day01_matplotlib_demo

最新推荐文章于 2023-12-04 10:10:47 发布
最新推荐文章于 2023-12-04 10:10:47 发布
阅读量707 收藏
点赞数
分类专栏： python 深度学习 文章标签： matplotlib python 开发语言
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_45205160/article/details/133973039
版权

文章目录

折线图plot

import matplotlib.pyplot as plt

plt.figure(figsize=(15, 6), dpi=80)
plt.plot([1, 0, 9], [4, 5, 6])
plt.show()

在这里插入图片描述

### 展现一周天气温度情况
# 创建画布
plt.figure(figsize=(15, 6), dpi=80)
# 绘制图像
plt.plot([1, 2, 3, 4, 5, 6, 7], [17, 17,  29, 25, 34, 23, 18])
# 显示图像
plt.savefig('test78.jpg')
plt.show()  # 会释放所有的画布资源 所以savefig函数需要放在他的前面

在这里插入图片描述

import matplotlib.pyplot as plt
import random
plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  #用来正常显示负号
# 准备数据
x = range(60)
# 这里使用了列表推导式
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 5) for i in x]
# 创建画布
plt.figure(figsize=(10, 4), dpi=80)
# 绘制图像
plt.plot(x, y_shanghai, 'b-.', label='上海')  # label表示显示标签 b-.表示 blue 线条为-.形式
plt.plot(x, y_beijing, 'r--', label='北京')
# 显示图像
plt.legend()
# 修改x y 刻度
plt.yticks(range(0, 40, 5))
x_label = ['11点{}分'.format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
# 添加标题
plt.xlabel('时间变化')
plt.ylabel('温度变化')
plt.title('某城市的11点钟的温度的变化')
# 栅格
plt.grid(True, 'both', 'x')
#显示图像
plt.show()

在这里插入图片描述

多个绘图区

import matplotlib.pyplot as plt
import random
plt.rcParams['font.sans-serif'] = ['SimHei']    #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      #用来正常显示负号

# 准备数据
x = range(60)
# 这里使用了列表推导式
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]

figure, axes = plt.subplots(1, 2, figsize=(15, 6), dpi=80)
axes[0].plot(x, y_shanghai, 'r--', label='上海')
axes[1].plot(x, y_beijing, 'b-', label='北京')
# 显示label
axes[0].legend()
axes[1].legend()
# 设置刻度
axes[0].set_yticks(range(0, 40, 5))
axes[0].set_xticks(x[::5], ["11.{} ".format(i) for i in x][::5])
axes[1].set_yticks(range(0, 10, 2))
axes[1].set_xticks(x[::5], ["11.{} ".format(i) for i in x][::5])
# 栅格
axes[0].grid(visible=True, which='both', axis='x')
axes[1].grid(visible=True, which='both', axis='x')
# 设置标题
axes[0].set_xlabel('时间')
axes[0].set_ylabel('温度')
axes[0].set_title('上海天气')
axes[1].set_xlabel('时间')
axes[1].set_ylabel('温度')
axes[1].set_title('北京天气')

plt.show()

在这里插入图片描述

绘制数学函数图像

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(-1, 1, 1000)
y = 2 * x * x

# 创建画布
plt.figure(figsize=(15, 6), dpi=80)
# 绘制图像
plt.plot(x, y, 'r-', label='y=2x*x')
plt.legend(loc=1)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.title('显示函数图像')
# 网格显示
plt.grid(linestyle='--', alpha=0.5)
# 显示图像
plt.show()

在这里插入图片描述

散点图scatter

## 探究房屋面积和房屋价格的关系
import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = [225.63, 247.07, 253.12, 457.85, 241.58, 303.23, 304.32, 340.34, 220.34, 240.23, 280.45]
y = [196.63, 203.88, 210.75, 374.74, 202.41, 299.35, 300.12, 330.34, 220.34, 222.45, 290.21]

