python常用模块(一) —— matplotlib示例完整代码

最新推荐文章于 2024-04-30 18:57:16 发布
最新推荐文章于 2024-04-30 18:57:16 发布
阅读量477 收藏 2
点赞数 1
分类专栏： python 文章标签： python 数据分析
原文链接：https://www.bilibili.com/video/BV1xt411v7z9?from=search&seid=14110503997909906316
版权

视频见：Python教程4天快速入手Python数据挖掘

1 完整折线图 —— 上海温度变化

案例：显示温度变化状况

需求：画岀某城市11点到12点一小时内每分钟的温度变化折线图，温度范围在15度 ∼ \sim ∼ 18度

import random
import matplotlib. pyplot as plt

# 1、准备数据 x y![在这里插入图片描述]
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]

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

# 3、绘制图像
plt.plot(x, y_shanghai)

# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

# 修改x、y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(0, 40, 5))

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

# 添加描述信息
plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("某城市11点到12点每分钟的温度变化状况")

# 保存图片
plt.savefig('上海.png')

# 4、显示图
plt.show()

在这里插入图片描述

2 完整折线图 —— 北京-上海温度变化（同一图）

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。

# 1、准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]   # 增加北京的温度数据

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

# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

# 3、绘制图像
plt.plot(x, y_shanghai, color="r", linestyle="-.", label="上海")
plt.plot(x, y_beijing, color="b", label="北京")    # 使用多次plot可以画多个折线

# 显示图例
plt.legend()  		# 图像右上角说明

# 修改x、y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(0, 40, 5))

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

# 添加描述信息
plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("上海、北京11点到12点每分钟的温度变化状况")

# 保存图片
plt.savefig('北京—上海.png')

# 4、显示图
plt.show()

在这里插入图片描述

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。

3 完整折线图 —— 北京-上海温度变化（两张子图）

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。

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

# 2、创建画布
# plt.figure(figsize=(20, 8), dpi=80)
figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=80)

# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

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

# 显示图例
axes[0].legend()
axes[1].legend()

# 修改x、y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
axes[0].set_xticks(x[::5])
axes[0].set_xticklabels(x_label)
axes[0].set_yticks(range(0, 40, 5))
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_label)
axes[1].set_yticks(range(0, 40, 5))

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

# 添加描述信息
axes[0].set_xlabel("时间变化")
axes[0].set_ylabel("温度变化")
axes[0].set_title("上海11点到12点每分钟的温度变化状况")
axes[1].set_xlabel("时间变化")
axes[1].set_ylabel("温度变化")
axes[1].set_title("北京11点到12点每分钟的温度变化状况")

# 4、显示图
plt.show()

在这里插入图片描述

4 散点图

需求：探究房屋面积和房屋价格的关系

# 1、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]	# 房屋面积数据

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]	# 房屋价格数据

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

# 3、绘制图像
plt.scatter(x, y)

# 4、显示图像
plt.show()

在这里插入图片描述

5 柱状图

5.1 需求1-对比每部电影的票房收入

# 1、准备数据
movie_names = ['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']
tickets = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

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

# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei'

# 3、绘制柱状图
x_ticks = range(len(movie_names))
plt.bar(x_ticks, tickets, color=['b','r','g','y','c','m','y','k','c','g','b'])

# 修改x刻度
plt.xticks(x_ticks, movie_names)

# 添加标题
plt.title("电影票房收入对比")

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

# 4、显示图像
plt.show()

在这里插入图片描述

5.2 需求2-如何对比电影票房收入才更能加有说服力？

比较相同天数的票房

有时候为了公平起见，我们需要对比不同电影首日和首周的票房

# 1、准备数据
movie_name = ['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]
x = range(len(movie_name))

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

# 3、绘制柱状图
plt.bar(x, first_day, width=0.2, label="首日票房")
# plt.bar([0.2, 1.2, 2.2], first_weekend, width=0.2, label="首周票房")
plt.bar([i+0.2 for i in x], first_weekend, width=0.2, label="首周票房")

