Matplotlib入门

最新推荐文章于 2024-04-24 15:59:02 发布
最新推荐文章于 2024-04-24 15:59:02 发布
阅读量839 收藏 11
点赞数 25
分类专栏： # AI Python基础 Python 文章标签： matplotlib
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_73870552/article/details/135897076
版权

Matplotlib入门

1. Matplotlib的基本使用

1. 什么是Matplotlib？

Matplotlib是一个专门用于开发2D图表（包括3D图表）的库，可以以渐进和交互式的方式，来实现数据可视化。

2. 图形绘制流程：

1）导入matplotlib.pyplot模块。

import matplotlib.pyplot as plt

2）创建画布：plt.figure(figsize=(), dpi=)。

  • figsize：设置长宽比；
  • dpi：设置图像清晰度。

3）绘制图像：plt.plot(x, y)。

  • 第一个参数传x轴对应的值，第二个参数传y轴对应的值。

4）显示图像：plt.show()。

3. 实现一个简单的Matplotlib画图 – 以折线图为例：

需求：绘制河南一周的气温折线图。

1）导入Matplotlib.pytplot模块：

In [1]: import matplotlib.pyplot as plt

2）绘制图像：

In [2]: # 1.创建画布
		# figure设置长宽比，dpi设置图像清晰度
		plt.figure(figsize=(20,8), dpi=100)

		# 2.绘制图像
		# 第一个参数是x轴的数值，第二个参数是y轴的数值
		plt.plot([1,2,3,4,5,6,7], [10,15,13,18,16,20,10])

		# 3.图像显示
		plt.show()

在这里插入图片描述

4. 认识Matplotlib的图像结构：

在这里插入图片描述

2. 绘制某城市的气温折线图，如下图(以折线图为例)

在这里插入图片描述

2.1 基础绘图功能

In [1]: import matplotlib.pyplot as plt
		import random

In [2]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制图像
		plt.plot(x, y_henan)

		# 3. 图像显示
		plt.show()

在这里插入图片描述

2.2 自定义x，y轴刻度

In [3]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制图像
		plt.plot(x, y_henan)

		# 2.1 添加x,y轴刻度
		x_ticks_label = ["11点{}分".format(i) for i in x]
		y_ticks = range(40)

		# 修改x,y坐标刻度显示
		# 想打印字符不能直接打印，要先打印数字然后再替换成字符串
		# plt.xticks(x_ticks_label[::5]) 报错，不能用字符串直接修改
		plt.xticks(x[::5], x_ticks_label[::5]) # 横坐标显示间隔为5，第一个参数是数字，第二个是要替换的字符
		plt.yticks(y_ticks[::5]) # 纵坐标显示间隔为5

		# 3. 图像显示
		plt.show()

在这里插入图片描述

上图中并没有打印出汉字，下面我们来解决一下这个问题：

在Python脚本中动态设置matplotlibrc，具体代码如下：

from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

有时，字体更改后，会导致坐标轴中的部分字符无法正常显示，此时需要修改axes.unicode_minus参数：

# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

我们来实际演示一下：

In [1]: import matplotlib.pyplot as plt
		import random

		from pylab import mpl
		# 设置显示中文字体
		mpl.rcParams["font.sans-serif"] = ["SimHei"]

In [2]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制图像
		plt.plot(x, y_henan)

		# 2.1 添加x,y轴刻度
		x_ticks_label = ["11点{}分".format(i) for i in x]
		y_ticks = range(40)

		# 修改x,y坐标刻度显示
		plt.xticks(x[::5], x_ticks_label[::5]) # 坐标间隔为5
		plt.yticks(y_ticks[::5]) # 坐标间隔为5

		# 3. 图像显示
		plt.show()

在这里插入图片描述

2.3 添加网格显示

1. 添加网格显示的方法：

plt.grid(True, linestyle='--', alpha=0.5)
  • True表示显示；
  • linestyle用来设置网格线的格式，'--'是虚线；
  • alpha为透明度。