# 创建画布、绘制图像
plt.figure(figsize=(15, 6), dpi=80)
plt.scatter(x, y, alpha=0.5)
plt.show()

在这里插入图片描述

柱状图bar

import matplotlib.pyplot as plt

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

## 对比票房收入
# 准备数据
movie_names = ['雷神3', '正义联盟', '东方快车', '环游记', '全球风暴', '降魔传']
movie_data = [73853, 557767, 22354, 15969, 14839, 8725]
bar_labels = ['red', 'blue', '_red', 'orange', '_bue', '_orange']
bar_colors = ['tab:red', 'tab:blue', 'tab:red', 'tab:orange', 'tab:blue', 'tab:orange']

# 准备画布、绘制图像
plt.figure(figsize=(15, 6), dpi=80)
bar1 = plt.bar(range(len(movie_names)), movie_data, label=bar_labels, color=bar_colors)
plt.bar_label(bar1, label_type='center')  # 将对应的数据显示在柱状图的中间
plt.legend(title='电影')

# 修改刻度
plt.xticks(range(len(movie_names)), movie_names)

plt.xlabel('电影名称')
plt.ylabel('票房')
plt.title('部分电影票房柱状图')
# 显示图像
plt.show()

在这里插入图片描述

## 对比电影票房收入
import matplotlib.pyplot as plt

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

# 准备数据
movie_name = ['雷神3', '正义联盟', '东方快车']
first_day = [10587.6, 10062.5, 1275.7]
week_day = [36224.9, 34479.6, 11830]
# 创建画布、绘图
figure, axes = plt.subplots(figsize=(15, 6), dpi=80)
p1 = axes.bar(range(len(movie_name)), first_day, label='first_day', width=0.2)
axes.bar_label(p1, label_type='center', color='b')
p2 = axes.bar([0.2, 1.2, 2.2], week_day, label='week_day',  width=0.2)
axes.bar_label(p2, label_type='center', color='r')
axes.legend() 

axes.set_xticks([0.1, 1.1, 2.1], movie_name);

plt.show()

在这里插入图片描述

## 对比电影票房收入
import matplotlib.pyplot as plt

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

# 准备数据
movie_name = ['雷神3', '正义联盟', '东方快车']
first_day = [10587.6, 10062.5, 1275.7]
week_day = [36224.9, 34479.6, 11830]
# 创建画布、绘图
figure, axes = plt.subplots(figsize=(15, 6), dpi=80)
p1 = axes.bar(range(len(movie_name)), first_day, label='first_day', width=0.2, bottom=[0, 0, 0], color=['r', 'g', 'b'])
axes.bar_label(p1, label_type='center', color='w')
p2 = axes.bar(range(len(movie_name)), week_day, label='week_day',  width=0.2, bottom=first_day, color=['b', 'r', 'g'])
axes.bar_label(p2, label_type='center', color='w')
axes.legend() 

axes.set_xticks(range(len(movie_name)), movie_name);

plt.show()

在这里插入图片描述

直方图histogram

## 直方图显示带电影时长的分布状况
import matplotlib.pyplot as plt

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

## 准备数据

movie_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]
## 创建画布、绘图
group_distance = 10  # 组距
num_bins = (max(movie_time)-min(movie_time))//group_distance + 1  # 组数
fig, axes = plt.subplots(figsize=(12, 8), dpi=80)
p = axes.hist(movie_time, num_bins, rwidth=1)
axes.set_xticks(range(min(movie_time), max(movie_time) + group_distance, group_distance))

axes.set_xlabel('影视播放时长分钟', size=16)
axes.set_ylabel('影视个数', size=16)
axes.set_title('影视时间分布直方图', size=18)
plt.grid()  # 绘制网格
## 显示
plt.show()

