Python数据可视化之画图

安装数据可视化模块matplotlib:pip install matplotlib

导入matplotlib模块下的pyplot

1 折线图

from matplotlib import pyplot
#横坐标
year=[2010,2012,2014,2016]
#纵坐标
perple=[20,40,60,100]
#生成折线图:函数polt
pyplot.plot(year,perple)
#设置横坐标说明
pyplot.xlabel('year')
#设置纵坐标说明
pyplot.ylabel('population')
#添加标题
pyplot.title('Population year correspondence')
#设置纵坐标刻度
pyplot.yticks([0, 25, 50, 75, 90])
# 显示网格
pyplot.grid(True)
显示图表
pyplot.show()

2 散点图

用两种方法

第一种:只需将函数polt换成scatter即可.

from matplotlib import pyplot
#横坐标
year=[2010,2012,2014,2016]
#纵坐标
perple=[20,40,60,100]
#生成散点图:函数scatter
pyplot.scatter(year,perple)
#设置横坐标说明
pyplot.xlabel('year')
#设置纵坐标说明
pyplot.ylabel('population')
#添加标题
pyplot.title('Population year correspondence')
#设置纵坐标刻度
pyplot.yticks([0, 25, 50, 75, 90])
# 显示网格
pyplot.grid(True)
显示图表
pyplot.show()

第二种方法:在polt函数里添加第三个参数 “o”.

可以更改点的颜色和类型,如红色,五角型:把plot第三个参数改为'rp'.

#点的颜色

  • c–cyan–青色
  • r–red–红色
  • m–magente–品红
  • g–green–绿色
  • b–blue–蓝色
  • y–yellow–黄色
  • k–black–黑色
  • w–white–白色

#线的类型

  • – 虚线
  • -. 形式即为-.
  • : 细小的虚线

#点的类型

  • s–方形
  • h–六角形
  • H–六角形
  • *–*形
  • ±-加号
  • x–x形
  • d–菱形
  • D–菱形
  • p–五角形
from matplotlib import pyplot
#横坐标
year=[2010,2012,2014,2016]
#纵坐标
perple=[20,40,60,100]
#生成散点图:函数polt
pyplot.plot(year,perple,'rp')
#设置横坐标说明
pyplot.xlabel('year')
#设置纵坐标说明
pyplot.ylabel('population')
#添加标题
pyplot.title('Population year correspondence')
#设置纵坐标刻度
pyplot.yticks([0, 25, 50, 75, 90])
# 显示网格
pyplot.grid(True)
显示图表
pyplot.show()

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对我们的支持。如果你想了解更多相关内容请查看下面相关链接

(0)

相关推荐

  • python实现简单图片物体标注工具

    本文实例为大家分享了python实现简单图片物体标注工具的具体代码,供大家参考,具体内容如下 # coding: utf-8 """ 物体检测标注小工具 基本思路: 对要标注的图像建立一个窗口循环,然后每次循环的时候对图像进行一次复制, 鼠标在画面上画框的操作.画好的框的相关信息在全局变量中保存, 并且在每个循环中根据这些信息,在复制的图像上重新画一遍,然后显示这份复制的图像. 简化的设计过程: 1.输入是一个文件夹的路径,包含了所需标注物体框的图片. 如果图片中标注了物体,

  • python如何实现内容写在图片上

    本文实例为大家分享了python将内容写在图片上的具体代码,供大家参考,具体内容如下 # -*- coding: utf-8 -*- # Created on 2018/3/20 import base64 import random import os import sys import time from PIL import Image, ImageFont, ImageDraw reload(sys) sys.setdefaultencoding('utf8') BASE_PATH =

  • python画图——实现在图上标注上具体数值的方法

    比如当前的表格数据是 df['resultRate'].plot(style='-.bo') plt.grid(axis='y') #设置数字标签** for a,b in zip(df['num'],df['resultRate']): plt.text(a, b+0.001, '%.4f' % b, ha='center', va= 'bottom',fontsize=9) plt.show() 结果如图 以上这篇python画图--实现在图上标注上具体数值的方法就是小编分享给大家的全部内容

  • Python数据可视化之画图

    安装数据可视化模块matplotlib:pip install matplotlib 导入matplotlib模块下的pyplot 1 折线图 from matplotlib import pyplot #横坐标 year=[2010,2012,2014,2016] #纵坐标 perple=[20,40,60,100] #生成折线图:函数polt pyplot.plot(year,perple) #设置横坐标说明 pyplot.xlabel('year') #设置纵坐标说明 pyplot.yla

