MatplotlibTutorial——Matplotlib的基本使用【Jupiter Notebook代码】

最新推荐文章于 2020-07-30 09:32:31 发布
最新推荐文章于 2020-07-30 09:32:31 发布
阅读量431 收藏 3
点赞数
分类专栏： 数据处理 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/weixin_43450646/article/details/106893253
版权

加载必要的包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

基本线图绘图(学会查文档)

# 数据输入
x = [0,1,2,3,4]
y = [0,1,2,3,4]

# 设置图片大小
plt.figure(figsize=(5,3),dpi=200)

# 画第一个函数
plt.plot(x,y,label='y=x',color='green',marker='^',markersize=10,linewidth=1,linestyle='-')  # 加label后面才能显示legend

# 画第二个分段函数（有一个预测段）
x2 = np.arange(0,4.5,0.5)
plt.plot(x2[:3],x2[:3]**2,label='y=x^2',marker='*',color='r')
plt.plot(x2[2:],x2[2:]**2,label='y=x^2,prediction',marker='*',color='r',linestyle='--')

# 设置标题和坐标轴
plt.title("Our First Graph!",fontdict={'fontsize': 20})
plt.xlabel("X Axis",fontdict={'fontsize':9})
plt.ylabel("Y Axis",fontdict={'fontsize':9})

# 设置坐标轴的刻度（或者刻度标签）
#plt.xticks([0,1,1.5,2,3,3.5,4])
#plt.yticks([0,1,2,3,4])

# 输出前设置图例和网格
plt.legend()
plt.grid()

# 保存图片（先保存，后展示）
plt.savefig('mygraph.jpg',dpi=700)

plt.show()

在这里插入图片描述

基本条形图绘图

# 输入数据
labels = ['A','B','C']
values = [1,4,2]

# 基本绘图
bars = plt.bar(labels,values)

# 高阶的奇葩设置
#bars[0].set_hatch('/')
#bars[1].set_hatch('o')
#bars[2].set_hatch('*')
patterns = ['/','o','*']
for bar in bars:
    bar.set_hatch(patterns.pop(0))  # 这种方式更高级了一点

# 乱七八糟的设置
plt.title("My Second Graph!",fontdict={'fontsize': 20})
plt.legend()

plt.show()

在这里插入图片描述

实例教学一：汽油价格

gas = pd.read_csv('./matplotlib_tutorial_download/gas_prices.csv')
gas.head()
YearAustraliaCanadaFranceGermanyItalyJapanMexicoSouth KoreaUKUSA
01990NaN1.873.632.654.593.161.002.052.821.16
119911.961.923.452.904.503.461.302.493.011.14
219921.891.733.563.274.533.581.502.653.061.13
319931.731.573.413.073.684.161.562.882.841.11
419941.841.453.593.523.704.361.482.872.991.11
plt.plot(gas.Year,gas.UK,'r-.')
plt.plot(gas.Year,gas.Japan,'b-.')

plt.title("Gas Prices Over Time (in USD)")

# plt.xticks(range(1990,2009,1),rotation=50) # 这个是一种方法，下面有更好的方法
plt.xticks(gas.Year,rotation=50)  # 更好更通用的方法
plt.yticks(range(0,9,1))

plt.xlabel("Year")
plt.ylabel("Gas Price")

plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

plt.plot(gas.Year,gas.UK,'r-.')
plt.plot(gas.Year,gas.Japan,'b-.')

plt.title("Gas Prices Over Time (in USD)")
plt.xticks(gas.Year[::3])  # 每三年来一次进行显示，显示效果更好哈哈哈
plt.yticks(range(0,9,1))

plt.xlabel("Year")
plt.ylabel("Gas Price")

plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

# 这里面的逻辑是什么啊？？？？？？其实没有看懂
for country in gas:
    if country != 'Year':
        print(country)

Australia
Canada
France
Germany
Italy
Japan
Mexico
South Korea
UK
USA

# 把上面的语句用于我们的画图过程中
# 画出所有的国家的油价
plt.figure(figsize=(7,5),dpi=500)

for country in gas:
    if country != 'Year':
        plt.plot(gas.Year,gas[country],marker='.') # 注意这条语句的使用

plt.title("Gas Price over Time",fontdict={'fontweight':'bold', 'fontsize':22})

plt.xlabel("Year")
plt.ylabel("Gas Price")

plt.xticks(gas.Year[::3].tolist()+[2011])
plt.yticks(range(0,15,1))

plt.legend()
plt.savefig('GasPrice.png',dpi=300)
plt.show()