在这里插入图片描述

饼图pie

## 饼图绘制 显示不同电影的排名
import matplotlib.pyplot as plt

## 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]

## 创建画布、绘制图像
fig, axes = plt.subplots(figsize=(15, 8), dpi=80)
axes.pie(place_count, labels=movie_name, autopct='%1.2f%%', colors=['b', 'r','g','y','c','m','y','k','c','g','g'])
axes.axis('equal')  # 设置显示是圆形
axes.legend(loc='best',  title="Ingredients")
plt.title("排片占比示意图", size=18)
plt.show()

在这里插入图片描述

总结

  • 容器层
    • 画板层Canvas
    • 画布层plt.figure(figsize=(), dpi=)
    • 绘画层/坐标轴fig, axes = plt.subplots(nrows=, ncols=, figsize=(). dpi=)
  • 辅助显示层
    • 修改x,y轴刻度 plt.xticks()
    • 添加描述信息 plt.xlabel() plt.ylabel() plt.title()
    • 添加网格 plt.grid()
    • 显示图例 plt.legend()
  • 图像层，可以设置图像颜色、风格、标签
    • 折线图 plt.plot()
    • 散点图 plt.scatter()
    • 柱状图 plt.bar()
    • 直方图 plt.hist()
    • 饼图 plr.pie()
东方欲晓w
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
Matplotlib demo 1
Frog in a well
08-01 1028
今天看到一个用matplotlib画出了tableau的感觉的demo，忍不住学习一下： # -*- coding: utf-8 -*- from pandas import read_csv import matplotlib.pylab as plt # Read the data into a pandas DataFrame. gender_degree_data = read_cs
Mastering_matplotlib 英文版 python 作图用
10-04
Mastering_matplotlib 英文版 python 作图用，非常实用。
matplotlib_demo
03-29
matplotlib_demo
matplotlib Demo
baihuang2797的博客
09-23 265
from matplotlib import pyplot as plt import numpy as np def plotBar(num_dict): index_list,data = zip(*num_dict) fig=plt.figure(1,figsize=(30,25)) ax1=plt.subplot(111) x_bar=...
python - matplotlib demo
Dave_lzw的博客
06-29 192
平面图绘制 from matplotlib import pyplot as plt import numpy as np # linspace（x, y）产生一个有100个元素的行向量，其中的元素在区间[x, y]中等间隔分布。 # linspace（x, y, n）产生x和y之间等间隔的n个数，如果n = 1，返回结果为y。 x = np.linspace(-np.pi,np.pi) plt.plot(x,np.cos(x),color='red') plt.show() # 颜色：英文字母、RGB
matplotlib的一个demo
kaikai_sk的博客
03-17 411
#-*- coding:utf-8 -*- from pylab import *#创建一个8*6个点的figure，每英寸80个点 figure(figsize=(8,6),dpi=80)#创建一个1*1的子图 subplot(1,1,1)X=np.linspace(-np.pi,np.pi,256,endpoint=True) C,S=np.cos(X),np.sin(X)plot(X,C,co
llc.zip_LLC 计算_llc_matplotlib_wxpython
09-23
【标题】"llc.zip_LLC 计算_llc_matplotlib_wxpython"是一个使用Python 2.6编写的计算工具，专注于LLC（ LLC谐振转换器）的相关计算。这个工具结合了numpy、matplotlib和wxpython三个强大的库，旨在为用户提供一个...
practice_matplotlib_py制图语言_PythonMatplotlib_matplotlib练习_
09-30
Python Matplotlib库是数据可视化的重要工具，尤其在科学研究和数据分析领域广泛应用。本教程将通过实践指导，帮助你掌握使用Python Matplotlib进行基本图形绘制的方法。 首先，了解Matplotlib的核心组件：`pyplot`...
