Matplotlib模块的操作

最新推荐文章于 2024-05-20 22:54:06 发布
最新推荐文章于 2024-05-20 22:54:06 发布
阅读量157 收藏 1
点赞数
分类专栏： Python自学笔记 文章标签： matplotlib 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_46155316/article/details/131745427
版权 
import matplotlib
print(matplotlib.__version__)
import matplotlib.pyplot as plt

from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

曲线图

#单一曲线图
beta=np.linspace(0.5,2.0,100)
Rf=0.03
Rm=0.12
Ri=Rf+beta*(Rm-Rf)

plt.figure(figsize=(9,6))
plt.plot(beta,Ri,'r-',label='证券市场线',lw=2.0)
plt.plot(1.0,Rf+1.0*(Rm-Rf),'o',lw=2.5)
plt.axis('tight')
plt.xticks(fontsize=14)
plt.xlabel('贝塔值',fontsize=14)
plt.xlim(0.4,2.1)
plt.yticks(fontsize=14)
plt.ylabel(u'单一股票收益率',fontsize=14,rotation=90)
plt.ylim(0.07,0.22)
plt.title(u'资本资产定价模型',fontsize=14)
plt.annotate(u'贝塔等于1的收益',fontsize=14,xy=(1.0,0.12),xytext=(0.8,0.15),arrowprops=dict(facecolor='b',shrink=0.05))
plt.grid()
plt.legend(loc=0,fontsize=14)    #加上这行显示label
plt.show()

在这里插入图片描述

#多图绘制
HS300_new=pd.read_excel('D:/a_DUFE/000master_gogogo/python/配套彩图和数据/数据/第五章/沪深300指数（2016-2018）.xlsx',sheet_name="Sheet1",header=0,index_col=0)
plt.figure(figsize=(11,9))
plt.subplot(2,2,1)
plt.plot(HS300_new['开盘点位'],'r-',label=u'沪深300开盘点位',lw=2.0)
plt.xticks(fontsize=13,rotation=30)
plt.xlabel(u'日期',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'点位',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid()
plt.subplot(2,2,2)
plt.plot(HS300_new['最高点位'],'b-',label=u'沪深300最高点位',lw=2.0)
plt.xticks(fontsize=13,rotation=30)
plt.xlabel(u'日期',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'点位',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid()
plt.subplot(2,2,3)
plt.plot(HS300_new['最低点位'],'c-',label=u'沪深300最低点位',lw=2.0)
plt.xticks(fontsize=13,rotation=30)
plt.xlabel(u'日期',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'点位',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid()
plt.subplot(2,2,4)
plt.plot(HS300_new['收盘点位'],'k-',label=u'沪深300收盘点位',lw=2.0)
plt.xticks(fontsize=13,rotation=30)
plt.xlabel(u'日期',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'点位',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid()
plt.show()

在这里插入图片描述

直方图

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

from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

#单一样本的直方图
import numpy.random as npr

I=1000
x_norm=npr.normal(loc=0.8,scale=1.5,size=I)
x_logn=npr.lognormal(mean=0.5,sigma=1.0,size=I)
x_chi=npr.chisquare(df=4,size=I)
x_beta=npr.beta(a=2,b=4,size=I)

plt.figure(figsize=(12,10))
plt.subplot(2,2,1)
plt.hist(x_norm,label=u'正态分布的抽样',bins=20,facecolor='y',edgecolor='k')
plt.xticks(fontsize=13)
plt.xlabel(u'样本值',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'频数',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.subplot(2,2,2)
plt.hist(x_logn,label=u'对数分布的抽样',bins=20,facecolor='r',edgecolor='k')
plt.xticks(fontsize=13)
plt.xlabel(u'样本值',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'频数',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.subplot(2,2,3)
plt.hist(x_chi,label=u'卡方分布的抽样',bins=20,facecolor='b',edgecolor='k')
plt.xticks(fontsize=13)
plt.xlabel(u'样本值',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'频数',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.subplot(2,2,4)
plt.hist(x_beta,label=u'贝塔分布的抽样',bins=20,facecolor='c',edgecolor='k')
plt.xticks(fontsize=13)
plt.xlabel(u'样本值',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'频数',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.show()

