【深度之眼七——（1）】Python：Matplotlib库

目录

本章导读

 环境配置

 0.2 设置样式

 0.3 图像另存为文件

 一，matplotilb库

 1.1 折线图

 1.1.1 调整线条颜色与风格

 1.1 调整坐标轴

 1.2 散点图

 1.3 柱形图

 1.4 多子图

1.5直方图

1.6 误差图

 1.7 面向对象的风格介绍

 1.8 三维图像简介

 点与线

三维曲面

 seaborn库-文艺青年的最爱

Pandas中绘图函数概览

 知识点回顾

---

本章导读

 

 环境配置

 

 0.2 设置样式

 

 如果想永久的设置样式，可以用下面#的方法

 0.3 图像另存为文件

 

 一，matplotilb库

 1.1 折线图

 

 

 

 绘制多条

 1.1.1 调整线条颜色与风格

 

 

 

 

 

 

 

 

 1.1 调整坐标轴

 

 

 

axis前俩个设置x 后俩个y

 紧凑

 

 扁平

 

 

 

 

 

 

 

 

 

 改变了字体大小

 

 

 

 

 frame的作用可以加个框框

 

 

 

 

 1.2 散点图

 

 

 

 

 

from random import choice

class RandomWalk():
#     '''生成一个随机漫步的类'''
    
    def __init__(self,num_points=5000):
        self.num_points = num_points
        self.x_values = [0]
        self.y_values = [0]
    def fill_walk(self):
        while len(self.x_values) < self.num_points:
            x_direction = choice([-1,1])
            x_distance = choice([0,1,2,3,4])
            x_step = x_direction*x_distance
            
            y_direction = choice([-1,1])
            y_distance = choice([0,1,2,3,4])
            y_step = y_direction*y_distance
            
            if x_step ==0 or y_step == 0:
                continue
            next_x = self.x_values[-1] + x_step
            next_y = self.y_values[-1] + y_step
            self.x_values.append(next_x)
            self.y_values.append(next_y)

            
rw = RandomWalk(10000)
rw.fill_walk()
point_numbers = list(range(rw.num_points))
plt.figure(figsize=(12,6))   #设置画布的大小
plt.scatter(rw.x_values, rw.y_values, c=point_numbers,cmap="inferno",s=1)
plt.colorbar()
plt.scatter(0,0,c="green",s=100)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c="red",s=100)

plt.xticks([])
plt.yticks([])

 1.3 柱形图

 

 

 

 

 

 

 

 

 

 

 

 1.4 多子图

 

 

 

 

 

 

1.5直方图

 

 

 

 

 

 

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
mu ,si = 100,15
x = mu+si*np.random.randn(10000)

plt.hist(x,50,density=True, cumulative=True, color="r")
plt.xlabel("x")
plt.ylabel("y")
plt.xlim(50,165)
plt.ylim(0,1.1)

 

 

class Die():
#     """模拟一个骰子的类"""
    "模拟一个骰子的类"
    def __init__(self,num_sides=6):
        self.num_sides = num_sides
        
    def roll(self):
        return np.random.randint(1, self.num_sides+1)

die = Die()
results = []
for i in range(60000):
    result = die.roll()
    results.append(result)
    
plt.hist(results,bins=6,range=(0.75,6.75),align="mid",width=0.5)
plt.xlim(0,7)

'''重复两次投'''
die1 = Die()
die2 = Die()
results = []
for i in range(1000):
    result = die1.roll()+die2.roll()
    results.append(result)

plt.hist(results, bins=11, range=(1.75, 12.75), align="mid", width=0.5)
plt.xlim(1,13)
plt.xticks(np.arange(1,14))

1.6 误差图

x=np.linspace(0,10,50)
dy=0.5
y=np.sin(x) + dy*np.random.random(50)

plt.errorbar(x,y,yerr=dy,fmt="*r")

 

 柱形误差图

menMeans = np.random.randint(10,30,size=5)
womenMeans = np.random.randint(10,30,size=5)
menStd = np.random.randint(1,6,size=5)
womenStd = np.random.randint(1,6,size=5)
# print( menMeans)
# print( womenStd)
ind = ["Gi","G2","G3","G4","G5"]
width = 0.35

p1 = plt.bar(ind, menMeans, width=width, label="Men",yerr=menStd)
p2 = plt.bar(ind, womenMeans, width=width, bottom=menMeans, label="WoMen", yerr=womenStd)

plt.ylabel("scores")
plt.title('score by group and gender')
plt.yticks(np.arange(0,81,10))
plt.legend()

 1.7 面向对象的风格介绍

 普通图

x = np.linspace(0,5,10)
y = x**2

fig = plt.figure(figsize=(8,4),dpi=80)  #画布大小8*4，像素dpi=80
axes = fig.add_axes([0.1,0.1,0.8,0.8])  #轴 left，bottom ,width,hight(range=0-1)

axes.plot(x,y,"--r")
axes.set_xlabel('x')
axes.set_ylabel('y')
axes.set_title('y=x^2')

 画中画

 

 多子图

 

 1.8 三维图像简介

 点与线

from mpl_toolkits import mplot3d

ax = plt.axes(projection="3d")
zline = np.linspace(0,15,1000)
xline = np.sin(zline)
yline = np.cos(zline)
ax.plot3D(xline,yline,zline)

zdata = 15*np.random.random(100)
xdata = np.sin(zdata)
ydata = np.cos(zdata)
# ax.plot3D(xdata,ydata,zdata)
ax.scatter3D(xdata, ydata, zdata,c=zdata, cmap="spring")

三维曲面

def f(x,y):
    return np.sin(np.sqrt(x**2+y**2))

x = np.linspace(-6,6,30)
y = np.linspace(-6,6,30)
X,Y = np.meshgrid(x,y)
Z = f(X,Y)

ax = plt.axes(projection="3d")
ax.plot_surface(X,Y,Z,cmap="viridis")

 seaborn库-文艺青年的最爱

 先看看plt的库

x = np.linspace(0,10,500)
y=np.cumsum(np.random.randn(500,6),axis=0)

with plt.style.context("classic"):
    plt.plot(x,y)
    plt.legend("ABCDEF",ncol=2,loc="upper left")

 

 来看看sns的

import seaborn as sns

x = np.linspace(0,10,500)
y=np.cumsum(np.random.randn(500,6),axis=0)

sns.set()
plt.plot(x,y)
plt.legend("ABCDEF",ncol=2,loc="upper left")

 

 

 

iris = sns.load_dataset("iris")
iris.head()

 

 含有4个维度的量

sns.pairplot(data=iris,hue="species")

 生成4*4个维度之间线性关系的图（与自己的是这3种花的概率分布）

Pandas中绘图函数概览

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

散点图

 

 房价和工资之间的相关性

 

 

 

 知识点回顾