<matplotlib.figure.Figure at 0x7f0300059780>

在这里插入图片描述

实例教学二：FIFA球队

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

fifa = pd.read_csv('./matplotlib_tutorial_download/fifa_data.csv')
fifa.head()
Unnamed: 0IDNameAgePhotoNationalityFlagOverallPotentialClub...ComposureMarkingStandingTackleSlidingTackleGKDivingGKHandlingGKKickingGKPositioningGKReflexesRelease Clause
00158023L. Messi31https://cdn.sofifa.org/players/4/19/158023.pngArgentinahttps://cdn.sofifa.org/flags/52.png9494FC Barcelona...96.033.028.026.06.011.015.014.08.0€226.5M
1120801Cristiano Ronaldo33https://cdn.sofifa.org/players/4/19/20801.pngPortugalhttps://cdn.sofifa.org/flags/38.png9494Juventus...95.028.031.023.07.011.015.014.011.0€127.1M
22190871Neymar Jr26https://cdn.sofifa.org/players/4/19/190871.pngBrazilhttps://cdn.sofifa.org/flags/54.png9293Paris Saint-Germain...94.027.024.033.09.09.015.015.011.0€228.1M
33193080De Gea27https://cdn.sofifa.org/players/4/19/193080.pngSpainhttps://cdn.sofifa.org/flags/45.png9193Manchester United...68.015.021.013.090.085.087.088.094.0€138.6M
44192985K. De Bruyne27https://cdn.sofifa.org/players/4/19/192985.pngBelgiumhttps://cdn.sofifa.org/flags/7.png9192Manchester City...88.068.058.051.015.013.05.010.013.0€196.4M

5 rows × 89 columns

画直方图

bins = np.arange(40,110,10)

#plt.hist(fifa.Overall,bins=bins,color='#A87632')  # 这里的颜色可以在浏览器搜索颜色选择器进行选择，然后copy HEX code就好了
plt.hist(fifa.Overall,bins=bins,color='#000000')  # 黑色


plt.xticks(bins)
plt.yticks(np.arange(0,11000,1000))


plt.xlabel("Skill levels")
plt.ylabel("Number of Players")

plt.title("Distribution of Player Skills in FIFA 2018")

plt.show()

在这里插入图片描述

饼图 I

fifa['Preferred Foot']

0         Left
1        Right
2        Right
3        Right
4        Right
5        Right
6        Right
7        Right
8        Right
9        Right
10       Right
11       Right
12       Right
13        Left
14       Right
15        Left
16       Right
17        Left
18       Right
19        Left
20       Right
21       Right
22       Right
23       Right
24        Left
25       Right
26        Left
27       Right
28        Left
29       Right
         ...  
18177    Right
18178    Right
18179    Right
18180    Right
18181    Right
18182    Right
18183    Right
18184    Right
18185    Right
18186    Right
18187    Right
18188    Right
18189    Right
18190    Right
18191     Left
18192    Right
18193    Right
18194    Right
18195    Right
18196    Right
18197    Right
18198    Right
18199    Right
18200     Left
18201     Left
18202    Right
18203    Right
18204    Right
18205    Right
18206    Right
Name: Preferred Foot, Length: 18207, dtype: object

left = fifa.loc[fifa['Preferred Foot']=='Left'].count()[0]
print(left)
right = fifa.loc[fifa['Preferred Foot']=='Right'].count()[0]
print(right)

4211
13948

labels = ['Left','Right']
colors = ['#abcdef','#aabbcc']
plt.pie([left,right],labels=labels,colors=colors,autopct='%.2f %%')  # 注意这里面是个方括号

plt.title("Foot Preference of FIFA players")

plt.show()

在这里插入图片描述

饼图II

fifa.Weight.head()

0    159.0
1    183.0
2    150.0
3    168.0
4    154.0
Name: Weight, dtype: float64

# 去掉这个磅的符号，并且变成一个浮点数
fifa.Weight = [int(x.strip('lbs')) if type(x)==str else x for x in fifa.Weight]
fifa.Weight[0]

159.0

light = fifa.loc[fifa.Weight<125].count()[0]
print(light)
light_medium = fifa.loc[(fifa.Weight>=125) & (fifa.Weight<150)].count()[0]
print(light_medium)
medium = fifa.loc[(fifa.Weight>=150) & (fifa.Weight<175)].count()[0]
print(medium)
medium_heavy = fifa.loc[(fifa.Weight>=175) & (fifa.Weight<200)].count()[0]
print(medium_heavy)
heavy = fifa.loc[fifa.Weight>=200].count()[0]
print(heavy)

plt.figure(figsize=(5,5),dpi=100)

