数据分析——matplotlib

已于 2022-03-22 00:46:13 修改
阅读量516 收藏 2
点赞数
分类专栏： 数据分析 文章标签： 数据分析
于 2022-03-22 00:39:16 首次发布
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_46489969/article/details/123326633
版权

目录

数据分析的流程图

matplotlib绘制折线图

设置图片大小

调整X或者Y轴上的刻度

设置中文显示

给图像添加描述信息

matplotlib绘制散点图

matplotlib绘制条形图

单个条形图

多个条形图

应用场景

matplotlib绘制直方图

频数分布直方图

频率分布直方图

把下列数据化成直方图

直方图应用场景

matplotlib绘图基本操作

添加图例，绘制网格

线条粗细，线条风格，线条颜色，线条透明度

不同图形的应用场景

总结

常见问题

使用流程

更多的绘图工具

数据分析的流程图

matplotlib绘制折线图

matplotlib: 最流行的Python底层绘图库，主要做数据可视化图表,名字取材于MATLAB，模仿MATLAB构建

# coding:utf-8
from matplotlib import pyplot as plt
x = range(2,26,2)
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
# 绘图
plt.plot(x,y)
# 展示图形
plt.show()

设置图片大小

plt.figure(figsize=(20,8),dpi=80)  # 图像模糊的时候用dpi可以使图像清晰

调整X或者Y轴上的刻度

# 设置x,y轴的刻度
# _xticks_labels = [i/2 for i in range(4,49)]
# plt.xticks(_xticks_labels)
# plt.xticks(range(2,26,5))
plt.xticks(x)
plt.yticks(range(min(y),max(y)))

题目：

如果列表a表示10点到12点的每一分钟的气温,如何绘制折线图观察每分钟气温的变化情况?

a= [random.randint(20,35) for i in range(120)]

# coding:utf-8
# 如果列表a表示10点到12点的每一分钟的气温,如何绘制折线图观察每分钟气温的变化情况?
# a= [random.randint(20,35) for i in range(120)]
from matplotlib import pyplot as plt
import random
import matplotlib
from matplotlib import font_manager

# 显示中文字体
# windows/linux
font = {'family' : 'Microsoft Yahei',
        'weight' : 'bold',
        'size'   : '10'}
matplotlib.rc("font",**font)
# matplotlib.rc("font",family='MicroSoft YaHei',weight="bold")
# # windows/linux/mac
# my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/Dengb.ttf")

x = range(0,120)
# 随机种子可以使每次随机的结果相同
random.seed(10)
y = [random.randint(20,35) for i in range(120)]

plt.figure(figsize=(15,8))
plt.plot(x,y)

# 调整x,y轴坐标
_xticks_lables = ["10点{}分".format(i) for i in range(60)]
_xticks_lables += ["11点{}分".format(i) for i in range(60)]
plt.xticks(x[::5],_xticks_lables[::5],rotation = 90)
# plt.xticks(x[::5],_xticks_lables[::5],rotation = 90, fontproperties = my_font)

plt.show()

设置中文显示

查看linux/mac下面支持的字体:

fc-list   à查看支持的字体

fc-list :lang=zh à查看支持的中文(冒号前面有空格)

全局设置

matplotlib.rc

# windows/linux
font = {'family' : 'Microsoft Yahei',
        'weight' : 'bold',
        'size'   : '10'}
matplotlib.rc("font",**font)

仅在需要显示中文的地方设置

font_manager

from matplotlib import font_manager
# windows/linux/mac
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/Dengb.ttf")
plt.xticks(x[::5],_xticks_lables[::5],rotation = 90, fontproperties = my_font)

给图像添加描述信息

# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度 单位(℃)")
plt.title("10点到12点每分钟的气温变化情况")

练习题1

假设大家在30岁的时候,根据自己的实际情况,统计出来了从11岁到30岁每年交的女(男)朋友的数量如列表a,请绘制出该数据的折线图,以便分析自己每年交女(男)朋友的数量走势

a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]

要求:

    y轴表示个数

    x轴表示岁数,比如11岁,12岁等

from matplotlib import pyplot as plt
import matplotlib
x = range(11,31)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]

font = {'family' : 'Microsoft Yahei',
              'weight' : 'bold',
              'size'   : '10'}
matplotlib.rc('font', **font)

plt.figure(figsize=(15,8),dpi=80)