在这里插入图片描述

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


from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

#多个样本的直方图
import numpy.random as npr

I=1000
x_normal=npr.normal(loc=0.8,scale=1.5,size=(I,2))

plt.figure(figsize=(16,7))
plt.subplot(1,2,1)
plt.hist(x_normal,label=[u'正态分布的抽样数组1',u'正态分布的抽样数组2'],stacked=True,edgecolor='k',bins=30)
plt.xticks(fontsize=13)
plt.xlabel(u'样本值',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'频数',fontsize=13,rotation=90)
plt.title(u'正态分布随机抽取的两组样本值堆叠的直方图')
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.subplot(1,2,2)
plt.hist(x_normal,label=[u'正态分布的抽样数组1',u'正态分布的抽样数组2'],edgecolor='k',bins=30)
plt.xticks(fontsize=13)
plt.xlabel(u'样本值',fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel(u'频数',fontsize=13,rotation=90)
plt.title(u'正态分布随机抽取的两组样本值并排的直方图')
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.show()

在这里插入图片描述

条形图

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


from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

return_array=np.array([[0.003731,0.021066,-0.004854,0.006098,-0.006060],[-0.001838,0.001842,-0.016544,-0.003738,0.003752],[-0.003087,-0.000344,-0.033391,0.007123,0.004597],[-0.024112,0.011704,-0.029563,-0.014570,0.016129]])
# print(return_array)
return_dataframe=pd.DataFrame(data=return_array.T,index=['2018-09-03','2018-09-04','2018-09-05','2018-09-06','2018-09-07'],columns=['中国石油','工商银行','上汽集团','宝钢股份'])
# print(return_dataFrame)

#垂直条形图
plt.figure(figsize=(12,10))
plt.subplot(2,2,1)
plt.bar(x=return_dataframe.columns,height=return_dataframe.iloc[0],width=0.5,label=u'2018年9月3日涨跌幅',facecolor='y')
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.ylim(-0.035,0.025)
plt.ylabel(u'涨跌幅',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.subplot(2,2,2)
plt.bar(x=return_dataframe.columns,height=return_dataframe.iloc[2],width=0.5,label=u'2018年9月5日涨跌幅',facecolor='C')
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.ylim(-0.035,0.025)
plt.ylabel(u'涨跌幅',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.subplot(2,2,3)
plt.bar(x=return_dataframe.columns,height=return_dataframe.iloc[3],width=0.5,label=u'2018年9月6日涨跌幅',facecolor='b')
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.ylim(-0.035,0.025)
plt.ylabel(u'涨跌幅',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.subplot(2,2,4)
plt.bar(x=return_dataframe.columns,height=return_dataframe.iloc[4],width=0.5,label=u'2018年9月7日涨跌幅',facecolor='g')
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.ylim(-0.035,0.025)
plt.ylabel(u'涨跌幅',fontsize=13,rotation=90)
plt.legend(loc=0,fontsize=13)
plt.grid(True)
plt.show()

在这里插入图片描述

#水平条形图
plt.figure(figsize=(9,6))
plt.barh(y=return_dataframe.columns,width=return_dataframe.iloc[3],height=0.5,label=u'2018年9月6日涨跌幅')
plt.barh(y=return_dataframe.columns,width=return_dataframe.iloc[4],height=0.5,label=u'2018年9月7日涨跌幅')
plt.xticks(fontsize=13)
plt.xlabel(u'涨跌幅',fontsize=13)
plt.yticks(fontsize=13)
plt.title(u'水平条形图可视化股票的涨跌幅',fontsize=13)
plt.legend(loc=0,fontsize=13)
plt.show()