2. 实际运用一下：

IN [3]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制图像
		plt.plot(x, y_henan)

		# 2.1 添加x,y轴刻度
		x_ticks_label = ["11点{}分".format(i) for i in x]
		y_ticks = range(40)

		# 修改x,y坐标刻度显示
		plt.xticks(x[::5], x_ticks_label[::5]) # 坐标间隔为5
		plt.yticks(y_ticks[::5]) # 坐标间隔为5

		# 2.2 添加网格显示
		plt.grid(True, linestyle='--', alpha=0.5)

		# 3. 图像显示
		plt.show()

在这里插入图片描述

2.4 添加描述信息

添加X轴Y轴描述信息及标题，可以通过fontsize参数修改图像中字体的大小。

  • plt.xlabel：设置X轴描述信息；
  • plt.ylabel：设置Y轴描述信息；
  • plt.title：设置标题信息。
In [4]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制图像
		plt.plot(x, y_henan)

		# 2.1 添加x,y轴刻度
		x_ticks_label = ["11点{}分".format(i) for i in x]
		y_ticks = range(40)

		# 修改x,y坐标刻度显示
		plt.xticks(x[::5], x_ticks_label[::5]) # 坐标间隔为5
		plt.yticks(y_ticks[::5]) # 坐标间隔为5

		# 2.2 添加网格显示
		plt.grid(True, linestyle='--', alpha=0.5)

		# 2.3 添加描述信息
		plt.xlabel('时间', fontsize=20)
		plt.ylabel('温度', fontsize=20)
		plt.title('中午11点到12点某城市温度变化', fontsize=30)

		# 3. 图像显示
		plt.show()

在这里插入图片描述

2.5 图像保存

保存图片到指定路径：plt.savefig("test.png")

注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

完整代码：

In [1]: import matplotlib.pyplot as plt
		import random
		from pylab import mpl

		# 设置显示中文字体
		mpl.rcParams["font.sans-serif"] = ["SimHei"]

In [2]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制图像
		plt.plot(x, y_henan)

		# 2.1 添加x,y轴刻度
		x_ticks_label = ["11点{}分".format(i) for i in x]
		y_ticks = range(40)

		# 修改x,y坐标刻度显示
		plt.xticks(x[::5], x_ticks_label[::5]) # 坐标间隔为5
		plt.yticks(y_ticks[::5]) # 坐标间隔为5

		# 2.2 添加网格显示
		plt.grid(True, linestyle='--', alpha=0.5)

		# 2.3 添加描述信息
		plt.xlabel('时间', fontsize=20)
		plt.ylabel('温度', fontsize=20)
		plt.title('中午11点到12点某城市温度变化', fontsize=30)

		# 2.4 图像保存
		plt.savefig("./test.png")

		# 3. 图像显示
		plt.show()

执行后查看test.png文件是否产生：

在这里插入图片描述

3. 在一个坐标系中绘制多个图像

3.1 多次plot

需求：再增加一个城市的温度变化。

收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，其实很简单，只需要再次plot即可，但是区分线条，如下显示：

在这里插入图片描述

# 增加北京的温度数据
y_beijing = [random.uniform(1, 3) for i in x]

# 绘制折线图
plt.plot(x, y_henan)
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing)

3.2 设置图像风格

颜色字符风格字符
r红色- 实线
g 绿色-- 虚线
b 蓝色-. 点划线
w 白色: 点虚线
c 青色`` 留空、空格
m 洋红
y 黄色
k 黑色

演示一下：

In [3]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]
		y_beijing = [random.uniform(1, 3) for i in x]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制图像
		plt.plot(x, y_henan)
		plt.plot(x, y_beijing, color='r', linestyle='--') # 红色虚线