_x_ticks = ["{}岁".format(i) for i in x]
plt.xticks(x,_x_ticks)

plt.plot(x,y)

plt.xlabel("年龄")
plt.ylabel("每年交的男（女）朋友数量")
plt.title("11岁到30岁每年交的女(男)朋友的数量")

# 绘制网格
plt.grid(alpha = 0.1)

plt.show()

练习题2

假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势

a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]

b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]

要求:

    y轴表示个数

    x轴表示岁数,比如11岁,12岁等

# coding:utf-8
# 假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,
# 请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势
# a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
# b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
# 要求: y轴表示个数 ,x轴表示岁数,比如11岁,12岁等
from matplotlib import pyplot as plt
import matplotlib
y_me = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_cl = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
x = range(11,31)

plt.figure(figsize=(15,8),dpi=80)
font = {'family' : 'Microsoft Yahei',
              'weight' : 'bold',
              'size'   : '10'}
matplotlib.rc('font', **font)

plt.plot(x,y_me,label = "自己",color = "#8B2500",linestyle = ":",linewidth = 10)
plt.plot(x,y_cl,label = "同桌",color = "cyan",alpha = 0.4)

plt.legend(loc="upper left") #prop=my_font

plt.show()

matplotlib绘制散点图

• 不同条件 ( 维度 ) 之间的内在关联关系
• 观察数据的离散聚合程度

题目：

假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?

a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]

b =[26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,

13,6]

数据来源：http://lishi.tianqi.com/beijing/index.html

# coding:utf-8
from matplotlib import pyplot as plt
from matplotlib import font_manager
import matplotlib

my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/Dengl.ttf')

y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3 = range(1,32)
x_10 = range(51,82)

plt.figure(figsize=(15,8),dpi=80)

plt.scatter(x_3,y_3,label = "3月份")
plt.scatter(x_10,y_10,label = "10月份")

_x = list(x_3) + list(x_10)
_xticks_labels = ["3月{}日".format(i) for i in x_3]
_xticks_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::3],_xticks_labels[::3],rotation = 45,fontproperties = my_font)

#添加图例
plt.legend(loc="upper left",prop=my_font)

plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度",fontproperties=my_font)
plt.title("标题",fontproperties=my_font)

plt.show()

matplotlib绘制条形图

单个条形图

假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32

,6.99,6.88,6.86,6.58,6.23] 单位:亿

#coding:utf -8
from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'Microsoft Yahei',
        'weight' : 'bold',
        'size'   : '10'}
matplotlib.rc('font', **font)
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸",
     "加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3",
     "智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
plt.figure(figsize=(15,8),dpi=80)
plt.barh(range(len(a)),b,height=0.3,color="orange")
plt.yticks(range(len(a)),a)
plt.grid(alpha=0.3)
plt.savefig("./movie.png")
plt.show()

多个条形图

假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?

a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]

b_16 = [15746,312,4497,319]

b_15 = [12357,156,2045,168]

b_14 = [2358,399,2358,362]

from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'Microsoft Yahei',
        'weight' : 'bold',
        'size'   : '10'}
matplotlib.rc('font', **font)
a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
bar_width = 0.2
x_14 = list(range(len(a)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]
plt.figure(figsize=(15,8),dpi=80)
plt.bar(range(len(a)),b_14,width = bar_width,label='9月14日')
plt.bar(x_15,b_15,width=bar_width,label='9月15日')
plt.bar(x_16,b_16,width=bar_width,label='9月16日')
plt.legend()
plt.xticks(x_15,a)
plt.show()

应用场景

  • 数量统计
  • 频率统计

matplotlib绘制直方图

假设你获取了250部电影的时长(列表a中),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?

a=[131,  98, 125, 131, 124, 139,..., 133, 150]

频数分布直方图

from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'Microsoft Yahei',
        'weight' : 'bold',
        'size'   : '10'}
matplotlib.rc('font', **font)
a=[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]
# 计算组数
d = 2 # 组距
num_bins = (max(a)-min(a))//d
print(max(a),min(a),max(a)-min(a))
print(num_bins)
plt.figure(figsize=(15,8),dpi=80)
plt.hist(a,num_bins)
plt.xticks(range(min(a),max(a)+d,d))
plt.grid() #画网格
plt.show()

频率分布直方图

plt.hist(a,num_bins,density= True)

