matplotlib 基本统计图形

最新推荐文章于 2022-12-23 04:30:00 发布
最新推荐文章于 2022-12-23 04:30:00 发布
阅读量355 收藏 3
点赞数
文章标签： 数据可视化
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_58751888/article/details/118080662
版权

matplotlib基本统计图形构造一个静态图

目录

matplotlib

基本统计图形

构造一个静态图

交互类型的图

LateX表达式：

设置点线面的样式

图形：

柱形图：

条形图：

直方图：

3D图：

饼图：

环形图：

旭日图:

散布图:

气泡:

雷达图:

热图：

股票OHLC:

K线图:

绘制线型图，添加注释，添加轴标签

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import scipy.stats as stats
import warnings
warnings.filterwarnings("ignore")
​
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (10,6.18)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
​
#数据部分
x = np.linspace(-10,10,200)
#pdf概率密度函数
y = stats.norm.pdf(x)/np.max(stats.norm.pdf(x))
---#绘制线性图,label：标签
plt.plot(x,y,label="PDF")
plt.fill_between(x,y,alpha=.3)
​
​
#增加一条线
#cdf概率增长趋势
y1 = stats.norm.cdf(x)
plt.plot(x,y1,label="CDF")
​
---#添加注释，rotation转动方向
plt.text(x=-1.6,y=0.6,s="PDF",rotation=73,color="#00FFFF",alpha=.7,fontsize=20)
plt.text(x=0,y=0.4,s="CDF",rotation=73)
​
---#轴的标签
plt.xlabel("这是X轴",color='orange',fontsize=20)
plt.ylabel("$f(x) = wx + b$",color='orange',fontsize=20,rotation=110)
​
​
#刻度轴
plt.xticks(np.arange(-11,11))
plt.xticks(np.arange(-1,1))
​
#开启图例
plt.legend()
​
#保存图片
# plt.savefig('./imgs/demo.png',dpi=100)

 

交互类型的图

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import scipy.stats as stats
import warnings
warnings.filterwarnings("ignore")
​
%matplotlib notebook
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (6,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#设置数据
#画个圆
X = np.linspace(-1,1,1000)
y = (1-X**2)**.5
​
plt.plot(X,y)
plt.plot(X,-y)
# plt.axis("equal")

 

LateX表达式：

映射坐标：

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import scipy.stats as stats
import warnings
warnings.filterwarnings("ignore")
%matplotlib inline
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (12,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
​
X = np.linspace(-np.pi,np.pi,100)
y1 = np.sin(X)
y2 = np.cos(X)
​
plt.plot(X,y1,label='sin')
plt.plot(X,y2,label='cos')
​
#调整图形后续内容，映射横坐标：
pi = np.pi
ticks = [-pi,-pi/2,0,pi/2,pi]
labels = ['$-\pi$','$-\pi/2$','zero','$\pi/2$','$\pi$']
---#改变行列坐标名，ticks可以映射
plt.xticks(ticks,labels,color="orange",fontsize=20,rotation=90)
​
​
plt.yticks([-1,0,1],["min","0","max"])
​
#plt.legend(labels=['a','b'])
plt.text(0,0.5,"$\Pi$")
plt.legend()

 

设置点线面的样式

修改图像样式

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import scipy.stats as stats
import warnings
warnings.filterwarnings("ignore")
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("seaborn")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (12,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
X = np.linspace(-np.pi,np.pi,40)
y1 = np.sin(X)
y2 = np.cos(X)
y3 = y1+y2
y4 = y1-y2
​
#marker形状  s正方 d菱形 D大菱形  o圆形 X叉 
#markersize 大小
#color = c  
plt.plot(X,y1,label='sin',linestyle="-",linewidth=2,marker='X',markersize=20,c='pink')
# plt.plot(X,y2,label='cos',ls="--",lw=5)
# plt.plot(X,y3,label='cs',ls=":",lw=3)
# plt.plot(X,y4,label='cs',ls="-.",lw=1)
​
pi = np.pi
ticks = [-pi,-pi/2,0,pi/2,pi]
labels = ['$-\pi$','$-\pi/2$','zero','$\pi/2$','$\pi$']
#ticks可以映射
plt.xticks(ticks,labels,color="orange",fontsize=20,rotation=90)
​
plt.yticks([-1,0,1],["min","0","max"])
​
#plt.legend(labels=['a','b'])
plt.text(0,0.5,"$\Pi$")   #对图像进行设计
plt.legend()

