数据挖掘-1.Matplotlib

最新推荐文章于 2024-03-17 19:00:20 发布
最新推荐文章于 2024-03-17 19:00:20 发布
阅读量203 收藏
点赞数
分类专栏： 机器学习 文章标签： 数据挖掘 matlab 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_43732424/article/details/121068911
版权

文章目录


Matplotlib

1. Matplotlib

学习目标

  • 目标
    • 了解什么是matplotlib
    • 为什么要学习matplotlib
    • matplotlib简单图形的绘制

1 什么是Matplotlib

  • 是专门用于开发2D图表(包括3D图表)

  • 以渐进、交互式方式实现数据可视化

2 为什么要学习Matplotlib

可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。

  • 能将数据进行可视化,更直观的呈现
  • 使数据更加客观、更具说服力

例如下面两个图为数字展示和图形展示：

star

3 实现一个简单的Matplotlib画图 — 以折线图为例

3.1 matplotlib.pyplot模块

matplotlib.pytplot包含了一系列类似于matlab的画图函数。

import matplotlib.pyplot as plt

3.2 图形绘制流程：

  • 1.创建画布 – plt.figure()

  • plt.figure(figsize=(), dpi=)
    figsize:指定图的长宽
    dpi:图像的清晰度
    返回fig对象

  • 2.绘制图像 – plt.plot(x, y)

  • 以折线图为例

  • 3.显示图像 – plt.show()

3.3 折线图绘制与显示

举例：展现上海一周的天气,比如从星期一到星期日的天气温度如下

import matplotlib.pyplot as plt

# 1.创建画布
plt.figure(figsize=(10, 10), dpi=100)

# 2.绘制折线图
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13])

# 3.显示图像
plt.show()

折线图

4 认识Matplotlib图像结构(了解)

img

5 小结

  • 什么是matplotlib【了解】
    • 是专门用于开发2D(3D)图表的包
  • 绘制图像流程【掌握】
    • 1.创建画布 – plt.figure(figsize=(20,8))
    • 2.绘制图像 – plt.plot(x, y)
    • 3.显示图像 – plt.show()

2 基础绘图功能 — 以折线图为例

学习目标

  • 目标
    • 掌握给图形添加辅助功能(如：标注、x,y轴名称、标题等)
    • 知道图形的保存
    • 知道如何多次plot绘制图形
    • 知道如何多个坐标系显示图形
    • 知道折线图的应用场景

1 完善原始折线图 — 给图形添加辅助功能

为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用

需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度

效果：

上海1

1.1 准备数据并画出初始折线图

import matplotlib.pyplot as plt
import random

# 画出温度变化图

# 0.准备x, y坐标的数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 2.绘制折线图
plt.plot(x, y_shanghai)

# 3.显示图像
plt.show()

上海2

1.2 添加自定义x,y刻度

  • plt.xticks(x, **kwargs)

    x:要显示的刻度值

  • plt.yticks(y, **kwargs)

    y:要显示的刻度值

# 增加以下两行代码

# 构造x轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
# 构造y轴刻度
y_ticks = range(40)

# 修改x,y轴坐标的刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

上海3

1.3 中文显示问题解决

解决方案一：

下载中文字体（黑体，看准系统版本）

  • 步骤一：下载 SimHei 字体（或者其他的支持中文显示的字体也行）

  • 步骤二：安装字体

    • linux下：拷贝字体到 usr/share/fonts 下：

      sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf

    • windows和mac下：双击安装

  • 步骤三：删除~/.matplotlib中的缓存文件

    cd ~/.matplotlib
rm -r *

  • 步骤四：修改配置文件matplotlibrc

    vi ~/.matplotlib/matplotlibrc

    将文件内容修改为：

    font.family         : sans-serif
font.sans-serif         : SimHei
axes.unicode_minus  : False

