Matplotlib
时间：2021-01-29 12:04:39
收藏：0
阅读：0
1 matplotlib
1.1 什么是matplotlib
python的底层绘图库，主要做数据可视化图表，名字取材于Matlab，模仿Matlab构建
1.2 散点图
1.2.1 概念
- 散点图显示两组数据的值，每个点的坐标位置由变量的值决定
- 用一组不连续的点组成，用于观察两组数据的相关性
1.2.2 举例
身高-体重
代码
from matplotlib import pyplot as plt
import numpy as np
height=[161,170,182,175,173,165]
weight=[50,58,80,70,69,55]
plt.scatter(height,weight)
plt.show()
正相关、负相关、不相关
- 不相关
from matplotlib import pyplot as plt
import numpy as np
N=1000
x=np.random.randn(N)
y1=np.random.randn(N)
plt.scatter(x,y1)
plt.show()
- 正相关
from matplotlib import pyplot as plt
import numpy as np
N=1000
x=np.random.randn(N)
y=x+np.random.randn(N)*0.5
plt.scatter(x,y)
plt.show()
1.2.3 外观调整
- 颜色：c
- 点大小：s
- 透明度：alpha
- 点形状：marker
1.3 折线图
1.3.1 概念
- 用直线段将各数据连接起来组成的图形
- 常用来观察数据随时间变化的趋势
1.3.2 举例
函数图--二次曲线
from matplotlib import pyplot as plt
import numpy as np
x=np.linspace(-10,10,100)
y=x**2
plt.plot(x,y)
plt.show()
日期调整：
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
# xxx是标志股票涨跌的数据，第一列date为日期，第三列open为开盘价，第五列close为收盘价，skiprows=1代表跳过第一列数据（第一列为数据标示），usecols表示使用哪几列数据，unpack为True则拆分列，为False则不进行拆分
date,open,close=np.loadtxt(‘xxx‘,delimeter=‘,‘,converters={0:mdates.strpdate2num(‘%m/%d/%Y‘)},skiprows=1,usecols=(0,1,4),unpack=True) # 这里将第0列，即日期转化为matplotlib认识的数值型
plt.plot_date(date,open,‘-‘)
plt.show()
1.3.3 外观调整
- 线型 linestyle
- 颜色 color
- 点形状 marker
1.4 条形图
1.4.1 概念
- 以长方形的长度为变量的统计图表
- 用来比较多个项目分类的数据大小
1.4.2 举例
横向条形图
from matplotlib import pyplot as plt
import numpy as np
N=5
y=[30,10,30,25,15]
index=np.arange(N)
p1=plt.bar(x=index,height=y,color=‘green‘,width=0.7)
plt.show()
纵向条形图
from matplotlib import pyplot as plt
import numpy as np
N=5
y=[30,10,30,25,15]
index=np.arange(N)
p1=plt.barh(y=index,width=y,color=‘green‘,height=0.7)
# 使用barh函数，参数需要更改
plt.show()
层叠式条形图
样式一
from matplotlib import pyplot as plt
import numpy as np
index=np.arange(4)
sales_BJ=[52,55,83,53]
sales_SH=[44,66,55,41]
bar_width=0.3
plt.bar(index,sales_BJ,bar_width,color=‘b‘)
plt.bar(index+bar_width,sales_SH,bar_width,color=‘r‘)
# x值变化起到平移的效果
plt.show()
样式二
from matplotlib import pyplot as plt
import numpy as np
index=np.arange(4)
sales_BJ=[52,55,83,53]
sales_SH=[44,66,55,41]
bar_width=0.3
plt.bar(index,sales_BJ,bar_width,color=‘b‘)
plt.bar(index,sales_SH,bar_width,color=‘r‘,bottom=sales_BJ)
# bottom参数
plt.show()
1.5 直方图
1.5.1 概念
- 由一系列高度不等的纵向条形组成，表示数据分布的情况
- 例如某年级同学的身高分布情况
- 注意和条形图的区别
1.5.2 举例
均值为100，标准差为20的数据
from matplotlib import pyplot as plt
import numpy as np
mu = 100 # mean of distribution
sigma = 20 #standard deviation of distribution
x = mu + sigma * np.random.randn(2000)
plt.hist(x,bins=10,color=‘red‘,edgecolor=‘white‘,density=True)
plt.show()
2-D直方图
from matplotlib import pyplot as plt
import numpy as np
x = np.random.randn(1000)+2
y = np.random.randn(1000)+3
plt.hist2d(x,y,bins=40) # 以颜色深浅表示分布密度
plt.show()
1.6 饼状图
1.6.1 概念
- 显示一个数据系列中各项的大小与各项总和的比例
- 饼状图中的数据点显示为整个饼状图的百分比
1.6.2 举例
from matplotlib import pyplot as plt
import numpy as np
explode=[0,0.05,0,0] # explode代表各项远离圆心的距离
labels= ‘A‘,‘B‘,‘C‘,‘D‘
fracs=[15,30,45,10]
plt.pie(x=fracs,labels=labels,autopct=‘%.2f%%‘,explode=explode,shadow=True)
# autopct代表显示比例格式，shadow代表阴影效果
plt.show()
1.7 箱形图
1.7.1 概念
- 箱形图 (box-plot) 又称为盒须图、盒式图或箱线图
- 是一种显示一组数据分散情况的统计图
- 上边缘，上四分位数，中位数，下四分位数，下边缘，异常值
1.7.2 举例
from matplotlib import pyplot as plt
import numpy as np
#np.random.seed(100)
data=np.random.normal(size=1000,loc=0,scale=1)
plt.boxplot(data)
plt.show()
多组箱形图
from matplotlib import pyplot as plt
import numpy as np
#np.random.seed(100)
data=np.random.normal(size=(1000,4),loc=0,scale=1)
labels=[‘A‘,‘B‘,‘C‘,‘D‘]
plt.boxplot(data,sym=‘o‘,labels=labels)
plt.show()
评论（0）