 

图形：

柱形图：

条形图加注释，两条柱形进行对比，对X轴进行修改，标题添加

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
warnings.filterwarnings("ignore")
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (12,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#linspace
#销量时间
X = pd.Series(pd.date_range("20200101",periods=12))
#销量y1是鞋子
y1 = np.random.randint(10,100,12)
#袜子y2
y2 = np.random.randint(10,100,12)
​
plt.bar(range(len(X)),y1,width=0.2,label="鞋子")         #bar代表柱形图
plt.bar(np.arange(len(X))+0.2,y2,width=0.2,label="袜子")
​
#对X轴进行修改
a=plt.xticks(range(len(X)),X.astype(str).map(lambda x:x.split(" ")[0]),rotation=45)
​
---#添加注释
for x,y in zip(range(len(X)),y1):
    plt.text(x-0.1,y-3,s=y,color="w")  #plt.text代表注释
    
for x,y in zip(range(len(X)),y2):
    plt.text(x+0.1,y-3,s=y,color="w")
    
plt.legend()
​
plt.title("2020年鞋袜销量图",color="r",fontsize=20)     #plt.title标题呈现

条形图：

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
warnings.filterwarnings("ignore")
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (12,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#linspace
#销量时间
X = pd.Series(pd.date_range("20200101",periods=12))
#销量y1是鞋子
y1 = np.random.randint(10,100,12)
#袜子y2
y2 = np.random.randint(10,100,12)
​
plt.barh(range(len(X)),y1)      #plt.barh代表条形图

直方图：

%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (12,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
# X = np.random.randint(0,10,20)
#文字统计 词云  
X =pd.Series(["a","a","b","a","c","d","c",'a'])
​
plt.hist(X,bins=20)   #plt.hist代表直方图，用作统计个数。

 

3D图：

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
from mpl_toolkits.mplot3d import axes3d
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (12,12)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#先创建3D画布
# ax3d = plt.subplot(projection = "3d")
​
fig = plt.figure()
ax3d = fig.add_subplot(111,projection='3d')
​
x = np.linspace(-10,10,100)
y = np.arange(0,100)
#网格交互 100*100 = 10000
#xx.shape=100*100
xx,yy = np.meshgrid(x,y)
zz = np.exp(-(xx))
​
​
#超平面 二向箔
ax3d.plot_surface(xx,yy,zz,cmap="rainbow")
​
ax3d.view_init(elev=0,azim=90)
#用户分析的分组显示
#
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
# 创建3d图形的两种方式
# ax = Axes3D(fig)
ax = fig.add_subplot(111, projection='3d')
# X, Y value
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)    # x-y 平面的网格
R = np.sqrt(X ** 2 + Y ** 2)
# height value
Z = np.sin(R)
# rstride:行之间的跨度  cstride:列之间的跨度
# rcount:设置间隔个数，默认50个，ccount:列的间隔个数  不能与上面两个参数同时出现
#vmax和vmin  颜色的最大值和最小值
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# zdir : 'z' | 'x' | 'y' 表示把等高线图投射到哪个面
# offset : 表示等高线图投射到指定页面的某个刻度
ax.contourf(X,Y,Z,zdir='z',offset=-2)
# 设置图像z轴的显示范围，x、y轴设置方式相同
ax.set_zlim(-2,2)
plt.show()
​

 