		# 2.1 添加x,y轴刻度
		x_ticks_label = ["11点{}分".format(i) for i in x]
		y_ticks = range(40)

		# 修改x,y坐标刻度显示
		plt.xticks(x[::5], x_ticks_label[::5]) # 坐标间隔为5
		plt.yticks(y_ticks[::5]) # 坐标间隔为5

		# 2.2 添加网格显示
		plt.grid(True, linestyle='--', alpha=0.5)

		# 2.3 添加描述信息
		plt.xlabel('时间', fontsize=20)
		plt.ylabel('温度', fontsize=20)
		plt.title('中午11点到12点某城市温度变化', fontsize=30)

		# 2.4 图像保存
		plt.savefig("./test.png")

		# 3. 图像显示
		plt.show()

在这里插入图片描述

3.3 显示图例

  • 注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。
# 绘制折线图
plt.plot(x, y_henan, label='河南')
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--', label='北京')

# 显示图例
plt.legend(loc='best')
Location StringLocation Code
‘best’0
‘upper right’1
‘upper left’2
‘lower right’3
‘lower right’4
‘right’5
‘center left’6
‘center right’7
‘lower center’8
‘upper center’9
‘center’10

完整代码：

In [4]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]
		y_beijing = [random.uniform(1, 3) for i in x]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制图像
		plt.plot(x, y_henan, label='河南')
		plt.plot(x, y_beijing, color='r', linestyle='--', label='北京') # 红色虚线

		# 2.1 添加x,y轴刻度
		x_ticks_label = ["11点{}分".format(i) for i in x]
		y_ticks = range(40)

		# 修改x,y坐标刻度显示
		plt.xticks(x[::5], x_ticks_label[::5]) # 坐标间隔为5
		plt.yticks(y_ticks[::5]) # 坐标间隔为5

		# 2.2 添加网格显示
		plt.grid(True, linestyle='--', alpha=0.5)

		# 2.3 添加描述信息
		plt.xlabel('时间', fontsize=20)
		plt.ylabel('温度', fontsize=20)
		plt.title('中午11点到12点某城市温度变化', fontsize=30)

		# 2.4 图像保存
		plt.savefig("./test.png")

		# 2.5 显示图例
		plt.legend(loc='best')

		# 3. 图像显示
		plt.show()

在这里插入图片描述

4. 在多个坐标系下绘制图形——plt.subplots(面向对象的画图方法)

如果我们想让河南和北京的天气显示在一张图的不同坐标系中，效果如下：

在这里插入图片描述

可以通过subplots函数实现。

4.1 基本绘图

1）matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw)创建一个带有多个axes（坐标系/绘图区）的图。

参数：

  • nrows，nclos：设置有几行几列坐标系。

返回值（有两个）：

  • fig：图对象；
  • axes：返回相应数量的坐标系。

2）plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法。

In [1]: import matplotlib.pyplot as plt
		import random
		from pylab import mpl

		# 设置显示中文字体
		mpl.rcParams["font.sans-serif"] = ["SimHei"]

In [2]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]
		y_beijing = [random.uniform(1, 3) for i in x]

		# 1. 创建画布
		fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100) # 用两个对象承接

		# 2. 绘制图像
		axes[0].plot(x, y_henan, label = '河南')
		axes[1].plot(x, y_beijing, color = 'r', linestyle = '--', label = '北京')

		# 3. 显示图像
		plt.show()

在这里插入图片描述

4.2 自定义x，y轴刻度

In [3]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]
		y_beijing = [random.uniform(1, 3) for i in x]

		# 1. 创建画布
		fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100) # 用两个对象承接

		# 2. 绘制图像
		axes[0].plot(x, y_henan, label = '河南')
		axes[1].plot(x, y_beijing, color = 'r', linestyle = '--', label = '北京')

		# 2.1 添加x，y轴刻度
		# 设置x, y轴刻度
		x_ticks_label = ['11点{}分'.format(i) for i in x]
		y_ticks = range(40)

		# 修改x, y轴坐标刻度显示
		axes[0].set_xticks(x[::5])
		axes[0].set_yticks(y_ticks[::5])
		axes[0].set_xticklabels(x_ticks_label[::5])
		axes[1].set_xticks(x[::5])	
		axes[1].set_yticks(y_ticks[::5])
		axes[1].set_xticklabels(x_ticks_label[::5])