把下列数据化成直方图

——利用条形图 

一般来说能够使用plt.hist方法的的是那些没有统计过的数据

from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'Microsoft Yahei',
        'weight' : 'bold',
        'size'   : '10'}
matplotlib.rc('font', **font)
interval = [0,5,10,15,20,25,30,35,40,45,60,90,150]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

plt.figure(figsize=(15,8),dpi=80)
plt.bar(range(len(quantity)),quantity,width=1)
_x = [i-0.5 for i in range(len(interval))]
plt.xticks(_x,interval)
plt.grid()
plt.show()

直方图应用场景

  • 用户的年龄分布状态
  • 一段时间内用户点击次数的分布状态
  • 用户活跃时间的分布状态

matplotlib绘图基本操作

添加图例，绘制网格

# #添加图例
plt.legend(loc = "upper left")

# 绘制网格
plt.grid(alpha = 0.1)

线条粗细，线条风格，线条颜色，线条透明度

color, linestyle, linewidth, alpha

plt.plot(x,y_me,color = "#8B2500",linestyle = ":",linewidth = 10)
plt.plot(x,y_cl,color = "cyan",alpha = 0.4)

不同图形的应用场景

  • 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)

  • 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)

  • 条形图:排列在工作表的列或行中的数据可以绘制到条形图中。

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)

  • 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)

总结

常见问题

  • 应该选择那种图形来呈现数据
  • matplotlib.plot(x,y)
  • matplotlib.bar(x,y)
  • matplotlib.scatter(x,y)
  • matplotlib.hist(data,bins,normed)
  • xticks和yticks的设置
  • label和titile,grid的设置
  • 绘图的大小和保存图片

