月份	私家车	旅游巴士	穿梭巴士	货车及货柜车	车辆总数	按月总增长
2018年10月	5,754 (32.56%)	2,338 (13.23%)	9,288 (52.56%)	290 (1.64%)	17,670
2018年11月	32,597 (31.22%)	24,588 (23.55%)	43,871 (42.01%)	3,371 (3.34%)	104,427
2018年12月	45,073 (37.88%)	23,142 (19.45%)	45,485 (38.22%)	5,302 (4.46%)	119,002	▲14.0%
2019年1月	44,863 (42.46%)	16,803 (15.90%)	36,981 (35.00%)	7,020 (6.64%)	105,667	▼11.2%
2019年2月	55,117 (48.03%)	17,435 (15.19%)	38,763 (33.78%)	3,429 (2.99%)	114,744	▲8.6%
2019年3月	60,954 (47.31%)	16,200 (12.57%)	43,272 (33.59%)	8,407 (6.53%)	128,833	▲12.3%
2019年4月	68,921 (48.44%)	17,515 (12.31%)	48,026 (33.75%)	7,831 (5.5%)	142,293	▲10.4%
2019年5月	79,217 (53.33%)	15,562 (10.48%)	46,355 (31.21%)	7,421 (4.99%)	148,546	▲4.4%
2019年6月	72,448 (53.34%)	14,580 (10.74%)	41,423 (30.50%)	7,362 (5.42%)	135,813	▼8.6%
2019年7月	75,220 (53.30%)	14,426 (10.22%)	43,213 (30.62%)	8,271 (5.86%)	141,130	▲3.9%
2019年8月	72,701 (54.98%)	14,609 (11.05%)	36,844 (27.86%)	8,081 (6.11%)	132,235	▼6.3%
2019年9月	65,838 (58.83%)	12,014 (10.73%)	26,149 (23.36%)	7,918 (7.07%)	111,919	▼15.4%
2019年10月	78,290 (63.49%)	10,855 (8.80%)	26,426 (21.43%)	7,740 (6.28%)	123,311	▲10.2%
2019年11月	71,447 (63.97%)	9,505 (8.51%)	23,081 (20.67%)	7,648 (6.85%)	111,681	▼9.4%
2019年12月	77,530 (62.05%)	12,565 (10.06%)	26,787 (21.44%)	8,060 (6.45%)	124,942	▲11.9%
2020年1月	72,441 (63.78%)	12,396 (10.91%)	21,850 (19.24%)	6,897 (6.07%)	113,584	▼9.1%
2020年2月	25,152 (61.67%)	3,260 (7.99%)	7,098 (17.40%)	5,278 (12.94%)	40,788	▼64.1%
2020年3月	26,123 (55.76%)	2,582 (5.51%)	9,522 (20.33%)	8,618 (18.40%)	46,845	▲14.8%
2020年4月	313 (3.65%)	90 (1.05%)	678 (7.90%)	7,497 (87.40%)	8,578	▼81.7%
2020年5月	289 (3.26%)	94 (1.06%)	700 (7.90%)	7,773 (87.77%)	8,856	▲3.2%
2020年6月	320 (3.09%)	23 (0.22%)	779 (7.53%)	9,230 (89.16%)	10,352	▲16.9%
2020年7月	525 (4.86%)	4 (0.04%)	947 (8.76%)	9,336 (86.35%)	10,812	▲4.4%

import re
import pandas as pd
from matplotlib import pyplot as pltdataPath = './test.txt'
dataframe = pd.read_csv(dataPath, sep="\t")def Process(df:pd.DataFrame, name:str):reler = re.compile(r"\d.* ")for i in range(df.shape[0]):data = df[name][i]search = reler.search(data)s, e = search.start(), search.end()df[name][i]= data[s:e].replace(',',"")Process(dataframe, '私家车')
Process(dataframe, '旅游巴士')
Process(dataframe, '穿梭巴士')
Process(dataframe, '货车及货柜车')
dataframe
dataframe['私家车'] =  dataframe['私家车'].astype('int')
dataframe['旅游巴士'] =  dataframe['旅游巴士'].astype('int')
dataframe['穿梭巴士'] =  dataframe['穿梭巴士'].astype('int')
dataframe['货车及货柜车'] =  dataframe['货车及货柜车'].astype('int')
dataframe.set_index('月份', inplace=True)
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
dataframe.plot(xlabel = '港珠澳大桥香港口岸使用量', )
plt.grid()
plt.show()

画不同的样式的线

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
x = np.linspace(-1*np.pi, np.pi, 100)
y = np.sin(x)
y1 = np.cos(x)
plt.plot(x, y, linestyle = '--')
plt.plot(x, y1, linestyle = '-.')
plt.show()

linestyle取值可为'-', '--', '-.', ':', 'None', ' ', '', 'solid', 'dashed', 'dashdot', 'dotted'