#plt.style.use('default')
plt.style.use('ggplot')  # 直接用其他的一些风格

weights = [light,light_medium,medium,heavy,medium_heavy]
labels = ['light','light_medium','medium','heavy','medium_heavy']

explode = [.4,.1,.1,.4,.1]  # 让两个少的往外一点点

plt.title("Weight Distrubution of FIFA Players (in lbs)")

plt.pie(weights,labels=labels,autopct="%.2f %%",explode=explode)

plt.show()

41
2290
10876
4583
369

在这里插入图片描述

画箱形图

fifa.head()
Unnamed: 0IDNameAgePhotoNationalityFlagOverallPotentialClub...ComposureMarkingStandingTackleSlidingTackleGKDivingGKHandlingGKKickingGKPositioningGKReflexesRelease Clause
00158023L. Messi31https://cdn.sofifa.org/players/4/19/158023.pngArgentinahttps://cdn.sofifa.org/flags/52.png9494FC Barcelona...96.033.028.026.06.011.015.014.08.0€226.5M
1120801Cristiano Ronaldo33https://cdn.sofifa.org/players/4/19/20801.pngPortugalhttps://cdn.sofifa.org/flags/38.png9494Juventus...95.028.031.023.07.011.015.014.011.0€127.1M
22190871Neymar Jr26https://cdn.sofifa.org/players/4/19/190871.pngBrazilhttps://cdn.sofifa.org/flags/54.png9293Paris Saint-Germain...94.027.024.033.09.09.015.015.011.0€228.1M
33193080De Gea27https://cdn.sofifa.org/players/4/19/193080.pngSpainhttps://cdn.sofifa.org/flags/45.png9193Manchester United...68.015.021.013.090.085.087.088.094.0€138.6M
44192985K. De Bruyne27https://cdn.sofifa.org/players/4/19/192985.pngBelgiumhttps://cdn.sofifa.org/flags/7.png9192Manchester City...88.068.058.051.015.013.05.010.013.0€196.4M

5 rows × 89 columns

barcelona = fifa.loc[fifa.Club=='FC Barcelona']['Overall']
madrid = fifa.loc[fifa.Club=='Real Madrid']['Overall']
revs = fifa.loc[fifa.Club=='New England Revolution']['Overall']

labels = ['FC Barcelona','Real Madrid','New England Revolution']

plt.style.use('default')

plt.figure(figsize=(7,10))

boxes = plt.boxplot([barcelona, madrid, revs],labels=labels, patch_artist=True)  #设置这个True的原因是后面要设置facecolor    

for box in boxes['boxes']:  # 方括号内的是参数
    # 设置box边界的颜色
    box.set(color='#4286f4',linewidth=2)
    # 设置box内部颜色
    box.set(facecolor='#e0e0e0')

plt.title("Professional Soccer Team Comparison")
plt.ylabel("FIFA Overall Rating")

plt.show()

/home/chen/anaconda3/lib/python3.6/site-packages/numpy/core/fromnumeric.py:57: FutureWarning: reshape is deprecated and will raise in a subsequent release. Please use .values.reshape(...) instead
  return getattr(obj, method)(*args, **kwds)