# 显示图例
plt.legend()

# 修改刻度
plt.xticks([0.1, 1.1, 2.1], movie_name)

# 4、显示图像
plt.show()

在这里插入图片描述

6 直方图(histogram)

需求：电影时长分布状况

现有250部电影的时长，希望统计出这些电影时长的分布状态比如时长为100分钟到120分钟电影的数量，出现的频率等信息，你应该如何呈现这些数据？

# 1、准备数据
time = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

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

# 3、绘制直方图
distance = 2
group_num = int((max(time) - min(time)) / distance)	# 取整

plt.hist(time, bins=group_num, density=True)

# 修改x轴刻度
plt.xticks(range(min(time), max(time) + 2, distance))

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

# 4、显示图像
plt.show()

在这里插入图片描述

7 饼图

需求：显示不同的电影的排片占比

# 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 = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

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

# 3、绘制饼图
plt.pie(place_count, labels=movie_name, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%")

# 显示图例
plt.legend()

# 显示的饼图保持圆形
plt.axis('equal')

# 4、显示图像
plt.show()

在这里插入图片描述

蓬蓬奇
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
80| Python可视化篇 —— Matplotlib数据可视化
微信号：RunsenLiu
05-13 1538
和使用像素表示图像的位图不同，SVG基于XML存储图像数据，它是W3C定义的一种开放标准的矢量图形语言，可以用来设计更为清晰的Web图像，因为SVG与分辨率无关，在任意放大时不会丢失细节或影响清晰度。数据的处理、分析和可视化已经成为Python近年来最为重要的应用领域之一，其中数据的可视化指的是将数据呈现为漂亮的统计图表，然后进一步发现数据中包含的规律以及隐藏的信息。函数设置绘图的颜色和线条的形状将折线图改造为散点图，对应的代码如下所示，其中参数’xr’表示每个点的记号是‘x’图形，颜色是红色（
matplotlib官网示例代码
10-28
matplotlib官网的示例代码，最新版
python matplotlib 库的示例代码
流风回雪的博客
12-06 368
http://matplotlib.org/gallery.html
数据分析 - matplotlib示例代码
yinshuilan的专栏
07-01 345
python数据分析，简单的图像制作
matplotlib官方示例代码
小乖乖的臭坏坏
11-08 263
import numpy as np import matplotlib.pyplot as plt from matplotlib.ticker import AutoMinorLocator, MultipleLocator np.random.seed(19680801) X = np.linspace(0.5, 3.5, 100) Y1 = 3+np.cos(X) Y2 = 1+np.cos(1+X/0.75)/2 Y3 = np.random.uniform(Y1, Y2, len(X))
python-matplotlib实例
weixin_50108437的博客
10-14 246
直接上实例: (以下皆是在jupyter上的运行效果) # 导入模块 import numpy as np import matplotlib.pyplot as plt # 处理中文正常显示 plt.rcParams['font.sans-serif'] = 'SimHei' # 处理负号正常显示 plt.rcParams['axes.unicode_minus'] = False step1:创建三角函数 np.arange(-4, 4, 0.5) array([-4. , -3.5, -3
PYthon第三方扩展库——Matplotlib
m0_70816190的博客
11-15 4148
PYthon第三方扩展库——Matplotlib 介绍及基本操作
python——Matplotlib学习笔记2
12-22
在Python的可视化领域，Matplotlib库是不可或缺的一部分，它提供了丰富的图形绘制功能，包括线图、散点图、柱状图等。本篇学习笔记主要关注如何使用Matplotlib绘制散点图。 首先，我们来看一个基础的散点图绘制例子...
莫烦PYTHON——Matplotlib画图教程 学习心得（2）
