一 Python数据分析U3-matplotlib可视化基础

二 Python数据分析U3-matplotlib可视化高级

1、折线图

import matplotlib.pyplot as plt
x = [1,2,3]
y = [2,3,6]
plt.plot(x,y)#绘制折线图
plt.show

2、直方图

import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(10000)
# bins为颗粒度、及直方图的柱形数量，edgecolor为边框颜色
plt.hist(data,bins=40,edgecolor='black')
plt.savefig("p1")
plt.show()

3、条形图

import numpy as np
import matplotlib
# matplotlib.use('nbagg')#(jupyter图形显示)
import matplotlib.pyplot as plt
# %matplotlib#（pycharm或jupyter图形独立显示）
np.random.seed(0)
x = np.arange(5)
y = np.random.randint(-5,5,5)
print (y)
fig,axes = plt.subplots(ncols = 2)
v_bars = axes[0].bar(x,y,color='red')
h_bars = axes[1].barh(x,y,color='blue')axes[0].axhline(0,color='grey',linewidth=2)
axes[1].axvline(0,color='grey',linewidth=2)
plt.savefig('img/pi')
plt.show()

在绘图过程中，有事需要考虑误差棒，以表示数据或实验的偏离情况


variance = [0.2,0.4,0.5]mean_values = [1,2,3]
variance = [0.2,0.4,0.5]
bar_label = ['bar1','bar2','bar3']x_pos = list(range(len(bar_label)))
plt.bar(x_pos,mean_values,yerr=variance,alpha=0.3)
max_y = max(zip(mean_values,variance))
plt.ylim([0,(max_y[0]+max_y[1])*1.2])#[0,(max_y[0]+max_y[1])*1.2]
plt.ylabel('variable y')
plt.xticks(x_pos,bar_label)
plt.show()

有时候我们需要多组数据对比

import numpy as np
import matplotlib
# matplotlib.use('nbagg')
import matplotlib.pyplot as plt
# %matplotlib
import numpy as npx1 = np.array([1,2,3])
x2 = np.array([2,2,3])bar_labels = ['bat1','bar2','bar3']
fig = plt.figure(figsize = (8,6))
y_pos = np.arange(len(x1))
print(y_pos)
y_pos = [x for x in y_pos]
print(y_pos)
plt.barh(y_pos,x1,color='g',alpha = 0.5)
plt.barh(y_pos,-x2,color='b',alpha = 0.5)plt.xlim(-max(x2)-1,max(x1)+1)
plt.ylim(-1,len(x1)+1)
plt.savefig('img/p2')
plt.show()

注意：论文如果不彩色打印，绘制打印出来的图几乎一样，没有色彩渲染，以下可以这样绘制


patterns = ('-', '+', 'x', '\\', '*', 'o', 'O', '.')fig = plt.gca()mean_value = range(1,len(patterns)+1)
x_pos = list(range(len(mean_value)))bars = plt.bar(x_pos,mean_value,color='white',edgecolor='black')for bar,pattern in zip(bars,patterns):bar.set_hatch(pattern)
plt.show()

4、盒图

梳理统计中经常用到盒图分析数据从上到下：最大值（max）、上四分位数（Q3）、中位数（median）、下四分位数（Q1）、最小值（min）

导入需要的库

import matplotlib.pyplot as plt
import numpy as np

常用属性，建议直接copy(亲测实用！！)

属性	说明
notch	展示箱图是否凹口，默认False
sym	设置异常数据样式
meanline	均值样式，这里绿色表示均值
showmeans	显示均值线

实例：

import matplotlib.pyplot as plt
import numpy as np
tang_data = [np.random.normal(0,std,100) for std in range(1,4)]
fig = plt.figure(figsize = (8,6))
plt.boxplot(tang_data,notch=True,sym='+',meanline=True,showmeans=True)plt.xticks([y+1 for y in range(len(tang_data))],['x1','x2','x3'])
plt.xlabel('x')
plt.title('box plot')
plt.show()

5、散点图

散点图反应数据分散情况，为以后数据建模回归分析具有很大作用

实例：

N=1000
x = np.random.randn(N)
y = np.random.randn(N)
plt.scatter(x,y,alpha=0.5)
plt.grid(True)
plt.show()

给点设置颜色添加美观

import matplotlib.pyplot as plt
import numpy as npn = 1000
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
T = np.arctan2(Y,X)#for color later onplt.scatter(X,Y,s = 75,c = T,alpha = .5)plt.xlim((-1.5,1.5))
plt.xticks([])#ignore xticks
plt.ylim((-1.5,1.5))
plt.yticks([])#ignore yticks
plt.savefig('img/p6')
plt.show()

6、3D

如果需要绘制3D图，需要额外导入3D库

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

基础三维坐标显示

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3Dfig = plt.figure()
ax = fig.add_subplot(111,projection = '3d')
plt.show()