在这里插入图片描述

散点图

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


from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

HS300_SZ180=pd.read_excel('D:/a_DUFE/000master_gogogo/python/配套彩图和数据/数据/第五章/沪深300指数与上证180指数的日涨跌幅（2016-2018）.xlsx',sheet_name="Sheet1",header=0,index_col=0)
print(HS300_SZ180.head())
print(HS300_SZ180.tail())
print(HS300_SZ180.describe())
print(HS300_SZ180.corr())

plt.figure(figsize=(9,6))
plt.scatter(x=HS300_SZ180.iloc[:,0],y=HS300_SZ180.iloc[:,1],c='b',marker='o')
plt.xticks(fontsize=14)
plt.xlabel(u'沪深300指数涨跌幅',fontsize=14)
plt.xticks(fontsize=14)
plt.ylabel(u'上证180指数涨跌幅',fontsize=14,rotation=90)
plt.title(u'沪深300指数与上证180指数的涨跌幅散点图',fontsize=14)
plt.grid()
plt.show()

在这里插入图片描述

饼图

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


from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

currency=['美元','欧元','人民币','日元','英镑']
perc=[0.4173,0.3093,0.1092,0.0833,0.0809]
plt.figure(figsize=(9,7))
plt.pie(x=perc,labels=currency)
plt.axis('equal')
plt.legend(loc=1,fontsize=13)
plt.title(u'特别提取权中不同币种的占比',fontsize=13)
plt.show()