解决方案二：

在Python脚本中动态设置matplotlibrc,这样也可以避免由于更改配置文件而造成的麻烦，具体代码如下：

from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

有时候，字体更改后，会导致坐标轴中的部分字符无法正常显示，此时需要更改axes.unicode_minus参数：

# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

解决方案三：

#设置中文字体 
plt.rc('font', family='simsun', size=13)

1.4 添加网格显示

为了更加清楚地观察图形对应的值

plt.grid(True, linestyle='--', alpha=0.5)

img

1.5 添加描述信息

添加x轴、y轴描述信息及标题

通过fontsize参数可以修改图像中字体的大小

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示", fontsize=20)

img

1.6 图像保存

# 保存图片到指定路径
plt.savefig("test.png")
  • 注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

完整代码：

import matplotlib.pyplot as plt
import random
from pylab import mpl

# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制图像
plt.plot(x, y_shanghai)

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 图像保存
plt.savefig("./test.png")

# 3.图像显示
plt.show()

2 在一个坐标系中绘制多个图像

2.1 多次plot

需求：再添加一个城市的温度变化

收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，其实很简单只需要再次plot即可，但是需要区分线条，如下显示

img

# 增加北京的温度数据
y_beijing = [random.uniform(1, 3) for i in x]

# 绘制折线图
plt.plot(x, y_shanghai)
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--')

我们仔细观察，用到了两个新的地方，一个是对于不同的折线展示效果，一个是添加图例。

2.2 设置图形风格

颜色字符风格字符
r 红色- 实线
g 绿色- - 虚线
b 蓝色-. 点划线
w 白色: 点虚线
c 青色’ ’ 留空、空格
m 洋红
y 黄色
k 黑色

2.3 显示图例

  • 注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。
# 绘制折线图
plt.plot(x, y_shanghai, label="上海")
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--', label="北京")

# 显示图例
plt.legend(loc="best")
Location StringLocation Code
‘best’0
‘upper right’1
‘upper left’2
‘lower left’3
‘lower right’4
‘right’5
‘center left’6
‘center right’7
‘lower center’8
‘upper center’9
‘center’10

完整代码：

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制图像
plt.plot(x, y_shanghai, label="上海")
plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 图像保存
plt.savefig("./test.png")

# 2.5 添加图例
plt.legend(loc=0)


# 3.图像显示
plt.show()

2.4 练一练

练习多次plot流程(从上面复制代码,到自己电脑,确保每人环境可以正常运行),

同时明确每个过程执行实现的具体效果

3 多个坐标系显示— plt.subplots(面向对象的画图方法)

如果我们想要将上海和北京的天气图显示在同一个图的不同坐标系当中，效果如下：

image-20190317134820901

可以通过subplots函数实现(旧的版本中有subplot，使用起来不方便)，推荐subplots函数

  • matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw) 创建一个带有多个axes(坐标系/绘图区)的图

    Parameters:    

nrows, ncols : 设置有几行几列坐标系
    int, optional, default: 1, Number of rows/columns of the subplot grid.

Returns:    
fig : 图对象
axes : 返回相应数量的坐标系

设置标题等方法不同：
    set_xticks
    set_yticks
    set_xlabel
    set_ylabel

    关于axes子坐标系的更多方法：参考https://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes

  • 注意：**plt.函数名()**相当于面向过程的画图方法，**axes.set_方法名()**相当于面向对象的画图方法。

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 5) for i in x]

# 1.创建画布
# plt.figure(figsize=(20, 8), dpi=100)
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)


# 2.绘制图像
# plt.plot(x, y_shanghai, label="上海")
# plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")
axes[0].plot(x, y_shanghai, label="上海")
axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
# plt.xticks(x[::5], x_ticks_label[::5])
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])

# 2.2 添加网格显示
# plt.grid(True, linestyle="--", alpha=0.5)
axes[0].grid(True, linestyle="--", alpha=0.5)
axes[1].grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
# plt.xlabel("时间")
# plt.ylabel("温度")
# plt.title("中午11点--12点某城市温度变化图", fontsize=20)
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("中午11点--12点某城市温度变化图", fontsize=20)
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("中午11点--12点某城市温度变化图", fontsize=20)