3D绘制

fig = plt.figure()
ax = Axes3D(fig)
#X Y value
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)
#hight value
Z = np.sin(R)ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
"""
============= ================================================Argument      Description============= ================================================*X*, *Y*, *Z* Data values as 2D arrays(数据值作为2D数组)*rstride*     Array row stride (step size), defaults to 10(数组行步幅(步长)，默认为10)*cstride*     Array column stride (step size), defaults to 10(数组列步幅(步长)，默认为10)*color*       Color of the surface patches(表面斑块的颜色)*cmap*        A colormap for the surface patches.(表面补丁的彩色地图)*facecolors*  Face colors for the individual patches(面部颜色的个别补)*norm*        An instance of Normalize to map values to colors(Normalize将值映射到颜色的实例)*vmin*        Minimum value to map(最小映射值)*vmax*        Maximum value to map*shade*       Whether to shade the facecolors(是否要遮光脸的颜色)============= ================================================
"""ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))
"""
==========  ================================================Argument    Description==========  ================================================*X*, *Y*,   Data values as numpy.arrays*Z**zdir*      The direction to use: x, y or z (default)(使用方向:x, y或z(默认))*offset*    If specified plot a projection of the filled contouron this position in plane normal to zdir(如果指定，绘制填充轮廓的投影
在垂直于zdir的平面上的这个位置)==========  ================================================
"""
ax.set_zlim(-2, 2)
plt.savefig('img/p7')
plt.show()

三维柱形图

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D# %matplotlibfig = plt.figure()
ax = fig.add_subplot(111, projection='3d') for c, z in zip(['r', 'g', 'b', 'y'], [30, 20, 10, 0]): xs = np.arange(20)ys = np.random.rand(20)cs = [c]*len(xs)ax.bar(xs,ys,zs = z,zdir='y',color = cs,alpha = 0.5)
plt.show()

Python数据分析U3-matplotlib可视化高级相关推荐

Python数据分析19——matplotlib可视化（一）之线形图
matplotlib绘制线形图线形图是最基本的图表了,没有之一,所以这是我们必须掌握的技能. 准备首先,我们必须先安装matplotlib模块. pip install matplotlib 然后 ...
Python数据分析（matplotlib、numpy、pandas）
Python数据分析 1.matplotlib 1.1 什么是matplotlib 能将数据进行可视化,更直观的呈现使数据更加客观,更有说服力 matplotlib:最流行的Python底层绘图库, ...
Python数据分析 2.Matplotlib绘图—常用统计图
Python数据分析 2.Matplotlib绘图-常用统计图 1.绘制散点图 from matplotlib import pyplot as plt from matplotlib import ...
Python数据分析之Matplotlib的常用操作总结
特别鸣谢以下更多python教程请到友情连接: 菜鸟教程https://www.piaodoo.com 初中毕业读什么技校 http://cntkd.net 茂名一技http://www.enechn ...
python逐笔输入数据_知到智慧树Python数据分析与数据可视化结课测验
知到智慧树Python数据分析与数据可视化结课测验答案更多相关问题已知三角形三个顶点的坐标是A(-1,2,3),B(1,1,1),C(0,0,5),试证三角形ABC是直角三角形,并求角B-- Wh ...
python集合中的元素不允许重复_Python语言中同一个集合中的元素不会重复，每个元素都是唯一的。-智慧树Python数据分析与数据可视化章节答案...
Python数据分析与数据可视化:Python语言中同一个集合中的元素不会重复,每个元素都是唯一的.[?ж???] A:对 B:错 Python数据分析与数据可视化章节测试答案: 对更多相关问题智 ...
Python数据分析之matplotlib折线图
Python数据分析之matplotlib折线图 1.需求 2.需求分析 3.代码示例 4.总结和思考 1.需求需求假设大家在30岁,根据实际情况,统计出你和同桌从11岁倒30岁做成的男女朋友数量, ...
python数据分析之matplotlib（一）
Matplotlib入门 1.Matplotlib基础 matplotlib是一个python的2D图形包 plt:matplotlib.pyplot plt.show()函数默认情况下,matpl ...
【数据分析】Matplotlib可视化最有价值的图表之——1、关联(Correlation)
本文总结了 Matplotlib 以及 Seaborn 用的最多的 50 个图形,掌握这些图形的绘制,对于数据分析的可视化有莫大的作用,运行本文代码,除了安装 matplotlib 和 seabo ...
[转载] Python数据分析之Matplotlib数据可视化实例
参考链接: 使用Python进行数据分析和可视化2 Matplotlib数据可视化的应用实例分析 :2000至2017年各季度国民生产总值数据 npy文件--numpy专用的二进制格式 np.lo ...

Python数据分析U3-matplotlib可视化高级