数据挖掘(matplotlib各种图的画法)
数据挖掘
matplotlib
专门用于开发2D图表(包括3D)
使用起来及其简单
以渐进、交互式方式实现数据可视化
1、折线图与基础绘图功能
# 显示中文不显示问题
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']import matplotlib.pyplot as plt
import random# 坐标
x = range(60)
y_lanzhou = [random.uniform(13, 18) for i in x]
y_beijing = [random.uniform(2, 5) for j in x]
# 画布
# figsize:画布大小 dpi:像素
plt.figure(figsize=(10, 8),dpi=100)
# 绘制折线图
# color 折线图的颜色 linestyle:折线图的样式 label:折线图的名称
plt.plot(x, y_lanzhou, label='兰州')
plt.plot(x, y_beijing, color='r', linestyle = '-', label='北京')# 显示图例
plt.legend(loc='best')# 修改刻度标签
x_ticks_label = ["11时{}分".format(i) for i in x]
y_ticks = range(40)# 构造刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])# 显示轴名称
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('温度显示状态图')
# 保存图形到本地
plt.savefig("./test.png")plt.show()
散点图(scatter)
# 中文显示
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']import matplotlib.pyplot as plt# 1)准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64,163.56, 120.06, 207.83, 342.75, 147.9 , 53.06, 224.72, 29.51,21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9 , 239.34,140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1 ,30.74, 400.02, 205.35, 330.64, 283.45]# 2)创建画布
plt.figure(figsize=(20, 8), dpi=100)# 3)绘制散点图
plt.scatter(x, y)plt.savefig("./test2")plt.xlabel('房屋面积数据')
plt.ylabel('房屋价格数据')
plt.title('房屋面积与价格关系')
# 4)显示图像
plt.show()
3柱状图(bar)
# 中文显示
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
import matplotlib.pyplot as plt# 1)准备数据
# 电影名字
movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
# 横坐标
x = range(len(movie_name))
# 票房数据
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]# 2)创建画布
plt.figure(figsize=(20, 8), dpi=100)# 3)绘制柱状图
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])# 修改x轴的刻度显示
plt.xticks(x, movie_name)# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)# 添加标题
plt.xlabel('电影名')
plt.ylabel('票房')
plt.title("电影票房收入对比")# 保存图像
plt.savefig("./柱状图.png")
# 4)显示图像
plt.show()
柱状图比较相同天数的票房
# 中文显示
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
import matplotlib.pyplot as plt
# 1)准备数据
movie_name = ['雷神3:诸神黄昏','正义联盟','寻梦环游记']first_day = [10587.6,10062.5,1275.7] # 第一天的票房
first_weekend=[36224.9,34479.6,11830] # 第一周的票房x = range(len(movie_name))# 2)创建画布
plt.figure(figsize=(20, 8), dpi=100)# 3)绘制柱状图
plt.bar(x, first_day, width=0.2, label="首日票房")
plt.bar([i+0.2 for i in x], first_weekend, width=0.2, label="首周票房")# 显示图例
plt.legend()plt.xlabel('电影名称')
plt.ylabel('票房')
plt.title('首日票房与首周票房的对比')
# 修改x轴刻度显示
plt.xticks([i+0.1 for i in x], movie_name)
plt.savefig('./柱状图对比.png')
# 4)显示图像
plt.show()
直方图(histotram)
# 中文显示
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
import matplotlib.pyplot as plt
# 1)准备数据
time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]# 2)创建画布
plt.figure(figsize=(20, 8), dpi=100)# 3)绘制直方图
# 设置组距
distance = 2
# 计算组数
group_num = int((max(time) - min(time)) / distance)
# 绘制直方图
plt.hist(time, bins=group_num)# 修改x轴刻度显示
plt.xticks(range(min(time), max(time))[::2])# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)# 添加x, y轴描述信息
plt.xlabel("电影时长大小")
plt.ylabel("电影的数据量")
plt.title('直方图')
plt.savefig('./直方图.png')
# 4)显示图像
plt.show()
饼图(pie)
# 显示中文
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
import matplotlib.pyplot as plt
# 1)准备数据
# 电影名
movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
# 场次
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]# 2)创建画布
plt.figure(figsize=(8, 8), dpi=100)# 3)绘制饼图
# labels 每部分名称
# autopct:占比显示指定%1.2f%%
# colors:颜色
plt.pie(place_count, labels=movie_name, autopct="%1.2f%%", colors=['b','r','g','y','c','m','y','k','c','g','y'])# 显示图例
plt.legend()# 添加标题
plt.title("电影排片占比")
plt.savefig('./饼状图.png')
# 4)显示图像
plt.show()
数据挖掘(matplotlib各种图的画法)相关推荐
- matplotlib 雷达图2
说明 搞了一个最新版本的雷达图,比以前那个美观. 不多说,代码奉上: 完整代码 ''' matplotlib雷达图 ''' import numpy as np import matplotlib.p ...