# # 2.4 图像保存
plt.savefig("./test.png")

# # 2.5 添加图例
# plt.legend(loc=0)
axes[0].legend(loc=0)
axes[1].legend(loc=0)


# 3.图像显示
plt.show()

4 折线图的应用场景

  • 呈现公司产品(不同区域)每天活跃用户数
  • 呈现app每天下载数量
  • 呈现产品新功能上线后,用户点击次数随时间的变化
  • 拓展：画各种数学函数图像
    • 注意：plt.plot()除了可以画折线图，也可以用于画各种数学函数图像

img

代码：

import numpy as np
# 0.准备数据
x = np.linspace(-10, 10, 1000)
y = np.sin(x)

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制函数图像
plt.plot(x, y)
# 2.1 添加网格显示
plt.grid()

# 3.显示图像
plt.show()

5 小结

  • 添加x,y轴刻度【知道】
    • plt.xticks()
    • plt.yticks()
    • 注意:在传递进去的第一个参数必须是数字,不能是字符串,如果是字符串吗,需要进行替换操作
  • 添加网格显示【知道】
    • plt.grid(linestyle="–", alpha=0.5)
  • 添加描述信息【知道】
    • plt.xlabel()
    • plt.ylabel()
    • plt.title()
  • 图像保存【知道】
    • plt.savefig(“路径”)
  • 多次plot【了解】
    • 直接进行添加就OK
  • 显示图例【知道】
    • plt.legend(loc=“best”)
    • 注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示
  • 多个坐标系显示【了解】
    • plt.subplots(nrows=, ncols=)
  • 折线图的应用【知道】
    • 1.应用于观察数据的变化
    • 2.可是画出一些数学函数图像

3 常见图形绘制

学习目标

  • 目标
    • 掌握常见统计图及其意义

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。

我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。

1 常见图形种类及意义

  • 折线图：以折线的上升或下降来表示统计数量的增减变化的统计图

    特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)

    api：plt.plot(x, y)

img

  • **散点图：**用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。

特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

api：plt.scatter(x, y)

img

  • **柱状图：**排列在工作表的列或行中的数据可以绘制到柱状图中。

特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)

api：plt.bar(x, width, align=‘center’, **kwargs)

Parameters:    
x : 需要传递的数据

width : 柱状图的宽度

align : 每个柱状图的位置对齐方式
    {‘center’, ‘edge’}, optional, default: ‘center’

**kwargs :
color:选择柱状图的颜色

img

  • **直方图：**由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。

特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)

api：matplotlib.pyplot.hist(x, bins=None)

Parameters:    
x : 需要传递的数据
bins : 组距

img

  • **饼图：**用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

    特点：分类数据的占比情况(占比)

    api：plt.pie(x, labels=,autopct=,colors)

    Parameters:  
x:数量，自动算百分比
labels:每部分名称
autopct:占比显示指定%1.2f%%
colors:每部分颜色

img

2 散点图绘制

需求：探究房屋面积和房屋价格的关系

房屋面积数据：

x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]

房屋价格数据：

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

img

代码：

# 0.准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制散点图
plt.scatter(x, y)

# 3.显示图像
plt.show()

3 柱状图绘制

需求-对比每部电影的票房收入

电影数据如下图所示：

电影票房数据

  • 准备数据
['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
[73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
  • 绘制柱状图

代码：

# 0.准备数据
# 电影名字
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
# 横坐标
x = range(len(movie_name))
# 票房数据
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制柱状图
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])

