目录
numpy简介
x=np.loadtxt('文件名', delimiter=',', skiprows=1, usecols=(1,4,6), unpack=False) 原数据以逗号隔开,跳过第一行,选取第2,5,7列 unpack默认为false,就是把2,5,7三列数据打包到一个变量里面,如果是True,那么需要赋值给不同变量,a,b,c=np.loadtxt(...unpack=True)
matplotlib
几种图形画法
import numpy as np
import matplotlib.pyplot as plt
散点图
plt.scatter(x,y)
plt.show()
折线图
plt.plot(x,y)
plt.show()
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
date,open,close=np.loadtxt('文件名', delimiter=',', converters={0:mdates.strpdate2num('%m/%d/%Y')}, skiprows=1, usecols=(1,4,6), unpack=True) converters={0:mdates.strpdate2num('%m/%d/%Y')} 是把第一列的数据转换为日期格式,该列数据是以/分割来识别(看原数据是什么样子,这里的原始数据是1/22/2020这种格式,所以用%m/%d/%Y)
plt.plot_date(date,open) plot_date()专门用于以日期作为横坐标画折线图
条形图
pl=plt.bar(left=index, height=y)
plt.show()
直方图
plt.hist(x, bins=10, color='red', normed=True) 十个直方,要进行标准化 True纵坐标是每个分组的频率,False纵坐标是每个分组的个数
plt.hist2d() 双变量直方图,用颜色深浅代表不同分组频率大小
饼状图
plt.pie()
箱型图
plt.boxplot()
三种做图方式
pyplot
以上几种图形画法都是通过pyplot,交互式,底层定制能力不足
pylab
最接近matlab,完全封装,不推荐
面向对象
接近matplotlib,底层