饼图：

  • 多个扇形图组成

  • 呈现比例的

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (6,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#生成数据
'''
x:数据
labels:每个扇形的标签
autopct:"比例的表现形式"
explode:飞离效果
修改的内容：x,labels依据现实的情况进行修改，排序选着好序号
'''
x = np.array([125,54,31,49,4.8,7,31.5,5.6,80,6])
labels = ["河南","安徽","山西","江西","北京","上海","浙江","天津","山东","海南"]
#人数第二多的省份飞离效果
e = np.argsort(x)[::-1][1] #选着飞离排名第几的数据
#飞离效果要使用一组数据,不飞离数据标记为0,飞离标记为0.1
ex = np.zeros(shape=len(x)) #[0,0,0,0]
ex[e] = 0.1
# a=plt.pie(x,labels=labels,explode=ex,autopct="%.2f%%")
​
​
#数据重叠
#使用调色板
a=plt.pie(x,labels=labels,explode=ex,colors=sns.color_palette(palette="hls",n_colors=len(x)))
#没有百分比值
v = x / x.sum()
#把v和labels进行拼接 ["河南:31.31%"]
​
'''
loc : 确定图例显示文职
ncol: 显示成几列
'''
plt.legend(labels=[k+':'+"%.2f"%(v*100)+"%" for k,v in zip(labels,v)],loc=[0,1],ncol=2)

 

环形图：

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (6,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#生成数据
'''
x:数据
labels:每个扇形的标签
autopct:"比例的表现形式"
explode:飞离效果
'''
x = np.array([125,54,31,49,4.8,7,31.5,5.6,80,6])
labels = ["河南","安徽","山西","江西","北京","上海","浙江","天津","山东","海南"]
# a=plt.pie(x,labels=labels,explode=ex,autopct="%.2f%%")
​
​
#数据重叠
#使用调色板
a=plt.pie(x,
          labels=labels,
          colors=sns.color_palette(palette="hls",n_colors=len(x)),
          wedgeprops={"width":0.4},
          textprops={"fontsize":10,'color':'k'},
          autopct="%.2f%%",
          pctdistance=0.78
         )
         
#没有百分比值
v = x / x.sum()
#把v和labels进行拼接 ["河南:31.31%"]
​
'''
loc : 确定图例显示文职
ncol: 显示成几列
'''
plt.legend(labels=[k+':'+"%.2f"%(v*100)+"%" for k,v in zip(labels,v)],loc=[0,1],ncol=2)

 

 

旭日图:

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (6,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#生成数据
'''
x:数据
labels:每个扇形的标签
autopct:"比例的表现形式"
explode:飞离效果
'''
data1 = pd.read_excel("./data/data2.xls",sheet_name=0)
data2 = pd.read_excel("./data/data2.xls",sheet_name=1)
​
x1 = data1.省
y1 = data1.销量
​
x2 = data2.省
y2 = data2.销量
​
#数据重叠
#使用调色板
#radius 控制半径
a=plt.pie(y1,
          labels=x1,
          radius=1,
          colors=sns.color_palette(palette="hls",n_colors=len(y1)),
          wedgeprops={"width":0.4},
          textprops={"fontsize":10,'color':'k'},
          autopct="%.2f%%",
          pctdistance=0.78
         )
         
b=plt.pie(y2,
          labels=x2,
          radius=.4,
          colors=sns.color_palette(palette="hls",n_colors=len(y2)),
          textprops={"fontsize":6,'color':'k'},
          autopct="%.2f%%",
          pctdistance=0.78
         )

 

散布图:

  • 看人员分布情况

  • 查看数据和数据之间的关系

    • 身高 体重

    • 线性相关

    • 幂次相关

    • 不相关

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (6,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
X = np.random.randint(0,100,100)
y = np.random.randint(0,100,100)
plt.scatter(X,y)

 

气泡:

  • 不同的事物使用不同的颜色

  • 不同的数值使用不同的大小

    import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (6,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#可以用来描绘分类
#好人和坏人
#犯罪的严重程度   道德沦丧指数
#10                10
#3                 8
X = pd.DataFrame(np.random.randint(0,11,(50,2)),columns=["犯罪的严重程度","道德沦丧指数"])
X["标签"] = X.apply(lambda x:"坏" if (x["犯罪的严重程度"]>3 and x["道德沦丧指数"]>=8) else "好",axis=1)
​
​
#给每个点设置大小
#scatter->c->class
#scatter->c不识别str类别
​
​
​
​
size = X["犯罪的严重程度"]+X["道德沦丧指数"]
alpha = ((size-size.min())/(size.max()-size.min()) * (1-0.01) + 0.01)
​
# #先把数据中的好人和坏人做一个选择
# for v in X["标签"].unique():
#     color_ = None
#     if v=="坏":
#         color_="red"
#     else:
#         color_="blue"
#     data = X.query(f"标签=='{v}'") #坏人的数据
#     data["犯罪的严重程度"]+data["道德沦丧指数"]
    
#     for i in data.index:
        
#         s=(data.loc[i]["犯罪的严重程度"]+data.loc[i]["道德沦丧指数"])
#         plt.plot(data.loc[i]["犯罪的严重程度"],data.loc[i]["道德沦丧指数"],
#                  marker='o',markersize=s,lw=0,color=color_,alpha=alpha[i])
​
for v in range(X.shape[0]):
    color_ = None
    if X.iloc[v]["标签"]=="坏":
        color_="red"
    else:
        color_="blue"
    s = (X.iloc[v]["犯罪的严重程度"] + X.iloc[v]["道德沦丧指数"])*10
    plt.scatter(X.iloc[v]["犯罪的严重程度"],X.iloc[v]["道德沦丧指数"],s=s,alpha=alpha[v],color=color_)

     

雷达图:

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (6,6)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#生存  治疗  输出  经济  承受伤害  参团率 
#极图
#修改labels和data的数量和值，达到想要的效果
ax=plt.subplot(projection="polar")
labels = "生存-治疗-输出-经济-承受伤害-参团率".split("-")
#钟无艳
data = [8,2,9,7,9,5]
data = np.concatenate([data,[data[0]]])
labels = np.concatenate([labels,[labels[0]]])
#生成角度
angles = np.linspace(0,np.pi*2,len(data))
​
#雷达图实际上是线性图
ax.plot(angles,data)
ax.fill_between(angles,data,alpha=.3)
​
#导入标签
ax.set_thetagrids(angles*180/np.pi,labels=labels)

 

热图：

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (12,10)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
data = pd.read_excel("./data/10-20年双色球数据.xlsx").iloc[:,1:]
​
s = data["中奖号码"].str.split(" ",expand=True)
​
#热图是数据的计数图形
#当前分组规则不一致,指定某个Series进行分组
​
con = []
for i in range(len(s.columns)):
    con.append(data.groupby(s[i]).size())
​
​
#把Series合并成df
data = pd.concat(con,axis=1).fillna(0).astype(int)
​
sns.heatmap(data,annot=True,fmt='d',cmap="summer",lw=1)
​
#电商的用户兴趣爱好

 

 

股票OHLC:

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (12,10)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
data = pd.read_excel("./data/茅台股份.xlsx")
data = data.loc[:,["日期","开盘","最高","最低","收盘"]]
#把日期作为行索引
data.set_index("日期",inplace=True)
​
data.iloc[:150].plot()

 