12-21
在Python的可视化领域，Matplotlib库是不可或缺的一部分，它提供了丰富的图形绘制功能，适用于各种数据展示和分析。本文主要探讨了Matplotlib中的几种基本图表类型，以及如何将多个图表组合在一起，甚至创建动画效果...
2024年Python最全Python-Matplotlib可视化（2）——自定义颜色绘制精美统计图
最新发布
2401_84558508的博客
04-30 538
与color参数控制点的颜色一样，可以使用edgecolor参数控制数据点的边的颜色。可以为每个点的边设置相同的颜色：plt.show()Tips：也可以像在为每个点定义不同的颜色部分中介绍的一样为每个点的边设置不边的颜色控制绘制条形图使用的颜色与曲线图和散点图的工作原理相同，即通过可选参数color：plt.show()
Python的matplotlib绘图入门示例
02-08
这是我自己总结网上资源的关于matplotlib的画图示例，运行环境是Python(x,y)-2.7.10.0 在正确环境下可以直接运行。通过这些示例你可以快速的入门matplotlib的波形显示以及动态波形显示。
Python Matplotlib 画图示例
想找个地方记录一下自己的想法，于是就有了这些博客
11-11 824
Python matplotlib 画图的常用设定介绍；latex 字体使用介绍
Python 数据可视化入门：Matplotlib 库示例代码
git_web425的博客
09-27 40
我们涵盖了绘制折线图和柱状图的示例，并展示了如何进行图表的定制。你可以根据自己的需求和数据类型来使用 Matplotlib 创建更多类型的图表。Matplotlib 是一个流行的 Python 数据可视化库，可以通过简单的代码生成各种类型的图表和图形。运行上述代码，你将获得一个简单的折线图，横轴表示时间，纵轴表示温度。除了折线图，Matplotlib 还可以绘制其他类型的图表，比如柱状图。首先，让我们来绘制一个简单的折线图。运行上述代码，你将获得一个柱状图，横轴表示不同的城市，纵轴表示对应城市的人口数量。
matplotlib 的数据可视化示例代码
光英的记忆博客
05-28 1061
import matplotlib import matplotlib.pyplot as plt import numpy as np import pandas as pd from matplotlib import figure stock_data = pd.read_csv('D:\\yangyang\\spy\\nltksample\\008\\600000.csv', ...
matplotlib简单示例
Orbita_wangtao
12-13 255
matplotlib简单示例 一、简介 以下引用自百度百科 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。 二、流程 1. 明确要研究的问题2. 选择需要使用什么图形（折线图、直方图……）来呈现...
matplotlib代码
lyyiangang的博客
06-17 92
绘制曲线 import matplotlib.pyplot as plt x = [2, 3, 4] y = [1, 2, 3] plt.plot(x, y, label ='you label') plt.legend() plt.show() # plt.savefig('debug.png')
Matplotlib 各个示例
zjjcchina的博客
11-05 472
Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用 ，Matplotlib也是深度学习的常用绘图库，主要是将训练的成果进行图形化，因为这样更直观，更方便发现训练中的问题，今天来学习下，走起！！ 1、先来个demo 分析下 下面是一个典型的图形，我们如果想画这样一个图，应该做什么，应该准备哪些数据，这样的图形有哪些属性是你需要关注的？ 1、怎么做一个图？ 怎么创建一个画板？ 2、怎么设置数据？x，y 的数据怎么放上去 3、设置图标示，左上角的各种线的颜色这种小窗体怎
matplotlib的一些代码
weixin_30797027的博客
01-16 255
Matplotlib Python 画图教程 (莫烦Python)_演讲•公开课_科技_bilibili_哔哩哔哩 https://www.bilibili.com/video/av16378354/?from=search&seid=16336534570780842214"""画3D图""" import numpy as np import matplotlib.p...
python里matplotlib_25 个常用 Matplotlib 图的 Python 代码，干货收藏！
weixin_35110758的博客
01-30 292
重磅干货，第一时间送达作者：zsx_yiyiyi编辑：python大本营大家好，我是宝器。今天分享给大家25个Matplotlib图的汇编，在数据分析和可视化中最有用。#!pipinstallbrewer2mplimportnumpyasnpimportpandasaspdimportmatplotlibasmplimportmatplotlib.pyplotaspl...
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