使用流程

  • 明确问题
  • 选择图形的呈现方式
  • 准备数据
  • 绘图和图形完善

更多的绘图工具

  • matplotlib支持的图形是非常多的，如果有其他的需求，我们可以查看一下url地址：

          http://matplotlib.org/gallery/index.html

  • plotly:可视化工具中的github,相比于matplotlib更加简单,图形更加漂亮,同时兼容matplotlib和pandas

           使用用法:简单,照着文档写即可，文档地址: https://plot.ly/python/

Apache ECharts

非零因子
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
TensorFlow2.0入门学习笔记(2)——Matplotlib数据可视化
12-20
总的来说，掌握Matplotlib对于学习和应用TensorFlow2.0是十分有益的，它能帮助我们更好地理解和展示深度学习模型的效果，从而提升我们的数据分析和机器学习技能。在实际项目中，结合其他可视化库如Seaborn和Plotly，...
Python日志__20211014_1639
qq_43647635的博客
10-14 142
matplotlib特点： 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) 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) 条形图:排列在工作表的列或行中的数据可以绘制到条形图中。 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) 散点图:用两组数据构成多个坐标点，考察
Mapplotlib库
CSD_K的博客
03-01 184
Matplotlib 是 Python 下基础的 2d 绘图库（也可以绘制 3d，但是需要额外安装工具包），它的起源是模仿 MATLAB 的图形命令，尽管看起来与 MATLAB 很相似但是它们并不相关，它可以绘制高质种图形，包含条形图、盒图、直方图、散点图、饼图等等。在机器学习中，通常使用 Matplotlib 来展现数据，观察数据，从而分析出数据模型。在数据分析领域它有很知名的地位，而且具有丰富的拓展，能够实现强大的功能。
matplotlib绘制多条直方图（20210816）
zjl_python的博客
08-16 1014
#假设你知道了列表a中电影分别在2017-09-14(b_14),2017-09-15(b_15),2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据? #a=[“狂球崛起3:终极之战"∵,""敦刻尔克"∵蜘蛛侠:英雄归来"∵"战狼2"]b_16-[15746,312,4497,319] #b_15 =[12357,156,2045,16B]b_14-i2358,399,2358,362] import matplotlib.
黑马数据分析02-matplotlib
feizai1208917009的博客
01-27 562
  1、什么是matplotlib 2、matplotlib基本要点 3、matplotlib 折线图、散点图、直方图、柱状图 4、更多画图工具      1、什么是matlabplotlib       2、matlabplotlib 基本要点        调整坐标轴显示（xticks）       描述和图例（标题title，坐标轴xlable，ylable...
机器学习-数据科学库（第二天）
Grateful_Dead424的博客
08-11 336
09.绘制散点图 绘制散点图 假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律? a= [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23] b=[26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,
python——Matplotlib学习笔记2
12-22
结合numpy和pandas，我们能够处理和可视化大量数据，从而更好地理解和分析数据。在后续的学习中，你还可以探索更多关于颜色映射、图例、轴标签、网格线等方面的高级特性，以提升图表的可读性和美观性。
利用Python进行数据分析——基础示例
01-27
在数据分析领域，Python是一种强大的工具，它提供了丰富的库如Pandas、NumPy和Matplotlib，使得数据清洗、处理和可视化变得高效且易于理解。本文将以一个基础示例讲解如何使用Python进行数据分析，主要涉及以下几个...
python数据分析——探索电影数据集.zip
最新发布
01-04
这个压缩包文件"python数据分析——探索电影数据集.zip"显然包含了用于分析电影数据的资源，这通常包括电影的基本信息、评分、票房等。我们将深入探讨如何使用Python进行数据采集，以及如何对数据集进行有效分析。 ...
数据分析实战——共享单车.pdf
11-27
"数据分析实战——共享单车" 数据分析实战是指通过对共享单车数据的分析，了解用户租车行为的模式和规律，以期能更好地服务于用户。整个数据分析过程可以分为五大步骤：需求分析、数据获取、数据处理、数据分析和...
python数据分析与可视化答案学堂云_Python数据可视化 -- Wordcloud
weixin_39627661的博客
11-24 557
Python数据可视化 -- Wordcloud安装启动命令行，输入：pip install wordcloudword cloud 库介绍 及简单使用wordcloud库，可以说是python非常优秀的词云展示第三方库。词云以词语为基本单位更加直观和艺术的展示文本词云图，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文...
python plt画图_【Python】 【绘图】plt.figure()的使用
weixin_39782832的博客
11-29 2617
1.figure语法及操作(1)figure语法说明figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)num:图像编号或名称，数字为编号 ，字符串为名称figsize:指定figure的宽和高，单元为英寸；dpi参数指定绘图工具的分辨率，即每英寸多少个像素，缺省值为80 ...
Matplotlib数据可视化基础
weixin_52783226的博客
07-08 298
Matplotlib数据可视化基础
python绘图代码示例数字25_Python Matplotlib.figure.Figure.savefig()用法及代码示例
weixin_39904809的博客
12-04 822
Matplotlib是Python中的一个库，它是数字的-NumPy库的数学扩展。 Figure模块提供了顶层Artist，即Figure，其中包含所有绘图元素。此模块用于控制所有图元的子图和顶层容器的默认间距。matplotlib.figure.Figure.savefig()方法matplotlib库的savefig()方法图形模块用于保存当前图形。用法：savefig(self, fname...
机器学习-数据科学库day1
weixin_58975360的博客
12-28 473
例题1 如果列表a表示10点到12点的每一分钟的气温,如何绘制折线图观察每分钟气温的变化情况? a= [random.randint(20,35) for i in range(120)] 效果图 例题2 假设大家在30岁的时候,根据自己的实际情况,统计出来了从11岁到30岁每年交的女(男)朋友的数量如列表a,请绘制出该数据的折线图,以便分析自己每年交女(男)朋友的数量走势 a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1] ...
Python机器学习--科学数据库02
weixin_53863008的博客
05-23 343
1.练习 假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势 a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1] b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1] 要求: y轴表示个数 x轴表示岁数,比如11岁,12岁等 from matplotli
代码写好不如图画的好(上)
码龙社的博客
09-18 241
一、matplotlib的基本绘图 # encodeing=utf-8 ''' # Created on 2018年9月17日 @author: TuringEmmy ''' from matplotlib import pyplot as plt x =range(2,26,2) y =[15,13,14.5,17,20,25,26,26,27,22,18,15] # 设置图片的大小 plt...
数据可视化-Matplotlib绘制简单折线图
东南有大树的博客
11-01 659
要查看使用matplotlib可制作的各种图表，请访问 http://matplotlib.org/ 的示例画廊。单击画廊中的图表，就可查看用于生成图表的代码。 import matplotlib.pyplot as plt squares = [1, 4, 9, 16, 25] plt.plot(squares) plt.show() 解析： 首先要导入pyplot模块，这里还给它指定...
2-1 设置Figure对象
weixin_47700141的博客
08-15 833
matplotlib基本绘图框架 from matplotlib import pyplot as plt plt.plot([1,2,2,1]) #"% matplotlib inline" notebook中自动显示图形 plt.show() 图形对象的基本框架 创建Figure对象 Figure对象是后续绘图操作的总容器。 如果不创建Figure对象，直接调用接下来的plot()进行绘图，matplotlib会自动创建一个Figure对象。 但是事先创建Figure对象则可以对它做更精细的设定。

“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

打赏作者

非零因子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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