- python画折线图-手把手教你Python yLab的绘制折线图的画法
Python的可视化工具有很多,数不胜数,各有优劣.本文就对其中的pylab进行介绍.之所以介绍这一款,是因为它和Matlab的强烈相似度,如果你使用过Matlab,那么相信pylab你也会很快上手. ...
- matlab半小提琴图,小提琴图的画法
原标题:小提琴图的画法 今天给大家介绍一种统计学中比较有趣的图--小提琴图.为什么叫小提琴图呢?因为画出的图形酷似小提琴.小提琴图不常见,但在一些高分文章中常出现她优雅的身影,如下图. 之前,一直想写 ...
- python用循环打出阶梯图形,matplotlib阶梯图的实现(step())
step函数概述 step函数用于绘制阶梯图. 根据源码可知,step函数是对plot函数的轻量级封装,很多概念和用法与plot函数非常相似. def step(self, x, y, *args, ...
- UML图绘制-----时序图的画法
UML图绘制-----时序图的画法 1.什么是时序图 时序图用于描述对象之间的传递消息的时间顺序, 即用例中的行为顺序 主要用来更直观的表现各个对象交互的时间顺序,将体现的重点放在 以时间为参照,各个 ...
- 计算机系统思维导图简单画法,思维导图简单画法
思维导图简单画法 想要进一步了解思维导图的那些奥秘,十大要诀不可不知,这些将引导你对思维导图有更深入的认识. 1.使用合适的绘图工具 不论是纸笔还是软件,要确保该工具能够帮助你取得实用效果.在不同场景 ...
- Python数据分析(三)matplotlib折线图应用实例——自定义图形风格
往期推荐: Python数据分析(一)matplotlib基础绘图和调整x轴刻度 Python数据分析(二)matplotlib折线图应用实例--绘制10点到12点的气温 Python数据分析(四)m ...
- Python代码实现-主成分分析(PCA)降维及故障诊断中的T2和SPE统计量Matplotlib出图|Python技能树征题
PCA降维代码及T2和SPE统计量Matplotlib出图 PCA降维 PCA(Principal Component Analysis),即主成分分析方法,是一种使用最广泛的数据降维算法. T2的计 ...
- python做动态折线图_python matplotlib折线图样式实现过程
python matplotlib 同时画箱线图和折线图的问题 python3 matplotlib画两个折线图,X轴相同,Y轴生...你的memo和cpui里面是字符串,不是数字 将memo.app ...
最新文章
- device.cpp
- 保护了无数医护人员的N95口罩,原来是华裔科学家和一位学生共同发明的!
- linux下的socket在哪个头文件,linux下socket编程常用头文件
- 搞懂nginx的proxy模块-01
- python 抓取微博评论破亿_如果利用Python分析14亿条数据!资深程序员手把手教你!过亿级!...
- CentOS 搭建 Git 服务器
- IDEA导入个性化主题的方法
- MyISAM存储引擎简介
- 微型计算机断电后信息将会丢失,2011年计算机基础知识精选部分及答案三
- 我在阿里云做产品:如何打出一个爆款云服务器? | 凌云时刻
- 在哪里可以查询中国某一地区的历史气象数据(过去15年,如降雪,降雨等)?
- 三菱凌云3故障代码_三菱凌云III电梯通讯故障处理
- 【华为机试题 HJ72】百钱买百鸡问题
- Idea终端中无法使用maven命令问题解决
- 想提高计算机ppt能力,相见恨晚的10个PPT制作小技巧!提高你的PPT制作效率
- 雪球网基于沪深300的评论爬虫
- sif4j 字符串拼接和占位符的区别
- matlab中clc什么意思,MATLAB中clc是什么意思
- iphonex 测试电池软件,iPhoneX电池容量多大 iPhoneX电池性能评测【详解】
- python html跨平台尝试Eel
热门文章
- macOS系统互操作性增强,一套键鼠就能控制Mac和iPad
- SQL增加语句的方法
- 设计模式之面向对象设计原则
- 【java web】用jsp实现简单的购物车程序
- android 动态显示多张图片,美图秀秀上线“魔法照片”功能:静态图片秒变动态大片!...
- Flutter混合开发框架安装流程(亲测能用)
- 【ECM技术】Non-adjacent special candidates技术
- 利用HTML显示QQ的几个界面
- ti packages for omap
- eclipse反编译插件jadclipse安装