部，基线，柱体是不同颜色。基线，柱体是不同线型，头部用菱形。 点的个数是50个，x坐标范围【0,10】，间隔3。y坐标范围【-1.2,1.2】,间隔0.3。图的列跨度为2.
  5. 第三行右图是极坐标气泡图。角度是02π内的随机数，半径是03内的随机数。气泡颜色和大小随机。气泡的形状是五角星，透明度0.5。点的个数是50个。图的列跨度为1.
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
import xlrd
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False
plt.figure(figsize=(12,10),dpi=80)
########################################################绘制散点图
x = xlrd.open_workbook(r'2.1 散点图.xlsx')
#通过索引获取整张工作表
table = x.sheets()[0]
#读取第1列从第二行到337行的数据
x1 = table.col_values(0,1,337)
y1 = table.col_values(1,1,337)
x2 = table.col_values(2,1,337)
y2 = table.col_values(3,1,337)
x3 = table.col_values(4,1,337)
y3 = table.col_values(5,1,337)
#绘制三行三列排布的组合图形，这是第一行的第一个位置，列跨度为3
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax1.scatter(x1,y1,c='saddlebrown',label="scatter figure1")
ax1.scatter(x2,y2,c='gold',label="scatter figure1")
ax1.scatter(x3,y3,c='hotpink',label="scatter figure1")
########################################################绘制饼图
y = xlrd.open_workbook(r'5.4 饼图系列.xlsx')
#通过索引获取整张工作表
table = y.sheets()[0]
x4 = table.col_values(0,1,7)
y4 = table.col_values(1,1,7)
colors = ['lightskyblue','palegreen','mediumpurple','tomato','r','b']
#绘制三行三列排布的组合图形，这是第二行的第一个位置，列跨度为1
ax2 = plt.subplot2grid((3,3),(1,0),colspan=1,rowspan=1)
ax2.pie(y4,labels=x4,autopct='%3.lf%%',startangle=60,colors=colors)
########################################################绘制气泡图
z = xlrd.open_workbook(r'2.11 气泡图.xlsx')
#通过索引获取整张工作表
table = z.sheets()[0]
x5 = table.col_values(0,1,26)
y5 = table.col_values(1,1,26)
z5 = table.col_values(2,1,26)
#绘制三行三列排布的组合图形，这是第二行的第二个位置，列跨度为2
ax3 = plt.subplot2grid((3,3),(1,1),colspan=2,rowspan=1)
ax3.scatter(x5,y5,s=z5,c=np.random.rand(25),cmap='spring')
########################################################绘制棉棒图
#绘制三行三列排布的组合图形，这是第三行的第一个位置，列跨度为2
plt.subplot2grid((3,3),(2,0),colspan=2,rowspan=1)
a = np.linspace(0,10,50)
b = np.cos(a)
x,y,z=plt.stem(a,b,markerfmt="d",linefmt="-.",basefmt="-",label="棉棒图")
plt.xlim(0,10)
plt.xticks(np.arange(0,10,3))
plt.ylim(-1.2,1.2)
plt.yticks(np.arange(-1.2,1.2,0.3))
plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.title("棉棒图")
plt.setp(x,color="gold")
plt.setp(y,color="coral")
plt.setp(z,color="pink")
plt.legend(loc = "lower right")
##########################################################绘制极坐标图
N=100
r = 5*np.random.rand(N)
theta = 2*np.pi*np.random.rand(N)
area = 200*r**2
colors = theta
#绘制三行三列排布的组合图形，这是第三行的第3个位置，列跨度为1，画布为极坐标图
ax = plt.subplot2grid((3,3),(2,2),colspan=1,rowspan=1,projection='polar')
c = ax.scatter(theta, r, c=colors,s=area,cmap="hsv",alpha=0.5,marker="*")```

在这里插入图片描述

总结

通过学习熟悉了matplotlib的基本操作，我们在学习过程中不能舍本逐末，把过多的时间花在参数的记忆上，我们应该先对matplotlib有个总体的印象，之后再根据需要学习。