# 2.1b修改x轴的刻度显示
plt.xticks(x, movie_name)

# 2.2 添加网格显示
plt.grid(linestyle="--", alpha=0.5)

# 2.3 添加标题
plt.title("电影票房收入对比")

# 3.显示图像
plt.show()

img

需求2-对比电影票房收入才能更有说服力

#  1.准备数据
movie = ['雷神3：诸神黄昏', '正义联盟', '寻梦环游记']
first_day = [10587.6, 10062.5, 1275.7]
first_weekend = [36224.9, 34479.6, 11830]
# 2.创建画布
plt.rc('font', family='simsun', size=12)
plt.figure(figsize=(20, 8), dpi=80)

# 3.绘制柱状图
plt.bar(range(3), first_day, width=0.2, label="首日票房")
plt.bar([i+0.21 for i in range(3)], first_weekend, width=0.2, label="首周票房")
# 添加标题
plt.title("电影的票房收入对比")
plt.xlabel("电影类别")
plt.ylabel("票房")
plt.legend()
# 修改x轴的刻度显示
plt.xticks([i+0.1 for i in range(3)], movie)


# 添加网格显示
plt.grid(linestyle="--", alpha=0.2)
# 4.显示图像
plt.show()

image-20211031184846730

参考链接：

https://matplotlib.org/index.html

4 直方图绘制

需求：电影时长分布状况

import numpy as np
# 1.准备数据
time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108,
        135, 138, 131, 12, 12, 107, 12, 12, 12, 12, 114]
distance = 3
bins = (max(time) - min(time)) // distance  # 计算组数

# 2.创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3.绘制直方图
plt.hist(time, bins, density=True)
plt.xticks(np.linspace(min(time), max(time),bins+1,dtype=np.int32))

# 添加网格
plt.grid(linestyle="--", alpha=0.25)

# 4.显示图像
plt.show()

image-20211031192644238

5 饼图绘制

需求：电影时长分布状况

#设置中文字体 
plt.rc('font', family='simsun', size=13)



# 1.准备数据
movie_name = ['雷神3：诸神黄昏', '正义联盟', '东方快车谋杀案', '寻梦环游记',
              '全球风暴', '降魔传', '追捕', '七十七天', '密战', '狂兽', '其它']
place_count = [73853, 57767, 22354, 15969,
               14839, 8725, 8716, 8318, 7916, 6764, 52222]

# 2.创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3.绘制直方图
# autopct 显示百分比
plt.pie(place_count, labels=movie_name, colors=[
        'b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g', 'b'], autopct="%1.2f%%")
# 显示图例
plt.legend()
# 将椭圆变成圆
plt.axis("equal")
# 4.显示图像
plt.show()

