python学习5-matplotlib

最新推荐文章于 2024-07-16 09:35:49 发布
最新推荐文章于 2024-07-16 09:35:49 发布
阅读量296 收藏 2
点赞数
分类专栏： python数据分析 文章标签： python 数据分析 数据可视化
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_44032178/article/details/109168132
版权

python学习5-matplotlib

下面的内容是根据李老师在B站上的课程总结的，主要用于自己复习回顾
这一篇是接着上一篇《python学习4-Numpy等》的
62、数据可视化-折线图和散点图

#折线图和散点图

#画折线图时要引入一系列的x和y
%matplotlib inline
import matplotlib.pyplot as plt
days = list(range(0,22,3))
print("生成x轴的数轴：",days)
#生成y轴的数轴
celsius_values = [25.6,24.1,26.7,28.3,27.5,30.5,32.8,33.1] #y值
plt.plot(days,celsius_values) #画成折线图
plt.show() #显示图象
plt.plot(days,celsius_values,'bo') #散点图，b表示颜色，o表示小点
plt.show() #显示图象

结果：
在这里插入图片描述
63、绘制多个数据

#绘制多个数据
%matplotlib inline
import matplotlib.pyplot as plt
days = list(range(1,9))
celsius_min = [19.6,24.1,26.7,28.3,27.5,30.5,32.8,33.1]
celsius_max = [24.8,28.9,31.3,33.0,34.9,35.6,38.4,39.2]
fig,ax = plt.subplots()  #ax是figure的子部分
ax.set(xlabel = 'Day',ylabel = 'Temperature in Celsius',title = 'Temperature Graph')
ax.plot(days,celsius_min) #折线图
ax.plot(days,celsius_min,"oy") #散点图
ax.plot(days,celsius_max)#折线图
ax.plot(days,celsius_max,'or')#散点图
#将折线图和散点图叠合
plt.show()
#fig.savefig("filename.png") 保存图表到一个文件

在这里插入图片描述
画多条图线

#画多条图线
import numpy as np
X = np.linspace(0, 2*np.pi, 50, endpoint=True)
F1,F2,F3,F4 = 3*np.sin(X),np.sin(2*X),0.3*np.sin(X),np.cos(X)
fig,ax = plt.subplots()  
#subplots函数有两个返回值，一个是figure，一个是axes，fig即figure，ax即axes。 axes是figure的子部分，但真正画图是画在axes上的 
ax.plot(X,F1,color="blue",linewidth=2.5,linestyle="-")  #指定线的颜色、宽度、线形
ax.plot(X,F2,color="red",linewidth=1.5,linestyle="--")
ax.plot(X,F3,color="green",linewidth=2,linestyle=":")
ax.plot(X,F4,color="grey",linewidth=2,linestyle="-.")
plt.show()

在这里插入图片描述
图案填充：可以在两个曲线之间进行阴影填充

#图案填充：可以在两个曲线之间进行阴影填充
#fill_between(x,y1,y2,where = None,interpolate=False,**kwargs) 在y1和y2之间填充，kwargs是关键字列表，例如alpha是不透明
import numpy as np
import matplotlib.pyplot as plt
n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.sin(2*X)
fig,ax = plt.subplots()
ax.plot(X,Y,color='blue',alpha = 1.00)
ax.fill_between(X,0,Y,color='blue',alpha=0.4)  #即Y1=0,Y2=sin(2*x)
plt.show()

在这里插入图片描述
64、matplotlib绘图的基本步骤：
数据准备——>plt.subplots()准备图形环境——>ax.pilot()绘图，增加参数修改显示效果——>美化图形，title、label等——>plt.show()显示图形

绘制多子图：
subplots函数创建了一个figure以及一系列子图，创建子图的通用布局
subplot(nrow1=1,ncols=1,sharex=False,sharey=False,squeeze=True,subplot_kw=None,gridspec_kw=None,**fig_kw)
该函数返回一个figure以及一个axes对象或者一组axes对象。nrows和ncols表示行数和列数，nrows=2.ncols=3表示两行三列
sharex和sharey表示x轴和y轴是否共享

import matplotlib.pyplot as plt
plt.figure(figsize=(6,4)) #创建环境，宽6高4
rows,cols = 2,3 #两行三列
fig,ax = plt.subplots(rows,cols,sharex='col',sharey='row') #共享x轴和y轴，返回的ax实际上是6个axes的列表
for row in range(2):
    for col in range(3):
        #参数‘ha’表示horizontal alignment，即水平对齐
        ax[row,col].text(0.5,0.5,str((row,col)),color="green",fontsize=18,ha='center') #简单的绘制文本
plt.show()