		# 3. 显示图像
		plt.show()

在这里插入图片描述

4.3 添加网格显示，添加描述信息，图像保存

In [4]: # 0. 准备数据
		x = range(60)
		y_henan = [random.uniform(15, 18) for i in x]
		y_beijing = [random.uniform(1, 3) for i in x]

		# 1. 创建画布
		fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100) # 用两个对象承接

		# 2. 绘制图像
		axes[0].plot(x, y_henan, label = '河南')
		axes[1].plot(x, y_beijing, color = 'r', linestyle = '--', label = '北京')

		# 2.1 添加x，y轴刻度
		# 设置x, y轴刻度
		x_ticks_label = ['11点{}分'.format(i) for i in x]
		y_ticks = range(40)

		# 修改x, y轴坐标刻度显示
		axes[0].set_xticks(x[::5])
		axes[0].set_yticks(y_ticks[::5])
		axes[0].set_xticklabels(x_ticks_label[::5])
		axes[1].set_xticks(x[::5])
		axes[1].set_yticks(y_ticks[::5])
		axes[1].set_xticklabels(x_ticks_label[::5])

		# 2.2 添加网格显示
		axes[0].grid(True, linestyle='--', alpha=1)
		axes[1].grid(True, linestyle='--', alpha=1)

		# 2.3 添加描述信息
		axes[0].set_xlabel('时间')
		axes[0].set_ylabel('温度')
		axes[0].set_title('中午11点-12点某城市温度变化图', fontsize=20)
		axes[1].set_xlabel('时间')
		axes[1].set_ylabel('温度')
		axes[1].set_title('中午11点-12点某城市温度变化图', fontsize=20)

		# 2.4 图像保存
		plt.savefig('./test.png')

		# 2.5 显示图例
		axes[0].legend(loc=0)
		axes[1].legend(loc=0)

		# 3. 显示图像
		plt.show()

在这里插入图片描述

5. 使用plot画数学图像

plt.plot()出了可以画折线图，也可以用于画各种数学图像。

IN [1]: import matplotlib.pyplot as plt
		import random
		from pylab import mpl

		# 设置显示中文字体
		mpl.rcParams["font.sans-serif"] = ["SimHei"]
		# 设置正常显示符号
		mpl.rcParams["axes.unicode_minus"] = False

In [2]: import numpy as np
		# 0. 准备数据
		x = np.linspace(-10, 10, 1000)
		y = np.sin(x)

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制函数图像
		plt.plot(x, y)
		# 2.1 添加网格显示
		plt.grid()

		# 3. 显示图像
		plt.show()

显示不出来？重新加载下试试

6. 常见图形绘制

6.1 折线图

特点：能够显示数据的变化趋势，反应事物的变化情况。

在这里插入图片描述

具体细节前面已经讲的很详细了，这里就不再赘述了。

6.2 散点图

1. 定义：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。

2. 特点：判断变量之间是否存在数量关联趋势，展示分布规律。

3. 绘图函数：plt.scatter(x, y)

需求：探究房屋面积和房屋价格的关系。

In [1]: import matplotlib.pyplot as plt
		import random
		from pylab import mpl

		# 设置显示中文字体
		mpl.rcParams["font.sans-serif"] = ["SimHei"]
		# 设置正常显示符号
		mpl.rcParams["axes.unicode_minus"] = False

In [2]: # 0. 准备数据
		# 房屋面积数据
		x = [225.98, 247, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 
     		163.56, 120.06, 207.06, 342.75, 147.9, 53.06, 224.72, 29.51,
     		21.61, 483.21, 245.25, 399.25, 343.35]
		# 房屋价格数据
		y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9, 239.34,
     		140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1,
     		30.74, 400.02, 205.35, 330.64, 283.45]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制散点图
		plt.scatter(x, y)

