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 ...

数据挖掘（matplotlib各种图的画法）

数据挖掘

matplotlib

1、折线图与基础绘图功能

散点图（scatter）

3柱状图（bar）

柱状图比较相同天数的票房

直方图(histotram)

饼图（pie）

数据挖掘（matplotlib各种图的画法）相关推荐

最新文章

热门文章