K线图:

pip install mpl_finance

import matplotlib.pyplot as plt #画图模块
import matplotlib.style as style #风格
import matplotlib.dates as dates
import numpy as np
import pandas as pd
import scipy.stats as stats
import warnings
import seaborn as sns
import mpl_finance as mf
warnings.filterwarnings("ignore")
​
%matplotlib inline
​
#inline 嵌入静态图
#配置图形
#1.风格配置
style.use("fivethirtyeight")
#2.配置画布的尺寸
plt.rcParams["figure.figsize"] = (28,10)
#3.清晰度
plt.rcParams["figure.dpi"] = 100
#4.设置识别中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
#rcParams['font.sans-serif'] = ['MicroSoft YaHei']
#5.当plt识别中文以后,对于数字的负号就不识别
plt.rcParams["axes.unicode_minus"] = False
​
#mpl_finance有自己的数据类型, zip(T,O,H,L,C)
data = pd.read_excel("./data/茅台股份.xlsx")
data = data.loc[:,["日期","开盘","最高","最低","收盘"]].iloc[:150]
date_ = dates.date2num(data.日期)
#把日期作为行索引
quotes = zip(date_,data.开盘,data.最高,data.最低,data.收盘)
​
#mpl_finance不生成画布,需要自己手动设定
ax = plt.subplot()
a = mf.candlestick_ohlc(ax,quotes,colorup='r',colordown='g',width=6)
​
ax.xaxis_date()

 