image-20211031192756960

6 小结

  • 折线图【知道】
    • 能够显示数据的变化趋势，反映事物的变化情况。(变化)
    • plt.plot()
  • 散点图【知道】
    • 判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
    • plt.scatter()
  • 柱状图【知道】
    • 绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
    • plt.bar(x, width, align=“center”)
  • 直方图【知道】
    • 绘制连续性的数据展示一组或者多组数据的分布状况(统计)
    • plt.hist(x, bins)
  • 饼图【知道】
    • 用于表示不同分类的占比情况，通过弧度大小来对比各种分类
    • plt.pie(x, labels, autopct, colors)
开心码农小王。
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python数据可视化利器——Matplotlib基础介绍
禅与计算机程序设计艺术
09-13 2173
作者：禅与计算机程序设计艺术 1.简介 Matplotlib是一个开源的数据可视化库，它提供了一个简洁、直观、优美的接口用来创建静态图形，用于publication quality的图表生成。Matplotlib可以帮助研究者在各个领域进行数据可视化分析、数据科学和机器学习方面做出具有独到见解的结论。本
Matplotlib：概述
u013250861的博客
10-25 1836
一、Numpy优势 学习目标 目标 了解Numpy运算速度上的优势 知道Numpy的数组内存块风格 知道Numpy的并行化运算 1 Numpy介绍 Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。 Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。 Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。 2 ndarray介绍 NumPy pro
Matplotlib库的介绍及使用
qq_53763141的博客
12-24 1万+
Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发，本文章主要介绍其子库pyplot的基本使用和基础图标的绘制。
初识matplotlib
weixin_53548751的博客
11-17 1240
学习代码： import matplotlib.pyplot as plt import numpy as np # fig, ax = plt.subplots() # 创建一个包含一个axes的figure # ax.plot([1, 2, 3, 4], [1, 4, 2, 3]) # 绘制图像 # plt.show() fig = plt.figure() # an empty figure with no Axes fig, ax = plt.subplots() # a figure wi.
数据可视化学习：Matplotlib概述
最新发布
m0_74972727的博客
03-17 723
如 'C0', 'C1', ..., 'C9', 'C10' 等，这些颜色在每次调用。
数据挖掘期末参考.docx
06-12
数据挖掘期末参考 数据挖掘是指从大量的数据中，自动或 semi-automatically 发现有价值的规律、模式、关系等信息的过程。以下是数据挖掘的一些重要概念和技术： 1. 关联规则发现：关联规则是指在数据中发现的规律...
scikit_learn-0.22.2.post1-cp37-cp37m-win_amd64.whl
03-26
scikit-learn 是基于 ...·简单高效的数据挖掘和数据分析工具 ·可供大家在各种环境中重复使用 ·建立在 NumPy ，SciPy 和 matplotlib 上 ·开源，可商业使用 - BSD许可证 对应版本：windows 64bit \ Python 3.7
15.Matplotlib调用imshow()函数绘制热图1
08-04
前文推荐：【Python数据挖掘课程】一.安装Python及爬虫入门介绍【Python数据挖掘课程】二.Kmeans聚类数据分析及Anaconda介绍【Pyth
数据挖掘导论-ch2-Python数据分析工具.pdf
06-28
数据挖掘导论 学习课件 ch2 非常好的资源 欢迎大家下载 Numpy。  Python并没有提供数组功能。虽然列表可以完成基本的数组功能 ，但它不是真正的数组，而且在数据量较大时，使用列表的速度 就会慢得难以接受。  ...
数据挖掘实训报告-.doc
12-23
项目1：基于sklearn的数据分类挖掘 一、项目任务 熟悉sklearn数据挖掘的基本功能。 进行用朴素贝叶斯、KNN、决策树C4.5、SVM算法进行数据分类分析。 二、项目环境及条件 sklearn-0.18.0 python-2.7.13 numpy-1.11.3+...
matplotlib介绍与使用
12-22
matplotlib概述 在 Python 的世界里，matplotlib 是最著名的绘图库，它支持几乎所有 2D 绘图和部分 3D 绘图，被广泛地应用在科学计算和数据可视化领域。matplotlib 是一个开源项目，由John Hunter发起。John Hunter 和他研究癫痫症的同事借助一个专有软件做脑皮层电图分析，但是他所在的实验室只有一份该电图分析软件的许可。他和许多一起工作的同事不得不轮流使用该软件的硬件加密狗。于是，John Hunter 便有了开发一个工具来替代当前所使用的软件的想法。当时MATLAB 被广泛应用在生物医学界中，John Hunter 等最初是想开发一个基于M