pyladies_matplotlib_demo:用于聚会的Matplotlib演示19082015
05-15
【标题】"pyladies_matplotlib_demo:用于聚会的Matplotlib演示19082015" 提供的信息表明，这是一个与Python编程语言相关的演示项目，特别关注于Matplotlib库的使用。Matplotlib是Python中最流行的绘图库，允许用户...
matplotlib_vertical_bars_matplotlibPython_
09-30
在Python的可视化领域，`matplotlib`库是广泛使用的工具之一，尤其适合绘制各种类型的图表，包括条形图。本主题将深入探讨如何使用`matplotlib`模块来创建带有误差线的垂直条形图，以直观地表示数据的不确定性或变化...
matplotlib官网示例代码
10-28
matplotlib官网的示例代码，最新版
Python3：matplotlib的基本demo(折线图，直方图，柱状图，饼图，散点图)
编程学习者的博客
12-22 3143
1.简介 由于本人前面学习了matplotlib，完成了一些简单的demo,所以现在想要将所有的图形画一遍，用于巩固个人所学！ 2.折线图 折线图，曲线图 import numpy as np import matplotlib.pyplot as plt x = np.linspace(-10, 10, 1000) # y = np.sin(x) y = x * x plt.figure()...
Matplotlib--Table Demo
DXB2021的博客
05-25 159
import numpy as np import matplotlib.pyplot as plt data = [[ 66386, 174296, 75131, 577908, 32015], [ 58230, 381139, 78045, 99308, 160454], [ 89135, 80552, 152558, 497981, 603535], [ 78415, 81858, 150656, 193263, 69638]...
Python可视化库matplotlib库各种图demo
公众号：瑞行AI
10-27 8662
关联分析、数值比较：散点图、曲线图 分布分析：灰度图、密度图 涉及分类的分析：柱状图、箱式图 核密度估计（Kernel density estimation），是一种用于估计概率密度函数的非参数方法，采用平滑的峰值函数(“核”)来拟合观察到的数据点，从而对真实的概率分布曲线进行模拟。 https://en.wikipedia.org/wiki/Kernel_density_estimation核密
Numpy+Pandas+Matplotlib_demo小程序
choco_mil的博客
09-27 565
Numpy+Pandas+Matplotlib_demo 调包 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline 用Numpy生成不同方差的高斯随机序列 #定义序列长度 L = 2**10 #定义方差列表 sigma_list = [3, 2, 1] #生成三个高斯随...
Matplotlib案例
最新发布
淡水鱼的博客
12-04 505
记录一个demo，其中包括了科研画图的基本用法。
Python3：matplotlib的简单起步使用(一个简单的Demo，柱状图和折线图)
编程学习者的博客
12-21 283
1.前言 由于前面安装了matplotlib这个模块（一个用于画图表的模块，类似echarts）,现在来使用这个模块 2.简单的Demo 当前的demo来源于官方：官方的简单柱状图 import numpy as np import matplotlib.pyplot as plt N = 5 menMeans = (20, 35, 30, 35, 27) womenMeans = (25, ...
522个matplotlib绘图案例，包含：折线图、散点图、条形图、饼图、直方图、3D图等，源码可直接运行！
高级数据分析师，分享Python知识
07-28 2080
Matplotlib是一个广泛使用的Python绘图库，可以用于生成各种类型的图表和可视化。它提供了丰富的功能和灵活的接口，使用户可以轻松地创建精美的图表。下面将介绍一些常见的Matplotlib图表类型。折线图是Matplotlib中最常见的图表类型之一。它用于显示数据随时间或其他连续变量的变化趋势。通过plot()函数可以绘制折线图，并可以根据需要添加标题、坐标轴标签和图例等。
7 Matlplotlib绘图
爱学习爱运动的专栏
02-23 871
Matlplotlib绘图
display.set_matplotlib_formats
05-12
`display.set_matplotlib_formats`是IPython内置的函数，用于设置Matplotlib绘图库的输出格式。通常情况下，Matplotlib将输出渲染为PNG图像格式。但是，如果你想将图像渲染为其他格式（如PDF或SVG），你可以使用`...

“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