标注线是什么

plt.plot(x, y, linestyle = '--' , label = '--')
plt.plot(x, y1, linestyle = '-.', label = '-.')
plt.legend()

正常显示中文标签

加上plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签即可

限制图形的坐标范围

plt.axis([0,16, 0, 150])分别为[xstart, xend, ystart, yend]

强行改变坐标的值

比如上述坐标，我想将其范围改为-100-100
那么使用在计算的时候用x,但是绘图的时候用x1即可

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
x = np.linspace(-1*np.pi, np.pi, 100)
y = np.sin(x)
y1 = np.cos(x)
x1 = np.linspace(-100, 100, 100)
# x2 = [str(m).split('.')[0] for m in x1 ]
plt.plot(x1, y, linestyle = '--' , label = '--')
plt.plot(x1, y1, linestyle = '-.', label = '-.')
# plt.xticks(x2)
plt.legend()
plt.show()

绘制bar,barh

正弦信号采样

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
PI = np.pi
fs = 13
t = np.linspace(0, 1, fs)
f = 1
y = np.sin(2*PI*f*t)
plt.subplot(211)
plt.title("采样信号")
plt.plot(t, y, color='red', linestyle='--')
#原信号
t = np.linspace(0, 1, 40000)
y = np.sin(2*PI*f*t)
plt.subplot(212)
plt.title("原信号")
plt.plot(t, y)

设置刻度

#设置y轴的区间
plt.ylim(0,1)
#设置刻度显示哪些(这个可调粗粒度)
plt.yticks(ticks=[i*1.0/100.0 for i in np.linspace(0, 100, 25)])
plt.xticks(ticks=[i for i in range(0,101,10)])

错误

matplotlib报错Line2D‘ object has no property ‘linestyle‘或‘linewidth‘

参考链接

wsl中matplotlib中文

my_font = font_manager.FontProperties(fname="/mnt/c/Windows/Fonts/simhei.ttf")
plt.ylabel('训练准确', fontproperties=my_font)

中文FINDFONT: FONT FAMILY [‘SANS-SERIF’] NOT FOUND

1下载simhei字体，自己下载即可

2输入print(matplotlib.matplotlib_fname()),查看目录
3移动下载ttf文件到

然后重启内核

matplot画图处理相关推荐

matplot画图-画曲线(一)
目录 1.画简单曲线 1.1.画一个正弦曲线 1.2.调整更多的样式 1.3.添加图例 2.添加图注 2.1.设置画布大小 2.2.添加标题和坐标轴描述 2.3.设置刻度范围 3.画多个曲线 4.保存 ...
matplot画图控制marker点的个数_S7-1200运动控制
一.运动控制方式 S7-1200运动控制根据连接驱动方式不同,分成三种控制方式通信控制方式:S7-1200 PLC通过基于PROFIBUS/PROFINET的PROFIdrive方式与支持PROFI ...
matplot画图-线型+图例+绘图顺序（二）
目录 1.plot函数参数 2.添加图例 3.zorder绘图顺序控制 4.xticks高级设置 5.网格,背景色以及文字注释 5.1.绘制网格 5.2.背景色 5.3.文字注释 1.pl ...
python matplot画图
做个简单记录,免得下次重新找API import numpy as np import matplotlib.pyplot as plt import pandas as pd from pylab ...
python制作等高线云图,matplot 画等高线图
matplot 除了可以画比较简单的图之外,还可以类似于等高线这样的图.在机器学习里面可以用于可视化分类的效果,比如在可视化svm分类的时候,就可以这样的方式去画图,在可视化上往往会有很好的效果. 代 ...
python线性输出_python sklearn-02：线性回归简单例子1
原文链接:https://muxuezi.github.io/posts/2-linear-regression.html 1.一元线性回归: #一元线性回归: 预测披萨的价格:数据如下: impor ...
python 使用小知识总结（持续更新ing）
这篇博客主要针对于使用python来进行深度学习/机器学习过程各方面小知识的总结.习惯于使用C++这种严谨的语言,改换到python这门相对来说开放式的语言需要很多学习,而作为一个菜鸡,遇到编程问题解 ...
python画图库哪个好_机器学习基础5--python画图库matplotlib(上）
图像是我们最直观的数据表达方式,python的matplotlib库可以用来画图.下面来简单总结下matplotlib的使用方法. 上篇讲matplot画图中用到的基础对象,包括图像Figure,平面 ...
python pandas 处理相同标题的csv文件_Python使用pandas处理CSV文件的实例讲解
Python中有许多方便的库可以用来进行数据处理,尤其是Numpy和Pandas,再搭配matplot画图专用模块,功能十分强大. CSV(Comma-Separated Values)格式的文件是指 ...

matplot画图处理