  • 解决Python数据可视化中文部分显示方块问题

    一.问题 代码如下,发现标题的中文显示的是方块 import matplotlib import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(111) ax.set(xlim=[1.5, 6.5], ylim=[-4, 5], title='画图小例子',ylabel='yvalue', xlabel='xvalue') plt.show() 如下图 二.解决方法 一般数据可视化使用matplotlib库,设置

  • python数据可视化之matplotlib.pyplot基础以及折线图

    不论是数据挖掘还是数据建模,都免不了数据可视化的问题.对于Python来说,Matplotlib是最著名的绘图库,它主要用于二维绘图,当然它也可以进行简单的三维绘图(基于spyder). - 模块引用 import matplotlib.pyplot as plt #引用画图库中的pyplot模块 -折线条图 语法 import matplotlib.pyplot as plt data=[1,2,3,4,5,4,2,4,6,7] #随便创建了一个数据 plt.plot(data) #引用画图库

  • Python数据可视化JupyterNotebook绘图生成高清图片

    大家好,我是小五???? 最近有小伙伴问了个问题:如何在jupyter notebook,用Matplotlib画图时能够更"高清"? 今天正好跟大家聊聊,解决办法. 先举个小例子,用 Matplotlib 绘制极坐标图: import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline s = pd.Series(np.arange(20)) fig = plt.figu

  • Python数据可视化Pyecharts库实现桑葚图效果

    目录 基本思路我总结大概有三步: 1. 先申明使用sankey 2. 使用add 添加对sankey图的配置信息 3. 最后render生成html文件展示 首先介绍一下什么是桑葚图? 桑基图(Sankey diagram),即桑基能量分流图,也叫桑基能量平衡图. 它是一种特定类型的流程图,图中延伸的分支的宽度对应数据流量的大小,通常应用于能源.材料成分.金融等数据的可视化分析. 因1898年Matthew Henry Phineas Riall Sankey绘制的"蒸汽机的能源效率图"

  • Python数据可视化绘图实例详解

    目录 利用可视化探索图表 1.数据可视化与探索图 2.常见的图表实例 数据探索实战分享 1.2013年美国社区调查 2.波士顿房屋数据集 利用可视化探索图表 1.数据可视化与探索图 数据可视化是指用图形或表格的方式来呈现数据.图表能够清楚地呈现数据性质, 以及数据间或属性间的关系,可以轻易地让人看图释义.用户通过探索图(Exploratory Graph)可以了解数据的特性.寻找数据的趋势.降低数据的理解门槛. 2.常见的图表实例 本章主要采用 Pandas 的方式来画图,而不是使用 Matpl

  • Python数据可视化探索实例分享

    目录 一.数据可视化与探索图 二.常见的图表实例 1.折线图 2.散布图 3.直方图.长条图 4. 圆饼图.箱形图 三.社区调查 四.波士顿房屋数据集 一.数据可视化与探索图 数据可视化是指用图形或表格的方式来呈现数据.图表能够清楚地呈现数据性质, 以及数据间或属性间的关系,可以轻易地让人看图释义.用户通过探索图(Exploratory Graph)可以了解数据的特性.寻找数据的趋势.降低数据的理解门槛. 二.常见的图表实例 本章主要采用 Pandas 的方式来画图,而不是使用 Matplotl

  • 基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解

    Pyplot matplotlib.pyplot是一个命令型函数集合,它可以让我们像使用MATLAB一样使用matplotlib.pyplot中的每一个函数都会对画布图像作出相应的改变,如创建画布.在画布中创建一个绘图区.在绘图区上画几条线.给图像添加文字说明等.下面我们就通过实例代码来领略一下他的魅力. import matplotlib.pyplot as plt plt.plot([1,2,3,4]) plt.ylabel('some numbers') plt.show() 上图是我们通

  • Python数据可视化正态分布简单分析及实现代码

    Python说来简单也简单,但是也不简单,尤其是再跟高数结合起来的时候... 正态分布(Normaldistribution),也称"常态分布",又名高斯分布(Gaussiandistribution),最早由A.棣莫弗在求二项分布的渐近公式中得到.C.F.高斯在研究测量误差时从另一个角度导出了它.P.S.拉普拉斯和高斯研究了它的性质.是一个在数学.物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力. 正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人

  • 详解Python数据可视化编程 - 词云生成并保存(jieba+WordCloud)

    思维导图: 效果(语句版): 源码: # -*- coding: utf-8 -*- """ Created on Tue Mar 5 17:59:29 2019 @author: dell """ # ============================================================================= # 步骤: # 分割aaa = jieba.cut(str,cut_all=True/Fa

随机推荐