在这里插入图片描述

import numpy as np
x = np.linspace(0,2*np.pi,400)
y = np.sin(x**2) + np.cos(x)
derivative = 2*x*np.cos(x**2)-np.sin(x) #导数
f,(ax1,ax2) = plt.subplots(1,2,sharey = True) #共享Y轴
ax1.plot(x,y)
ax1.set_title("sharing Y axis")
ax2.plot(x,derivative)
plt.show()

在这里插入图片描述

#设置极坐标
fig,axes = plt.subplots(2,2,subplot_kw=dict(polar=True))  #两行两列，subplot_kw=dict(polar=True)控制画出极坐标
axes[0,0].plot(x,y)
axes[0,1].plot(x,np.sin(x**2)+np.cos(x**3))
axes[1,0].plot(x,np.cos(x)*np.sin(x**2))
axes[1,1].plot(x,2*x*np.cos(x**2)-np.sin(x),"g--")
plt.show()

在这里插入图片描述
65、
柱状图

#柱状图
import matplotlib.pyplot as plt
import numpy as np
gaussian_numbers = np.random.normal(size = 10000) #正态分布  给10000个数值
n,bins,patches = plt.hist(gaussian_numbers)  #hist函数生成柱状图
#n指每个范围包含多少个，bins是每个柱子的范围，patches是指柱子的图形、横纵坐标等信息
plt.title("Gaussian Histogram") 
plt.xlabel("Value")
plt.ylabel("Frequency")
plt.show()
print("n:",n,"   The sum of n:",sum(n))
print("bins:",bins)
print("patches:",patches)
print(patches[0])

在这里插入图片描述

#hist函数有许多参数，可以美化柱状图
plt.hist(gaussian_numbers,bins=100,density=True,stacked=True,edgecolor="#6A9662",color="#DDFFDD")
#bins=100是有100个柱子，edgecolor轮廓线
plt.show()

在这里插入图片描述

#条形图：长方形的宽度没有任何数学含义
#竖向
bars1 = plt.bar([1,2,3,4],[1,4,9,16])
bars1[3].set_color('green') #仅设定第四栏的颜色
plt.show()
#横向
bars2 = plt.barh([1,2,3,4],[1,4,9,16])
bars2[3].set_color('green') #仅设定第四栏的颜色
plt.show()

在这里插入图片描述
在这里插入图片描述

#多列条形图
# import matplotlib.pyplot as plt
# import numpy as np
last_week_cups=(20,35,30,35,27) #纵坐标
this_week_cups=(25,32,34,20,25)
names = ['Mary','Paul','Billy','Franka','Stephan'] #横坐标上的

fig = plt.figure(figsize=(6,5),dpi=200) 
ax = fig.add_axes([0.1,0.3,0.8,0.6]) 

width = 0.35
ticks = np.arange(len(names))
ax.bar(ticks,last_week_cups,width,label='Last week')
ax.bar(ticks+width,this_week_cups,width,align="center",label='This week')

ax.set_ylabel('Cups of Coffee')
ax.set_title('Cofffee Consummation')
ax.set_xticks(ticks+width/2) #设置坐标轴刻度
ax.set_xticklabels(names) #设置刻度名称

ax.legend(loc='best') #对图例的优化，选择空白地方显示图例
plt.show()

在这里插入图片描述

#堆叠图:在纵向上发生了偏移
# import matplotlib.pyplot as plt
# import numpy as np
coffee = np.array([5,5,7,6,7])
tea = np.array([1,2,0,2,0])
water = np.array([10,12,14,12,15])
names = ['Mary','Paul','Billy','Franka','Stephan'] #横坐标上的

fig = plt.figure(figsize=(6,5),dpi=200)
left,bottom,width,height = 0.2,0.1,0.7,0.8
ax = fig.add_axes([left,bottom,width,height])

width = 0.35
ticks = np.arange(len(names))
ax.bar(ticks,tea,width,label="Coffee",bottom=water+coffee)
ax.bar(ticks,coffee,width,align="center",label="Tea",bottom=water)
ax.bar(ticks,water,width,align="center",label="Water")
plt.show()

在这里插入图片描述

#饼图
# import matplotlib.pyplot as plt
# import numpy as np
import matplotlib

matplotlib.rcParams['font.sans-serif']='SimHei' #改字体为黑体
languages = {"Java":0.16881,"C":0.14966,"C++":0.07471,"Python":0.06992,
            "Visual Basic":0.04762,"C#":0.03541,"PHP":0.02925,
            "JavaScript":0.02411,"SQl":0.02316,"Others":0.36326}
fig,ax = plt.subplots()
data = np.array(list(languages.values())).astype(float) #饼图显示数据，将其转换成float格式
explode = [0.1,0,0,0,0,0,0,0,0,0] #设置突出显示的内容，这里为突出显示第一项
#autopct为显示百分比
ax.pie(data,labels=languages.keys(),autopct='%.1f%%',explode=explode) #explode突出显示
ax.set_title("TIOBE 2018年8月的编程语言指数排行耪") #设置标题
ax.axis("equal")#设置x、y轴等长，否则图象将不是正源
plt.show()