		# 3. 显示图像
		plt.show()

在这里插入图片描述

6.3 柱状图

1. 特点：能够一眼看出各个数据的大小，比较数据之间的差别。（统计/对比）

2. 绘图函数：plt.bar(x, y, width, align='center', **kwargs)

  • x, y：需要传递的数据；
  • width：柱状图的宽度；
  • align：每个柱状图的位置对齐方式；
  • **kwargs：color选择柱状图的颜色。
In [3]: # 0. 准备数据
		# 电影名字
		movie_name = ['雷神3：诸神黄昏', '正义联盟', '东方快车谋杀案', '寻梦环游记', '全球风暴', '降魔传', '追捕', '七十七天', '密战', '狂兽', '其他']
		# 横坐标
		x = range(len(movie_name))
		# 票房数据
		y = [73853, 57767, 22354, 15969, 14839, 8725, 8716, 8318, 7916, 6764, 52222]

		# 1. 创建画布
		plt.figure(figsize=(20,8), dpi=100)

		# 2. 绘制图像
		plt.bar(x, y, color=['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g', 'b'], width=0.7)

		# 2.1 修改x轴显示
		plt.xticks(x, movie_name)

		# 2.2 添加网格显示，添加标题
		plt.grid(linestyle='--', alpha=0.8)

		# 2.3 添加标题
		plt.title('电影票房收入对比', fontsize=30)

		# 3. 图像显示
		plt.show()

在这里插入图片描述

6.4 直方图

1. 定义：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。

2. 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）。

3. 绘图函数：plt.hist(x, bins=None)

参数：

  • x：需要传递的数据；
  • bins：组距。
In [4]: # 0. 准备数据
		x = [225.98, 247, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 
     		163.56, 120.06, 207.06, 342.75, 147.9, 53.06, 224.72, 29.51,
     		21.61, 483.21, 245.25, 399.25, 343.35]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制直方图
		plt.hist(x, bins=30)

		# 3. 显示图像
		plt.show()

在这里插入图片描述

6.5 饼图

1. 定义：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

2. 特点：反映分类数据的占比情况。

3. 绘图函数：plt.pie(x, labels=, autopct=, colors)

参数：

  • x：数量，自动算百分比；
  • labels：每部分名称；
  • autopct：占比显示指定；
  • colors：每部分颜色。
In [5]: # 0. 准备数据
		x = [10, 20, 30, 5, 44, 8, 9]