卡拉比丘流形
关注
专栏目录
Python与数据可视化：Matplotlib与Seaborn实战
AI架构设计之禅
02-23 915
在当今的数据驱动时代，数据可视化已成为利用数据进行决策和发现洞察的重要手段。数据可视化是指使用图形和视觉效果将复杂的数据转换为易于理解的形式，以便更好地揭示数据中的趋势、模式和关系。Matplotlib是一个Python库，用于绘制静态、交互式的二维和三维图形。它提供了一组高级API，使得绘制各种类型的图表变得简单。Seaborn是基于Matplotlib的Python数据可视化库，专注于统计图形。Seaborn提供了高级抽象层，使得创建统计图形更加容易。
常用python之Matplotlib（含注释）
09-13
文档中整理了常用python之Matplotlib（含注释），文档中整理了常用python之Matplotlib（含注释），文档中整理了常用python之Matplotlib（含注释）。
matplotlib常用方法
莱尼的博客
02-18 604
matplotlib常用方法
Matplotlib | 一文搞定Matplotlib从入门到实战演练！
最新发布
猫天意的博客
08-07 5199
Matplotlib 是一个 Python 的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。官网https://matplotlib.org/\qquad学习Matplotlib 可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib是Python的库，又是开发中常用的库。
Matplotlib常见用法
攀登Fox的博客
11-11 709
目录一、简介1.1、pyplot常用方法二、绘图2.1、直线图2.1.1、常规效果2.1.2、折线图2.1.3、曲线图2.1.4、三角函数2.1.5、subplot画布分区2.1.6、多颜色多格式2.1.7、添加图例2.2、散点图2.2.1、常规效果2.2.2、多颜色多大小2.3、柱状图2.4、饼状图2.5、等高线图 一、简介 Matplotlib是一个Python的2D绘图库，可以将数据可视化成各种图表； 1.1、pyplot常用方法 title()：图表名称 xlable()：x轴名称 ylable()
Matplotlib常用总结
wzk4869的博客
07-08 339
matplotlib常用总结
Matplotlib可视化分析实战
04-08
在Python的世界里，Matplotlib是最基础也是最常用的绘图库，它能够帮助我们创建各种静态、动态甚至交互式的图表。本教程通过实践案例，将理论与实际操作相结合，使读者能够掌握利用Matplotlib进行数据可视化的核心...
数据可视化实战：使用Matplotlib和Seaborn的艺术
07-26
### 数据可视化实战：使用Matplotlib和Seaborn的艺术 #### 引言 数据可视化作为数据分析不可或缺的一部分，在理解和呈现数据方面发挥着至关重要的作用。在众多数据可视化工具中，Python凭借其丰富的库支持脱颖而出...
Python数据可视化利器：Matplotlib和Seaborn实战教程，打造引人入胜的数据可视化
[Python数据可视化利器：Matplotlib和Seaborn实战教程，打造引人入胜的数据可视化](https://img-blog.csdnimg.cn/d7ca54f0a18d4cdfa71f496a081a7b7d.png) # 1. Python数据可视化的基础知识 数据可视化是一种将数据...
Python机器学习编程与实战教学教案05Matplotlib基础绘图.pdf
04-04
1. **pyplot常用绘图参数调节**：pyplot是Matplotlib库中的一个接口，提供了类似于MATLAB的命令式绘图方式。用户可以通过设置各种参数调整线条颜色、线型、标记样式、轴标签、标题等，使图形更加美观且易于理解。 2...
【Matplotlib】常用基本操作
发现问题，并解决问题，批判性思维
09-23 1472
文章目录学习心得1.Matplotlib图像构成2. Matplotlib是Python中一个二维绘图包，能够非常简单的实现数据可视化。Matplotlib最早由John Hunter于2002年启动开发，其目的是为了构建一个Matlab式的绘图函数接口。下面详细介绍Matplotlib图像构成、Matplotlib图像基本绘图流程、中文字符显示、坐标轴字符刻度标注等基本绘图知识。 为了方便快速绘图，Matplotlib通过pyplot模块（import matplotlib.pyplo
matplotlib常用操作
断点_C的博客
03-01 1275
matplotlib基本使用，比官方文档简单，当小字典工具使用
matplotlib实战
九久的博客
05-30 245
文章目录股票图 股票图 # 导入需要的库 import tushare as ts import matplotlib.pyplot as plt import matplotlib.finance as mpf %matplotlib inline # 设置历史数据区间 date1 = (2014, 12, 1) # 起始日期，格式：(年，月，日)元组 date2 = (2016, 12, 1) # 结束日期，格式：(年，月，日)元组 # 从雅虎财经中获取股票代码601558的历史行情 quot
【Matplotlib】Matplotlib绘图实战
探索世界，改变世界
05-19 2431
这个Matplotlib教程将指导您掌握Python数据可视化的基础知识：图解，pyplot和pylab等的解剖，等等 人类是非常视觉的生物：当我们看到可视化的东西时，我们会更好地理解事物。然而，展示分析，结果或见解的步骤可能是一个瓶颈：您可能甚至不知道从哪里开始，或者您可能已经考虑了正确的格式，但随后会出现如下问题：“这是否正确显示我想带给我的观众？“肯定会出现在你的脑海里。 当您使用Pyt...
matplotlib 常用方法
weixin_33978016的博客
09-20 69
https://blog.csdn.net/Notzuonotdied/article/details/77876080 plt.plot(x, y)：　# 第一个是横坐标的值，第二个是纵坐标的值 plt.show()：　　# 必要方法，用于将设置好的figure对象显示出来 plt.figure(num = 3, figsize=(8, 5))：　# 使用figure()函数重新申请一...
matplotlib绘图实战
Kevin & Python & Story
03-18 217
matplotlib绘图实战 1.绘制直线 import matplotlib.pyplot as plt import numpy as np #讲-1 到1的数据区间等分成50份 x = np.linespace(-1,1,50) #直线公式 y = 2*x+1 #绘图 plt.plot(x,y) #说明 plt.xlabel('x') plt.ylaabel('2x+1') #显示 p...
超全！40000字 Matplotlib 实战
小白学视觉
05-11 321
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导读Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。以下内容来自「Github」，为《PythonDataScienc...
matplotlib使用方法
烽火戏诸侯
08-08 7465
1.matplotlib简介： matplotlib是一个用于创建出版质量图表的桌面绘图包（主要是2D方面）。该项目是由John Hunter于2002年启动的，matplotlib支持各种操作系统上许多不同的GUI后端，而且还能将图片导出为各种常见的矢量（vector）和光栅（raster）图：PDF、SVG、JPG、PNG、BMP、GIF等。 2.matplotlib安装 python中有许多的包，在使用是就可以直接在python中调用该包中的模块，为此，在使用一些包的时候，我们需要先去安装包，关于（如
Ubuntu上安装matplotlib与TensorFlow实战指南
而matplotlib是Python中最常用的绘图库，对于数据分析和模型可视化有着重要作用。 首先，书中提到在Linux或Ubuntu系统上安装matplotlib的过程非常简单，只需要通过命令行执行相应的安装命令。这展示了在科学计算...
评论 1
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

卡拉比丘流形

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