python可视化(莫烦python代码)

python可视化

b站莫烦python代码自我小结哈
https://mofanpy.com

#导入数据库`在这里插入代码片`
import matplotlib.pyplot as plt
import numpy as np

二次函数

#二次函数 + 标注
lt.figure(num=1)
plt.plot(x,y1,label='up')
plt.plot(x,y2,color='red',linewidth=2,linestyle='--',label='down')

plt.xlabel('I am x')
plt.ylabel('I am y')

plt.xticks(np.linspace(-1,1,5))
plt.yticks([-1,0,1],
          [r'$bad$',r'$normal$',r'$good$'])

ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')

ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

plt.legend(loc='best')#legend(handles[l1,l2,],lables,loc)

x0=1
y0=2*x0+1
plt.scatter(x0,y0,s=50,color='b')
plt.plot([x0,x0],[y0,0],'k--',lw=2.5)

#method
plt.annotate(r'$2x+1=%s$'%y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',
            fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))

#method
plt.text(0.2,-0.5,r'$This\ is\ the\ some\ text.\ \mu\ \sigma_i\ \alpha_t$',fontdict={'size':10,'color':'r'})

#for label in ax.get_xticklabels()+ax.get_yticklabels():
#    label.set_fontsize(12)
#    label.set_bbox(dict(facecolor='white',edgecolor='None',alpha=0.7))

plt.show()

在这里插入图片描述

散点图

#散点图
n=1024
x=np.random.normal(0,1,n)
y=np.random.normal(0,1,n)
t=np.arctan2(y,x)

plt.scatter(x,y,s=75,c=t,alpha=0.5)

plt.xticks(())
plt.yticks(())

plt.show()

在这里插入图片描述

条形图

#条形图
n=12
x=np.arange(n)
y1=(1.0-x/float(n))*np.random.uniform(0.5,1.0,n)
y2=(1.0-x/float(n))*np.random.uniform(0.5,1.0,n)

plt.bar(x,+y1,facecolor='#9999ff',edgecolor='white')
plt.bar(x,-y2,facecolor='#ff9999',edgecolor='white')

for x, y1, y2 in zip(x, y1, y2): 
    plt.text(x, y1 + 0.05, '%.2f' % y1, ha='center', va='bottom') 
    plt.text(x, - y2 - 0.05, '%.2f' % y2, ha='center', va='top')
    
plt.show()

在这里插入图片描述

等高线图

#等高线图
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y)

plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)
c=plt.contourf(X,Y,f(X,Y),8,colors='black',linewidth=.5)

plt.clabel(c,inline=True,fontsize=10)

plt.show
#三维等高线图
from mpl_toolkits.mplot3d import Axes3D

fig=plt.figure()
ax=Axes3D(fig)
x=np.arange(-4,4,0.25)
y=np.arange(-4,4,0.25)
x,y=np.meshgrid(x,y)|
r=np.sqrt(x**2+y**2)
z=np.sin(r)

ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
ax.contourf(x,y,z,zdir='z',offset=-2,cmap='rainbow')
ax.set_zlim(-2,2)

在这里插入图片描述

子图

#子图
plt.figure()
ax1=plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax2=plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
ax3=plt.subplot2grid((3,3),(1,2),colspan=1,rowspan=2)
ax4=plt.subplot2grid((3,3),(2,0),colspan=1,rowspan=1)
ax5=plt.subplot2grid((3,3),(2,1),colspan=1,rowspan=1)

在这里插入图片描述

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python可视化是指使用Python编程语言进行数据可视化的过程。Python提供了多个库和工具,可以帮助我们创建各种类型的图表、图形和可视化效果。 以下是一些常用的Python可视化库和工具: 1. Matplotlib:Matplotlib是Python中最常用的可视化库之一。它提供了广泛的绘图功能,包括线图、散点图、柱状图、饼图等。Matplotlib可以创建静态图表,也可以与其他库结合使用创建交互式图表。 2. Seaborn:Seaborn是基于Matplotlib的高级数据可视化库。它提供了更简单的API和更美观的默认样式,使得创建各种统计图表变得更加容易。 3. Plotly:Plotly是一个交互式可视化库,可以创建漂亮的交互式图表和可视化效果。它支持多种图表类型,包括线图、散点图、柱状图、热力图等,并且可以在网页上进行交互操作。 4. Bokeh:Bokeh也是一个交互式可视化库,专注于在Web浏览器中创建交互式图表。它支持多种图表类型,并且可以通过JavaScript进行交互操作。 5. Pandas:Pandas是一个强大的数据分析库,也提供了简单的可视化功能。它可以直接从数据框中创建图表,并且与Matplotlib和Seaborn等库集成良好。 6. ggplot:ggplot是基于R语言中的ggplot2库开发的一个Python库,提供了类似于ggplot2的语法和风格。它可以创建漂亮的统计图表和图形。 以上是一些常用的Python可视化库和工具,每个库都有其特点和适用场景。根据具体需求和个人喜好,可以选择合适的库进行数据可视化

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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