在这里插入图片描述
66、等值线图：

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
xlist = np.linspace(-3.0,3.0,30)  #将起点和终点分成指定的分数
ylist = np.linspace(-3.0,3.0,40)
X,Y=np.meshgrid(xlist,ylist)#画等值线图

fig,ax=plt.subplots()
ax.scatter(X,Y,color="green") #散点图
ax.set_title("Regular Grid,r=created by Meshgrid")
ax.set_xlabel('x')
ax.set_ylabel('y')
Z = np.sqrt(X**2+Y**2)
#print(Z)
fig = plt.figure(figsize=(6,5))
left,bottom,width,height = 0.1,0.1,0.8,0.8
ax = fig.add_axes([left,bottom,width,height])  #在原有的figure上边增加一个axes
cp=ax.contour(X,Y,Z)
ax.clabel(cp,inline=True,fontsize=10)
ax.set_title("Contour Piot")
ax.set_xlabel('x(cm)')
ax.set_ylabel('y(cm)')
plt.show()

在这里插入图片描述
在这里插入图片描述
66、1.24~1.31日新冠肺炎新增确诊病例折线图

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif']='SimHei' #设置字体为黑体
date = ['1月24','1月25','1月26','1月27','1月28','1月29','1月30','1月31','2月1','2月2','2月3','2月4','2月5','2月6','2月7',]
nation = [458,695,819,1763,1463,2058,1660,2059,2617,2849,3185,3865,3730,3107,3407]
others = [277,367,454,472,623,709,757,712,696,746,840,709,743,660,566]
fig,ax = plt.subplots(2,1,sharex = True)
ax[0].plot(date,nation)
ax[1].plot(date,others)
for i,label in enumerate(ax[1].get_xticklabels()): #控制日期的显示
    label.set_visible(i%3==0)