weixin_58751888
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matplotlib-基本图形
xswl0的博客
03-25 131
import numpy as np import pandas as pd import matplotlib.pyplot as plt #线形图 正弦波 两条线放到同一张图片中 x = np.linspace(0,2*np.pi,100) y = np.sin(x) plt.plot(x,y,color = 'red') #余弦波 y2 = np.cos(x) plt.plot(x...
matpotlib常用函数
m0_52585291的博客
07-14 187
plt.pie(x,labels=x1,autopct=‘%1.1f%%’,labeldistance=1.1,startangle=90,textprops={‘fontsize’13})#au显示占比情况。va垂直对齐方式，参数[‘center’|‘top’|‘bottom’|‘baseline’]ha水平对齐方式，参数[‘center’|‘right’|‘left’]xytext为注释文字的坐标位置。每一个方块为一个范围的bins。xy为被注释的坐标点。.........
2、Seaborn调色板使用。python绘图库Seaborn
qq_23126569的博客
03-16 1491
导入库 %matplotlib inline import numpy as np import seaborn as sns import matplotlib.pyplot as plt sns.set(rc={"figure.figsize": (6, 6)})#设置画布大小 np.random.seed(sum(map(ord, "palettes"))) 1、使用调色板函数current_palette current_palette = sns.color_palette(palette=No
python 绘制旭日图
Caiqiudan的博客
06-04 866
参考链接：https://blog.csdn.net/m0_67790374/article/details/124137448源数据： jupyter无法显示图像：https://blog.csdn.net/Caiqiudan/article/details/125117824
python绘制旭日图
m0_67790374的博客
04-13 4199
python绘制旭日图
【Python百日进阶-数据分析】Day136 - plotly旭日图:px.sunburst()实例
岳涛的博客
12-23 2717
文章目录四、实例4.1 带有 plotly.express 的旭日图4.1.1 基础旭日图4.1.2 带有 plotly.express 的矩形 DataFrame 的旭日形4.1.3 改变path顺序，从而改变父子关系4.1.4 在 px.sunburst 中具有连续颜色参数的矩形 DataFrame 的 Sunburst4.1.5 在 px.sunburst 中具有离散颜色参数的矩形 DataFrame 的 Sunburst4.1.6 对离散颜色使用显式映射4.1.7 具有缺失值的矩形数据 四、实例 旭
matplotlib-1.5.0 Python图形框架
01-12
`matplotlib`虽然基础强大，但也可以与其他Python库结合使用，如`pandas`用于数据处理，`seaborn`用于更美观的统计图形，或者`scikit-learn`进行机器学习模型的可视化。 6. **社区与文档**： `matplotlib`拥有...
Python画柱状统计图操作示例【基于matplotlib库】
09-20
`matplotlib`库是Python中最常用的图形绘制库，提供了丰富的图表类型，其中包括柱状统计图。本篇文章将深入探讨如何使用`matplotlib`库绘制柱状统计图，并通过实例进行详细解析。 首先，确保已安装`matplotlib`库，...
matplotlib.pptx
09-20
`matplotlib` 支持多种图形输出格式，包括 PNG、JPG、EPS、PDF 等，这使得它在数据可视化、科学计算和机器学习等多个领域得到广泛应用。其特点包括： 1. **开源**：`matplotlib` 的源代码开放，用户可以自由地查看...
matplotlib的具体介绍.docx
05-08
绘制基本图形：Matplotlib可以绘制各种基本图形，如线图、散点图、柱状图、饼图、直方图等。 定制化图形：Matplotlib提供了丰富的定制化选项，可以调整图形的颜色、线型、标签、标题、图例等。 支持多个坐标轴：...
Pandas之直方图和密度图
u011582203的博客
02-01 1万+
介绍 数据中挖掘信息的一个重要手段就是可视化。本文会使用 Pandas、Matplotlib、seaborn 等流行的库，了解可视化。 所有绘制图表的具体方式，你参考链接内容 需要引入的包： import warnings import numpy as np import pandas as pd import matplotlib.pyplot as plt import seabor...
50种常见Matplotlib科研论文绘图合集！赶紧收藏~~
张俊红的个人博客
06-06 5857
内容来源：和鲸社区有效图表的重要特征：在不歪曲事实的情况下传达正确和必要的信息。设计简单，您不必太费力就能理解它。从审美角度支持信息而不是掩盖信息。信息没有超负荷。01关联 （Correlation）关联图表用于可视化2个或更多变量之间的关系。也就是说，一个变量如何相对于另一个变化。1、散点图（Scatter plot）散点图是用于研究两个变量之间关系的经典的和基本的图表...
python常用代码_25个常用Matplotlib图的Python代码，收藏收藏
weixin_39605004的博客
11-27 331
大家好，今天要分享给大家25个Matplotlib图的汇总，在数据分析和可视化中非常有用，文章较长，可以马起来慢慢练手。#!pipinstallbrewer2mplimportnumpyasnpimportpandasaspdimportmatplotlibasmplimportmatplotlib.pyplotaspltimportseabor...
【Python基础】Pandas数据可视化原来也这么厉害
fengdu78的博客
11-28 759
一、可视化概述在Python中，常见的数据可视化库有3个：matplotlib：最常用的库，可以算作可视化的必备技能库，比较底层，api多,学起来不太容易。seaborn：是建构于mat...
Python点滴(三)—pandas数据分析与matplotlib画图
热门推荐
令狐公子的博客
05-12 4万+
本篇博文主要介绍使用python中的matplotlib模块进行简单画图功能，我们这里画出了一个柱形图来对比两位同学之间的不同成绩，和使用pandas进行简单的数据分析工作，主要包括打开csv文件读取特定行列进行加减增加删除操作，计算滑动均值，进行画图显示等等；其中还包括一段关于ipython的基本使用指令，比较naive欢迎各位指正交流！
D3 二维图表的绘制系列（二十三）旭日图
zjw_python的博客
02-20 3400
上一篇： 桑基图 https://blog.csdn.net/zjw_python/article/details/98492510 下一篇： 力导向图 https://blog.csdn.net/zjw_python/article/details/98201470 代码结构和初始化画布的Chart对象介绍，请先看 https://blog.csdn.net/zjw_python/article...
黑马数据分析02-matplotlib
feizai1208917009的博客
01-27 560
  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...
Python绘图库Matplotlib各种图的绘制（直方图，饼图，条形图，散点图...）
hiudawn
05-19 1万+
Matplotlib是一个Python 2D绘图库，它可以在各种平台上运行。 Matplotlib可用于Python脚本，Python和IPython shell，Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。Matplotlib可以用于绘制直方图，饼图，条形图，散点图等。
matplotlib条形折线统计图
最新发布
06-19
在Matplotlib中，你可以使用`pyplot`模块中的函数轻松创建这些图形。以下是创建条形图和折线图的基本步骤： **条形图（Bar Chart）**: ```python import matplotlib.pyplot as plt import numpy as np # 数据 ...

“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