（机器学习深度学习常用库、框架|Matplotlib篇）第一节：Matplotlib概述和和图像、图层结构
快乐江湖的博客
05-08 603
文章目录一：什么是Matplotlib二：实现一个简单的Matplotlib图三：Matplotlib图像结构四：Matplotlib三层结构（1）容器层（2）辅助显示层（3）图像层 一：什么是Matplotlib Matplotlib 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 Mat是指Matrix：表示矩阵（二维表） plot：画图 lib是指library：表示库 不管是Matplotlib、又或者是MatLab，使用他们的一个
30-matplotlib数据可视化之线形图绘制
机器学习数学基础系列专栏
04-06 855
0.本集概览 1.指定单条、多条函数线形图的绘制 2.图形标签（图形标题、坐标轴标题、图例）的完善 3.图形颜色、线型的设置 4.子图的绘制 在前面，我们介绍了NumPy和DataFrame的相关内容，那我们就在想了，通常我们喜欢用图的形式来表征数据，这样会更加直观，Matplotlib.pyplot包中含有简单绘图功能，那么从今天起，我们就开始学习这里面的绘图内容。 1.简单线形图的绘制 首先，话不多说，我们先弄出一个图形来。画一个最简单的三角函数图形 y=sin(x)y=sin(x)y=sin(x)
【python数据可视化】Matplotlib绘图练习（一）
好好读书
06-12 1556
Matplotlib是一个Python库，用于绘制静态、动态和交互式图形，包括线图、散点图、条形图、直方图、等高线图、图像等等。 线图 散点图 直方图 柱状图 图中图
Matplotlib中图形简介
hawzhangy的博客
10-19 507
Matplotlib中图形简介折线图定义1.plot()函数2.同时绘制多条折线图3.实例柱形图定义1.bar()函数2.绘制柱形图3.绘制多组柱形图4.绘制堆积柱形图条形图定义1.barh()函数2.绘制条形图3.绘制多组条形图4.绘制堆积条形图堆积面积图定义1.stackplot()函数2.绘制堆积面积图直方图定义1.hist()函数2.绘制直方图饼图定义1.pie()函数2.绘制饼图3.绘制圆环图散点图定义1.scatter()函数2.绘制散点图3.绘制气泡图箱型图定义1.boxplot()函数2.绘
Matplotlib库介绍
热门推荐
简时刻的博客
06-07 2万+
Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型地2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等），能够解决大部分的需要。
数据分析三剑客之一：Matplotlib详解与实战
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
08-03 2923
通过Pyplot 对数据进行图形化展示，可以直观的了解数据的分布情况，更好的制定出学习方法。同时，它还可以展示出我们机器学习到的计算方法，了解其与实际情况是否相符等问题。Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。Pyplot 包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改，例如：给图像加上标记，生成新的图像，在图像中产生新的绘图区域等等。
Python处理数据方向之Matplotlib
weixin_54626591的博客
06-20 591
Python数据处理，画图
matplotlib简介
庐州月光的博客
07-15 2436
欢迎关注”生信修炼手册”!丰富的第三方模块赋予了python强大的能力，matplotlib作为python最流行的可视化模块之一，功能强大，用法简便。对于新手而言，其上手难度低，仅需...
西电数据挖掘 -网页聚类算法python实现
12-10
西电数据挖掘 - 网页聚类算法是一种用于对网页进行分类和聚类的算法。它能够根据网页的内容和特征将其进行分组，从而方便用户进行信息检索和分析。 在Python中实现网页聚类算法可以使用一些常见的数据挖掘库和算法，比如Scikit-learn库中的聚类算法。首先，需要将网页的内容进行文本提取和特征提取，可以利用BeautifulSoup库来实现网页内容的提取和解析，然后使用自然语言处理工具对文本进行分词和处理，提取出有用的特征。 接下来，可以选择合适的聚类算法，比如K-means算法或层次聚类算法，通过对特征向量进行聚类，将网页进行分组。最后，可以利用可视化工具对聚类结果进行展示，比如使用matplotlib库绘制聚类的结果图，方便用户进行分析和理解。 除了Scikit-learn库外，还可以使用其他一些常见的数据挖掘和机器学习库，比如TensorFlow和PyTorch，通过构建深度学习模型来实现网页聚类算法。这些库提供了丰富的神经网络结构和训练方法，可以更灵活和强大地实现网页聚类算法。 总之，通过Python实现西电数据挖掘 - 网页聚类算法是一个比较有趣和实用的课题，可以利用丰富的数据挖掘和机器学习工具来进行实现，对于提高网页信息检索和分析的效率有着重要的意义。

“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