内容简介:每次创建文件加上,避免中文乱码问题如果还遇到中文乱码问题可在Python文件代码上右键选择File Encoding,并选择UTF-8编码格式matplotlib :matplotlib.org/
每次创建文件加上,避免中文乱码问题
# -*-coding:utf-8-*- 复制代码
如果还遇到中文乱码问题可在 Python 文件代码上右键选择File Encoding,并选择UTF-8编码格式
matplotlib :matplotlib.org/
matplotlib各种示例画廊,单击图标即可查看用于生成图表的代码
绘制图之前注意安装matplotlib
pip install matplotlib 复制代码
pip安装包加速器国内镜像,命令添加-i参数
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple 复制代码
绘制简单的折线图
示例
import matplotlib.pyplot as plt squares = [1, 2, 4, 5, 8] plt.plot(squares) plt.show() 复制代码
效果如下:
修改标签文字和线条粗细
import matplotlib.pyplot as plt squares = [1, 2, 4, 5, 8] plt.plot(squares) # 设置图标标题,并给坐标轴加上标签 plt.title("Hello Squares", fontsize=24) plt.xlabel("Value", fontsize=14) plt.ylabel("Square of Value", fontsize=14) # 设置刻度标记的大小 plt.tick_params(axis='both',labelsize=14) plt.show() 复制代码
效果如下:
校正图形
仔细观察横坐标发现坐标的点是从零开始的
import matplotlib.pyplot as plt squares = [1, 2, 4, 5, 8] input_value = [1, 2, 3, 4, 5] plt.plot(input_value, squares, linewidth=5) # 设置图标标题,并给坐标轴加上标签 plt.title("Hello Squares", fontsize=24) plt.xlabel("Value", fontsize=14) plt.ylabel("Square of Value", fontsize=14) # 设置刻度标记的大小 plt.tick_params(axis='both',labelsize=14) plt.show() 复制代码
效果如下:
绘制散点图
使用scatter()绘制散点图并设置其样式
绘制单个点
import matplotlib.pyplot as plt # plt.scatter(5, 8) plt.show() 复制代码
效果如下:
添加样式,使其更加有趣
import matplotlib.pyplot as plt import matplotlib as mpl # 解决中文乱码问题 # sans-serif就是无衬线字体,是一种通用字体族。 # 常见的无衬线字体有 Trebuchet MS, Tahoma, Verdana, Arial, Helvetica, 中文的幼圆、隶书等等。 # 指定默认字体 SimHei为黑体 mpl.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示负号 mpl.rcParams['axes.unicode_minus'] = False plt.scatter(-5, 8, s=200) # 设置图表标题并给坐标轴加上标签 plt.title(u"单点散点图", fontsize=24) plt.xlabel("Value", fontsize=14) plt.ylabel("Square of Value", fontsize=14) # 设置刻度标记的大小 plt.tick_params(axis='both', which='major', labelsize=14) plt.show() 复制代码
效果如下:
绘制一系列点
import matplotlib.pyplot as plt # x_value = [1, 2, 3, 4, 5] y_value = [1, 2, 4, 5, 8] plt.scatter(x_value, y_value, s=100) plt.show() 复制代码
效果如下:
自动计算数据
import matplotlib.pyplot as plt x_values = list(range(1, 1001)) y_values = [x ** 2 for x in x_values] plt.scatter(x_values, y_values, s=40) # 设置每个坐标轴的取值范围 plt.axis([0, 1100, 0, 1100000]) plt.show() 复制代码
效果如下:
删除数据点的轮廓
plt.scatter(x_values, y_values, s=40, edgecolors='none') 复制代码
自定义颜色
plt.scatter(x_values, y_values, s=40, edgecolors='none', c='yellow') plt.scatter(x_values, y_values, s=40, edgecolors='none', c=(0, 0.8, 0.8)) 复制代码
使用颜色映射
颜色映射是一系列颜色,从起始颜色渐变到结束颜色
plt.scatter(x_values, y_values, s=40, edgecolors='none', c=y_values, cmap=plt.cm.Blues) 复制代码
效果如下:
自动保存图标
import matplotlib.pyplot as plt x_values = list(range(1, 1001)) y_values = [x ** 2 for x in x_values] plt.scatter(x_values, y_values, s=40) # 设置每个坐标轴的取值范围 plt.axis([0, 1100, 0, 1100000]) bbox_inches='tight' 指定将图表多余的空白区域裁剪掉 # 如果要保留图表周围多余的空白区域,可省略bbox_inches实参 plt.savefig('save_plot.png', bbox_inches='tight') 复制代码
随机漫步
什么是随机漫步?类似水滴中的分子运动,分子受到挤压而产生运动