在这里插入图片描述

Vickie_wwq
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Windows下为Python安装Matplotlib模块
09-21
主要介绍了如何在Windows下为Python安装Matplotlib模块的方法，非常的详细，而且附上了官方的下载地址，小伙伴们操作起来应该毫无压力了。
python matplotlib 绘图
总裁余（余登武）博客
03-21 907
python matplotlib 绘图。散点图、折线图、柱状图、直方图、图像属性（颜色，数据标记属性、线性属性）、子图、三维曲线图、三维散点图、三维曲面图、动态图。
matplotlib绘图时中文乱码的解决办法
mz02230909mz的博客
08-14 160
import matplotlib.pyplot as plt from pylab import mpl mpl.rcParams[‘font.sans-serif’] = [‘SimHei’] mpl.rcParams[‘axes.unicode_minus’]=False #用来正常显示负号 本机测试有效的中文字体： SimHei:黑体 FangSong:仿宋 KaiTi:楷体 ...
Matplotlib常用模块
qq_42928743的博客
04-10 1245
Matplotlib 是 Python 中类似 MATLAB 的绘图工具，其能方便地实现数据可视化，可以生成直方图、功率谱、条形图、错误图、散点图、等高线图等。英文官方文档中文部分模块参考文档本文主要讲解我们在支持向量机SVM（三）：实例讲解文章中用到的Matplotlib可视化模块，并对其他常用的相关模块进行讲解。
python的matplotlib模块
TDFSFSF的博客
08-15 225
matplotlib模块的基础操作 随机漫步表格 import matplotlib.pyplot as plt from three.random_walk import RandomWalk # 只要程序处于活动状态，就不断得模拟随机漫步 while True: # 创建一个RandomWalk实例，并将包含的点都绘制出来 rw = RandomWalk(50000) ...
Matplotlib模块的使用
qq_45810826的博客
08-26 495
Pyplot Pyplot 是 Matplotlib 的子库，也是常用的绘图模块，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，生新的图像，在图像中产生新的绘图区域等等。 使用的时候，我们可以使用 import 导入 pyplot 库，并设置一个别名 plt： import matplotlib.pyplot as plt 这样我们就可以使用 plt 来引用 Pyplot 包的方法。 以上实例中我们使用了 Pypl
python绘图模块matplotlib示例详解
01-20
作为程序员，经常需要进行绘图，在我自己的工作中，如果需要绘图，一般都是将数据导入到excel中，然后通过excel生成图表，这样操作起来还是比较繁琐的，所以最近学习了一下Matplotlib模块，将该模块的常用的绘图手段...
Python使用matplotlib 模块scatter方法画散点图示例
09-18
主要介绍了Python使用matplotlib 模块scatter方法画散点图,结合实例形式分析了Python数值运算与matplotlib模块图形绘制相关操作技巧,需要的朋友可以参考下
Python使用matplotlib模块绘制图像并设置标题与坐标轴等信息示例
09-20
主要介绍了Python使用matplotlib模块绘制图像并设置标题与坐标轴等信息,结合实例形式分析了Python中matplotlib模块进行坐标系图形绘制的相关操作技巧,需要的朋友可以参考下
python matplotlib模块基本图形绘制方法小结【直线，曲线，直方图，饼图等】
09-16
主要介绍了python matplotlib模块基本图形绘制方法,结合实例形式总结分析了Python使用matplotlib模块绘制直线，曲线，直方图，饼图等图形的相关操作技巧,需要的朋友可以参考下
【hackmyvm】Slowman靶机
woshicainiao666的博客
05-20 120
发现/secretLOGIN/login.html为登录地址，根据账号密码登录发现一个zip，但是需要密码。在FTP中得到的账号，爆破一下SSH。上传linpeas.sh文件，报一下。SSH爆破无果，试试mysql。得到用户名和加密的密码。
【Python】Python中变量或者函数加下划线‘_‘的含义
yangweipeng708的博客
05-14 653
理解这些约定可以帮助Python开发者编写更清晰、更Pythonic的代码，并理解其他Python代码中的命名习惯。）通常用来指示特定的编程约定或用法，这些约定主要关乎变量和函数的可访问性以及预期的使用范围。在Python中，变量或函数前面加一个下划线（
python数据分析——时间序列
qq_74013365的博客
05-14 1974
时间序列是按照时间顺序排列的一系列随时间变化而变化的数据点或观测值。时间序列可以是离散的，例如每月的销售数据，也可以是连续的，例如气温和股票价格等。时间序列常用于预测和分析未来的趋势，例如经济增长、股票走势、天气变化等。时间序列分析是数据分析中的重要部分，它涉及到对随时间变化的数据进行研究，以揭示其内在规律、趋势和周期性变化。Python作为一种强大的编程语言，拥有众多的数据处理和可视化库，如pandasnumpymatplotlib和seaborn等，这些库在处理时间序列数据时表现出色。
Python实战开发及案例分析（31）—— 哈希算法
最新发布
贾贾的博客
05-20 475
哈希算法（Hash Algorithm）是一种将输入数据映射到固定大小的输出（通常是一个整数或字符串）的算法。哈希算法广泛应用于数据结构（如哈希表）、加密、数据校验等领域。下面将详细介绍哈希算法的基本原理，并通过具体案例展示如何在Python中实现和应用哈希算法。
Gradio 案例——将 dicom 文件转为 nii文件
蒋含竹的博客
05-15 352
Gradio 的WEB界面案例：利用 SimpleITK 库，将 dicom 文件转为 nii文件
python EEL + vue3.js 简单示例
bigcarp的专栏
05-15 184
eel官方示例中暴露的js函数是全局函数，vue中的自定义函数作用域通常都是组件范围内。要让eel.js调用，需要将其升为全局可用。一般方法有 app.config.globalProperties 或 mixin等。
Python slice() 使用方法及示例说明
ym62033的博客
05-15 185
处。
用python进行“个税计算”
算法与编程之美
05-20 67
1 问题企业发放的奖金根据利润来提成。利润(I)低于或等于5万元时，奖金可提10%；利润高于5万元，低于20万元时，低于5万元的部分按10%提成，高于5万元的部分，可提成7.5%；20万到40万之间时，高于20万元的部分，可提成5%；40万到60万之间时高于40万元的部分，可提成3%；60万到100万之间时，高于60万元的部分，可提成1.5%，高于100万元时，超过100万元的部分按1%提成，从键...
patroni 部分源码阅读
喝醉酒的小白
05-20 244
py.py。
安装matplotlib模块
08-17
要安装matplotlib模块,你可以按照以下步骤进行操作: 1. 打开命令行界面（如cmd或终端）。 2. 输入命令"python -m pip install matplotlib"，这会自动下载并安装matplotlib库。<span class="em">1</span><span class...

“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