在这里插入图片描述

BreezeChasingDrizzle
关注
专栏目录
python-11-matplotlib.zip
06-05
Matplotlib 是一个Python的 2D绘图库。通过 Matplotlib，开发者可以仅需要...通过学习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。
探索未来驾驶的基石：PythonPilot开源框架实战自动驾驶
gitblog_00099的博客
06-16 550
探索未来驾驶的基石：PythonPilot开源框架实战自动驾驶 PythonPilotAn Open Source Python Framework for Prototyping ADAS and Autonomous Vehicles项目地址:https://gitcode.com/gh_mirrors/py/PythonPilot 在快速发展的自动驾驶领域，【PythonPilot】以开源...
【python绘图】matplotlib基本使用（含实例）
Crayonxin2000的博客
08-25 3万+
matplot是优秀的数据可视化工具，关键还免费，非常好用。可以制作折线图，直方图，饼图等等。文末有实例。
plt: subplots()详解
最新发布
2301_77444219的博客
07-16 1362
matplotlib.pyplot.subplots()用于一次性创建并返回所有的子图和其 axe 对象。nrows：图表的行数，默认为 1ncols：图表的列数，默认为 1sharex、sharey：设置 x、y 轴共享属性，默认为 False，可设置为‘True’。False即 每个子图的 x 轴或 y 轴独立；True 即所有子图共享 x 轴或 y 轴subplot_kw：向每个子图传递一个字典，这个字典包含了创建子图时想要应用的额外关键字参数。
plt: subplot()、subplots()详解及返回对象figure、axes的理解
热门推荐
sunjintaoxxx的博客
11-02 5万+
subplot()、subplots()均用于Matplotlib 绘制多图 1.两者的区别： subplots 一次性创建并返回所有的子图和其 axe 对象。subplot则是分开多次添加子图。每次调用返回一个子图和对应的 ax 对象。 2.plt.subplot() 函数原型 subplot(nrows, ncols, index, **kwargs)，一般我们只用到前三个参数，将整个绘图区域分成 nrows 行和 ncols 列，而index用于对子图进行编号 这里直接copy了菜鸟教程的代码，如图中
plt.subplot()用法
qq_39328344的博客
07-14 2万+
subplot(nrows, ncols, plot_number) 或者写成subplot(nrows ncols plot_number)也行 这个很随意 哈哈 这个函数用来表示把figure分成nrows*ncols的子图表示， nrows：子图的行数 ncols：子图的列数 plot_number 索引值，表示把图画在第plot_number个位置 plt.subplot(232) 将figure分成2*3=6个子图区域，第三个参数2表示将生成的图画在第2个位置 同理 plt.subplot(23
python-绘图、matplotlib、jupyter
qq_41956860的博客
01-28 721
文章目录matplotlibjupyter matplotlib Pyplot’s state-machine environment behaves similarly to MATLAB and should be most familiar to users with MATLAB experience. figure The whole figure. The figure keep...
python自动办公-60 pandas-matplotlib
11-04
在"python自动办公-60 pandas_matplotlib"的课程或教程中，你可能会学习到如何使用Pandas处理日常办公中的数据，如读取和写入CSV文件、数据清洗、数据转换、数据聚合等。同时，你还会学习如何使用Matplotlib创建各种...
python-matplotlib绘图示例
07-19
使用python-matplotlib，2维画图库，对于一个博弈问题的均衡解的相关利润，产量，批发价格进行相关的图形绘制与分析，在这个博弈问题中存在cs（竞争供应商），oem（原始制造商），ns...供大家进行博弈论与python学习。
1天搞定Python进阶课程-Matplotlib绘图
06-09
matplotlib是python中非常常用的绘图工具包，可用于查看显示数据分析的结果，查看程序运行流程等等。本课程会讲解到matplotlib中常用的一些知识点，包括绘制基本图形，散点图，直方图，等高线图，3D图，动态图等等。...
Python&AI-Matplotlib起飞（第一章节）-CSDN@追光者♂
07-27
大家好，这是近期系列文章之Python&AI中的Matplotlib起飞计划，旨在带领大家学习Python中关于Matplotlib的基础知识，含实战代码，欢迎大家下载，已经在博客中记录。此外，个人主页“Python从入门到人工智能”专栏...
PythonPilot:在Python中重新实现第一阶段Capture Pilot HTTP接口
03-15
PythonPilot 在Python中重新实现第一阶段Capture Pilot HTTP接口 支持使用Wifi从任何IQ系列获取和设置不同的参数（快门速度，ISO，文件格式等）。 支持低级异步功能API，也支持与数据库的基于简单对象的接口。 用法 PythonPilot API： 安装 很简单，只需在您选择的文件夹中创建一个虚拟环境，然后从requirements.txt文件中安装需求，然后就可以开始使用API​​进行开发了。 实际的python包仍然是WIP。 python -m venv venv source venv/bin/activate # or . venv/bin/activate.fish if you are a cool person. pip install -r requirements.txt 用法 在制品 未来目标 实际的python包 通过Kiv
Python--Matplotlib（基本用法）
TwcatL_tree
10-24 2008
donewithtoax.barandMatplotlib 是Python中类似的绘图工具，熟悉 MATLAB 也可以很快的上手 Matplotlib。
plt.subplots()详解
Kyrie_Irving的博客
10-25 1万+
plt.subplots()详解 一、通过ax控制子图 1、单行单列 # 定义fig fig = plt.figure() # 建立子图 ax = fig.subplots(2,1) # 2*1 # 第一个图为 ax[0].plot([1,2], [3,4]) # 第二个图为 ax[1].plot([1,2], [3,4]) 2、多行多列 # 定义fig fig = plt.figure(...
plt.subplots用法
qq_18668137的博客
03-28 5451
python matplotlib subplots 用法详解
plt.subplots绘图
qinshi501的博客
01-18 3567
plt.subplots() 是 Matplotlib 库中的一个函数，用于创建一个新的图形窗口或激活一个已存在的图形窗口，并返回一个或多个子图（subplots）的坐标轴对象。plt.subplots() 函数在 Matplotlib 中用于创建子图。以下是其常用的参数：nrows, ncols: 定义子图的行数和列数。例如，plt.subplots(2, 2) 将创建一个2x2的子图布局。sharex, sharey: 是否共享x轴或y轴。默认为False。
plt.subplot() 函数解析
mouselet3的博客
10-18 4万+
plt.subplot()简介。
python 可视化：fig, ax = plt.subplots()画多表图的3中常见样例 & 自定义图表格式
Feeryman_Lee的博客
01-12 5342
python 可视化：fig, ax = plt.subplots()画多表图的3中常见样例 & 自定义图表格式 一、fig, ax = plt.subplots()的作用？ 它是用来创建 总画布/figure“窗口”的，有figure就可以在上边（或其中一个子网格/subplot上）作图了，（fig：是figure的缩写）。 plt.subplot(111)是plt.subplot(1,...
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
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