创建RandomWalk() 类
from random import choice import matplotlib.pyplot as plt class RandomWalk: """生成随机漫步的类""" def __init__(self, num_points=5000): """初始化随机漫步的属性""" self.num_points = num_points # 所有随机漫步都始于(0,0) self.x_values = [0] self.y_values = [0] def fill_walk(self): """计算随机漫步包含的所有点""" # 生成漫步包含的点,并决定每次漫步的方向 # 不断漫步,也就是遍历列表 while len(self.x_values) < self.num_points: # 给x_direction 选择一个值,结果要么是表示向右走的1,要么是表示向左走的-1 x_direction = choice([-1, 1]) # 随机地选择一个0~4之间的整数,决定走多远 x_distance = choice([0, 1, 2, 3, 4]) # 将移动方向乘以移动距离,确定沿 x 和 y 轴移动的距离 # x_step 为正,将向右移动,为负将向左移动,而为零将垂直移动 x_step = x_direction * x_distance # y轴也类似 y_direction = choice([-1, 1]) y_distance = choice([0, 1, 2, 3, 4]) y_step = y_direction * y_distance # 拒绝原地踏步 if x_step == 0 and y_step ==0: continue # 计算下一个点的x和y值,-1指示列表最后一个数 next_x = self.x_values[-1] + x_step next_y = self.y_values[-1] + y_step # 附加到列表末尾 self.x_values.append(next_x) self.y_values.append(next_y) 复制代码
- 简单绘制随机漫步图
rw = RandomWalk() rw.fill_walk() plt.scatter(rw.x_values, rw.y_values, s=15) plt.show() 复制代码
效果如下:
- 模拟多次随机漫步
while True: 创建一个RandomWalk实例,并将其包含的点都绘制出来 rw = RandomWalk() rw.fill_walk() plt.scatter(rw.x_values, rw.y_values, s=15) plt.show() keep_running = input("Make another walk? (y/n): ") if keep_running == 'n': break 复制代码
- 设置随机漫步图的样式——着色
rw = RandomWalk() rw.fill_walk() point_numbers = list(range(rw.num_points)) plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.prism, edgecolors='none', s=15) plt.show() 复制代码
效果如下:
- 绘制起点和终点
rw = RandomWalk() rw.fill_walk() point_numbers = list(range(rw.num_points)) plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolors='none', s=15) plt.scatter(0, 0, c='green', edgecolors='none', s=100) plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100) plt.show() 复制代码
效果如下:
- 隐藏坐标轴
rw = RandomWalk() rw.fill_walk() plt.scatter(rw.x_values, rw.y_values, s=15) plt.axes().get_xaxis().set_visible(False) plt.axes().get_yaxis().set_visible(False) plt.show() 复制代码
效果如下:
- 增加点数
rw = RandomWalk(10000) rw.fill_walk() plt.scatter(rw.x_values, rw.y_values, edgecolors='none', s=15) plt.show() 复制代码
效果如下:
- 调整尺寸以适合屏幕
rw = RandomWalk() rw.fill_walk() plt.figure(figsize=(10, 6)) # 1000 * 600像素 plt.scatter(rw.x_values, rw.y_values, edgecolors='none', s=15) plt.show() 复制代码
效果如下:
matplotlib其它图形库可参考 : matplotlib.org/api/_as_gen…
绘图库除了matplotlib,还有pygal、ggplot、plotly等等
以上所述就是小编给大家介绍的《Python数据可视化matplotlib库》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 遇见大数据可视化:来做一个数据可视化报表
- 可视化的数据,鲜活的数据
- 可视化的数据,鲜活的数据
- 遇见大数据可视化: 未来已来,变革中的数据可视化
- Python 数据可视化 2018:数据可视化库为什么这么多?
- 数据可视化:如何玩转大数据
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Hello World
Hannah Fry / W. W. Norton Company / 2018-9 / GBP 17.99
A look inside the algorithms that are shaping our lives and the dilemmas they bring with them. If you were accused of a crime, who would you rather decide your sentence—a mathematically consistent ......一起来看看 《Hello World》 这本书的介绍吧!