		# 1. 创建画布
		plt.figure(figsize=(20, 8), dpi=100)

		# 2. 绘制直方图
		plt.pie(x)

		# 3. 显示图像
		plt.show()

在这里插入图片描述

-指短琴长-
关注
  • 25
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
matplotlib入门练习
10-23
利用scatter函数实现对鸢尾花数据集的散点图显示
matplotlib入门实战全教程
02-24
用在python中绘制数组的2D图形库matplotlib代码在概念上分为3个部分：1.pylab接口是由matplotlib.pylab提供的函数集，允许用户使用非常类似于MATLAB图生成代码的代码创建绘图2.matplotlib前端或API是一组重要的类，...
Matplotlib入门：Python的可视化绘制工具包
Nieson2012的专栏
08-08 4907
数据的处理、分析和可视化已经成为 Python 近年来最重要的应用之一。这种现象又进一步引出“大数据”分析等类似的话题，而大数据分析在人们所能预见的诸多领域内都有广泛应用，这其中就包含笔者个人感兴趣的机器学习。Python 在处理数据、分析数据以及数据可视化方面拥有很多功能强大的工具，这也是 Python 在科学领域中能够迅速发展的一个主要原因。
matplotlib的简单基础
最新发布
2302_80719643的博客
04-24 949
plt.scatter(x_3,y_3,1abel="3月份") plt.scatter(x_10,y_10,labet="10月份")plt.plot(x,y_2,label="同桌",color="cyan" ,linest yle="--") ---线线图。plt.plot(x,y_1,label="自己",color ="orange",line style=':') ---点图。x = range(2,26,2) --从2开始到25，步长为2。
Matplotlib入门简介
Addisoni
11-27 555
Matplotlib是一个用Python实现的绘图库。现在很多机器学习，深度学习教学资料中都用它来绘制函数图形。在学习算法过程中，Matplotlib是一个非常趁手的工具。 一般概念 图形(figure)类似于画布，它包含一个或多个子坐标系(axes)。至少有一个坐标系才能有用。 下面是一段简单的示例代码，只是创建了一个子坐标系 import matplotlib.pyplot as...
matplotlib入门
m0_49643291的博客
09-29 255
matplotlib 入门
matplotlib入门教程.pdf
05-04
欢迎阅读 Python 3+ Matplotlib 系列教程。 在本系列中，我们 将涉及 Matplotlib 数据可视化模块的多个方面。 Matplotlib 能够创建多数类型的图表，如条形图，散点图，条形图，饼图，堆叠 图，3D 图和地图图表
matplotlib入门全教程(参考手册+实战教程) PDF合集
04-06
这是一套包含Matplotlib简易教程、Matplotlib 快速参考手册和matplotlib入门实战的教程合集，主要介绍了Python Matplotlib入门知识，通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值。...
Matplotlib 入门（一）
分享我的点点滴滴，在成长路上与你同行！
09-23 1155
matplotlib
matplotlib的简单入门
weixin_67485772的博客
01-12 398
matplotlib的简单入门
【机器学习】matplotlib入门
happy2403的博客
04-23 1742
Matplotlib是一个数据挖掘的辅助工具，可以实现数据可视化，但与大数据数据可视化有区别。（数据可视化的框架：echarts、superset和kibannan等等。）
数据分析之Matplotlib 基础入门
zhouzhiwengang的专栏
04-12 1212
Matplotlib是一个Python 2D绘图库，它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。
matplotlib教程（一）—— 入门基础
m0_61766362的博客
01-12 1362
该pandas学习笔记参考了b站up主 孙兴华zz 的《孙兴华中文讲python数据分析三部曲》，课本推荐使用《利用python进行数据分析》
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)
书山有路勤为径，学海无涯苦作舟。
01-30 3126
Matplotlib 是一个Python的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。通过学习Matplotlib，可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib是Python的库，又是开发中常用的库。
Matplotlib数据可视化（1）— 入门介绍
金戈鐡馬
03-25 659
本文强烈建议（官方文档中也提出了），如果只是简单得对数据进行展示，那么当然可以使用pyplot完成，但是如果需要更加精细的对图片进行设置，那么建议使用pyplot中的方法来创建matplotlib图形的容器对象，因为pyplot创建容器对象可以方便得纳入matplotlib序列中进行管理，有了容器对象之后，后续的画图，请勿通过再pyplot进行，最好是通过容器对象进行操作。图2中，蓝色部分文本是各组件的名称，请牢记各组件的名称，方便在对各组件进行设置是调用函数，因为组件的名称与函数名是相似的。
Matplotlib入门篇，也可以很酷炫
sixqingfeng的博客
07-14 474
今天写一篇 Matplotlib 的入门教程。Matplotlib 是 Python 数据可视化库，广泛应用在数据分析和机器学习中。Matplotlib 支持面向对象和接口两种方式画图。以这两种方式为例，画出如下图所示的函数图。y=x^2面向对象方式 函数返回和，分别是对象和对象。前者代表画布，后者代表画布上的绘图区域，很显然画布和绘图区域是一对多的关系。之后关于绘图的设置，都通过对象完成。pyplot方式 方式绘图和设置都通过来完成，没有对象的概念。虽然这两种方式都能画图，但官方更建议采用面向对
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

-指短琴长-

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