pandas->numpy->list
import pandas as pd
import numpy as np
data=pd.DataFrame([[1,2],[3,4]])
data=np.array(data)
data.tolist()
1、绘制一个柱状图:
from matplotlib import pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif']=['SimHei'] #使图中 的描述汉字可以显示
%matplotlib inline #有了这个就不用plt.show()也能展示出图,仅限用于jupyter
#柱状图:第一个参数是横轴的坐标值 第二个参数是纵轴的坐标值
plt.bar(range(5),[100,500,300,230,500],color='pink')
plt.xticks(range(5),['张三','李四','王五','小红','小明']) #给横轴坐标值变为张三、李四、...
plt.xlabel('姓名') #给横坐标起名字
plt.ylabel('得分') 给纵坐标起名字
plt.title('学生分数') 给该图起个标题
plt.ylim([80,550]) #刻度范围
plt.show() 展示柱状图
plt.plot([100,500,300,230,500],linewidth=3) linewidth设置线宽
plt.savefig('a.jpg') #保存图片
plt.show()
这样的展示效果是两个图
如果上面的plt.show()注释掉 两个图就合成一个图了
——————————————————————————————————————————
2、饼图
beijing=[17,18,40,60]
#定义标签
labels=['2-3年','3-4年','4-5年','5年以上']
#颜色
colors=['red','green','blue','purple']
#做好容器
indic=[]
for index,item in enumerate(beijing):
#判断优先级
if item == max(beijing):
indic.append(0.1) #向外突出
else:
indic.append(0)
#填充数据
plt.title('3d饼图突出展示工龄占比')
plt.pie(beijing,labels=labels,colors=colors,autopct='%1.1f%%',startangle=90,shadow=True,explode=tuple(indic))
plt.show()
#第一个参数是每个的面积,第二个参数是每个的名字,第三个参数可以展示出每个所占比例
plt.title('人口比例')
——————————————————————————————————————————
3、直方图
heights=[180,160,177,177]
plt.hist(heights,color='red',alpha=0.5)
#第一个参数是数据、第二个参数是图的颜色,第三个参数是颜色的透明度
plt.xlabel('身高')
plt.ylabel('体重')
plt.title('身高统计')
这个直方图横轴表示数,纵轴表示该数的个数
——————————————————————————————————————————
4、散点图
import numpy as np
np.random.seed(10) #随机种子,就是把随机值固定成一组数据,每次运行得到的随机值都一样
heights=[]
weights=[]
heights.append(np.random.randint(150,185,size=50))
weights.append(np.random.randint(50,100,size=50)) #两个列表的值要一样
plt.scatter(heights,weights,marker='^') #marker可以给散点图里的点改变形状
——————————————————————————————————————————
5、折线图
x=[4,65,71,5,3]
y=[3,12,5,2,3]
plt.plot(x,y)
由(4,3)-》(65,12)-》(71,5)。。。。这些点依次相连
————————————————————————————————————————————
sklearn
import pandas as pd
from sklearn.datasets import load_iris #鸢尾花数据集
data=load_iris().data
# print(type(data))
# print(data)
# data=data.tolist()
#花萼的长、花萼_的宽
#取出前两列并绘制散点图,用三角表示
#花瓣的长,花瓣的宽,绘制散点图,用*表示
#不同颜色区分
data1=pd.DataFrame(data)
heights=data1[0]
weights=data1[1]
heights2=data1[2]
weights2=data1[3]
plt.scatter(heights,weights,marker='^',color='red')
plt.scatter(heights2,weights2,marker='*',color='blue')
plt.show()
————————————————————————————————————————————
趋势图:
from matplotlib import pyplot as plt
import numpy as np
x = ['2019-05-01','2019-05-02','2019-05-03','2019-05-04']
#定义y轴数据
y1 = [0,5,6,10] #代表温度
y2 = [10,15,16,9] #代表湿度
# 填充数据
plt.plot(x,y1,label='temperature')
plt.plot(x,y2,label='water')
#设置图例
plt.legend()
#绘制
plt.show()
————————————————————————————————————————————
3D散点图:
from mpl_toolkits.mplot3d.axes3d import Axes3D
x = np.random.randint(0,10,size=100)
y = np.random.randint(0,10,size=100)
z = np.random.randint(0,10,size=100)
#创建二维对象
fig = plt.figure()
#强转
axes3d = Axes3D(fig)
plt.xlabel('投球次数')
plt.ylabel('投球得分')
#填充数据
axes3d.scatter(x,y,z)
plt.show()
————————————————————————————————————————————
条形图:
price = [40,32.8,20,19.6]
#填充数据
plt.barh(range(4),price,align='center',color='red',alpha=0.5)
#设置标签
plt.xlabel('价格')
plt.ylabel('商品')
#编辑数据
plt.yticks(range(4),['西游记','红楼梦','水浒传','三国演义'])
#设置标题
plt.title('四大名著')
plt.show()
——————————————————————————————————————————
#定义面积图
def test_stackplot(self):
plt=self.plt
#定义数据
data = ['2019-05-01','2019-05-02','2019-05-03','2019-05-04']
#收入
earn=[156,356,156,30]
#支出
pay=[[10,30,10,10],[12,50,5,20],[5,15,12,30],[8,13,14,50]]
#填充数据
plt.stackplot(data,earn,pay,colors=['green','yellow','orange','red'])
#生成图例
plt.plot([],[],color='green',label='收入')
plt.plot([],[],color='yellow',label='早饭')
plt.plot([],[],color='orange',label='中饭')
plt.plot([],[],color='red',label='晚饭')
plt.legend()
plt.show()
matplotlib绘图
最新推荐文章于 2024-08-19 14:41:29 发布