在这里插入图片描述

TheWindOfJune
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matplotlib-tutorial：Matplotlib初学者教程
02-05
matplotlib-tutorial：Matplotlib初学者教程
matplotlib - tutorial：matplotlib 的源代码资源
最新发布
01-15
matplotlib - tutorial：matplotlib 的源代码资源
Matplotlib Tutorial
专注IT
08-15 774
这个教程基于可以从scipy lecture note得到的 Mike Müller的教程。 源代码可从这里获得。图像在figures文件夹内，所有的脚本位于scripts文件夹。 所有的代码和材料以Creative Commons Attribution 3.0 United States License (CC-by)发布。 特别感谢Bill Wing和Christoph D
Matplotlib tutorial (英文原版)
guifeng93的博客
04-20 1004
Matplotlib tutorial Nicolas P. Rougier Table of Contents Introduction Simple plot Figures, Subplots, Axes and Ticks Animation Other Types of Plots Beyond this tutorial Qui
matplotlib tutorial
u012029332的博客
05-17 150
example 1 # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt X=[0,1,2,3,4,5] Y=[222,42,455,664,454,334] fig = plt.figure() plt.bar(X,Y,width = 0.4,color="gr...
Matplotlib 教程
机器学习&数据挖掘
04-10 1510
Matplotlib 教程 本文为译文，原文载于此，译文原载于此。本文欢迎转载，但请保留本段文字，尊重作者和译者的权益。谢谢。: ) 介绍 Matplotlib 可能是 Python 2D- 绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索 matplotlib 的常见用法。 IPython 以及 pylab
Python使用Matplotlib实现Logos设计代码
09-20
主要介绍了Python使用Matplotlib实现Logos设计代码，具有一定借鉴价值，需要的朋友可以参考下。
matplotlib教程——强大的python作图工具库
12-16
matplotlib简介 如果你在大学里参加过数学建模竞赛或者是用过MATLAB的...这也就是我们今天这篇文章要讲的matplotlib，也是Python、数据分析以及机器学习领域当中使用最广泛的作图工具包，几乎没有之一。前段时间不是美
python matplotlib库的基本使用
09-24
主要介绍了python matplotlib库的基本使用，帮助大家绘制图表，进行数据可视化分析，感兴趣的朋友可以了解下
c ++使用matplotlib
07-20
c ++使用matplotlib
《Matplotlib-PyplotTutorial》
12-31
此文档简单介绍了python的matplotlib.Pyplot库，方便机器学习的初学者快速了解这个库的相关内容，以尽快的进入实践阶段。
matplotlib绘图可视化知识点整理（一）
python|大数据爱好者Alvin
02-28 5721
matplotlib 可视化
Matplotlib tutorial(1)
思维迷宫
01-23 755
Introduction matplotlib is probably the single most used Python package for 2D-graphics. It provides both a very quick way to visualize data from Python and publication-quality figures in many form
Matplotlib 中文用户指南 3.1 pyplot 教程
热门推荐
龙哥盟
01-07 7万+
3.1 pyplot 教程 原文：Pyplot tutorial 译者：飞龙 协议：CC BY-NC-SA 4.0 matplotlib.pyplot是一个命令风格函数的集合，使matplotlib的机制更像 MATLAB。 每个绘图函数对图像进行一些更改：例如，创建图像，在图像中创建绘图区域，在绘图区域绘制一些线条，使用标签装饰绘图等。在matplotlib.pyplot中
matplotlib快速入门教程
修炼之路
11-26 971
matplotlib是一个python的2D的绘图库，通过使用matplotlib我们只需要几行简洁的代码，就可以绘图，直方图、功率谱、条形图、错误图、散点图等。这篇博客主要介绍的是matplotlib.pyplot模块，matplotlib其实就是一个模仿MATLAB开发的python库。当然，它不可能像MATLAB的功能那么强大。这篇博客参考http://cs231n.github.io/py
Matplotlib的使用
LTC_1234的博客
07-30 315
Matplotlib是Python中用的最多的2D图形绘图库，学好Matplotlib的用法可以帮助我们在统计分析中更灵活的展示各种数据的状态。这是数据可视化必学的库，好好学吧。 其支持以下几种数据可视化方式 本文就基于这几种方式对Matplotlib进行讲解。 安装和启动 安装Matplotlib可以借助pip，如果在ipython中使用需要用 $ipython --matplotlib 命令启动。这里没啥好说的，过。 开始之前 先通过一个折线图的例子让大家大概了解一下Matplotlib
Python matplotlib 的 Image tutorial图像处理教程
静静的博客
02-06 7109
本教程将使用matplotlib的命令式绘图接口pyplot。这个界面保持全局状态，并且对于快速和容易地尝试各种绘图设置是非常有用的。另一种是面向对象的接口，它也是非常强大的，一般更适合大型应用程序的开发。如果您想了解面向对象的界面，一个好的开始就是我们关于使用的FAQ。现在，让我们继续使用命令式的方法： import matplotlib.pyplot as plt import matplo
Python绘图库Matplotlib各种图的绘制（直方图，饼图，条形图，散点图...）
hiudawn
05-19 1万+
Matplotlib是一个Python 2D绘图库，它可以在各种平台上运行。 Matplotlib可用于Python脚本，Python和IPython shell，Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。Matplotlib可以用于绘制直方图，饼图，条形图，散点图等。
在运行代码之前，请先安装以下依赖包： numpy pandas matplotlib seaborn pywt requests 怎么在Jupiter notebook上安装这些包
05-24
你可以在Jupyter Notebook的单元格中使用以下命令安装这些依赖包： ``` !pip install numpy pandas matplotlib seaborn pywt requests ``` 该命令将使用pip包管理器在当前Python环境中安装这些包。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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