10.数据库-Matplotlib
Matplotlib
文章目录
- Matplotlib
- 1.基础图象绘制
- 1.1 完善原始折线图-给图形添加辅助功能
- 1.2中文显示
- 1.2在一个坐标系下绘制多个图像
- 1.4 多个坐标系显示-plt.subplots(面向对象的画图方法)
- 1.5 折线图应用场景
- 1.6小结
- 2.其他图像绘制
- 2.1折线图
- 2.2散点图绘制
- 2.3柱状图绘制
- 2.4小结
是专门用于开发一些2D图表
以渐进\交互式的方式实现数据可视化
1.基础图象绘制
import matplolib模块
import matplolib as plt1.创建画布plt.figure()
plt.figure(figsize=(),dip=)
figsize指定图的长宽
dpi图像清晰度
返回fig图像2.绘制图像 plt.plot(x,y)
plt.plot([],[])
3.显示图像
plt.show()
1.1 完善原始折线图-给图形添加辅助功能
需求:画出某城市11点到12点1小时内每分钟的温度变化折线图,温度范围再15度-18度.
import matplolib as plt
import random#0.准备数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]#1.创建画布
plt.figure(figsize=(20,8),dpi=100)
#2.绘制图像
plt.plot(x,y_shanghai)#2.1添加x,y轴刻度
#设置x,y轴刻度
x_ticks_lable=['11点{}分'.format(i) for i in x]
y_ticks=range(40)#修改x,y轴刻度显示
# plt.xticks(x_ticks_lable[::5]) #坐标刻度不可以通过字符串进行修改
plt.xticks(x[::5],x_ticks_lable[::5])
plt.yticks(y_ticks[::5])#2.2添加网格显示
plt.grid(True,linestyle='--',alpha=0.5) #linestyle 虚线 alpha=0.5透明度#2.3添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点到12点某城市温度变化图',fontsize=20)#2.4图像保存
plt.savefig('./test.png')# 3.图像显示
plt.show()
1.2中文显示
解决方案一:
下载中文字体(黑体,看准系统版本)
步骤一:下载 SimHei 字体(或者其他的支持中文显示的字体也行)
步骤二:安装字体
linux下:拷贝字体到 usr/share/fonts 下:
sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf
windows和mac下:双击安装
步骤三:删除~/.matplotlib中的缓存文件
cd ~/.matplotlib rm -r *
步骤四:修改配置文件matplotlibrc
vi ~/.matplotlib/matplotlibrc
将文件内容修改为:
font.family : sans-serif font.sans-serif : SimHei axes.unicode_minus : False
解决方案二:
在Python脚本中动态设置matplotlibrc,这样也可以避免由于更改配置文件而造成的麻烦,具体代码如下:
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
有时候,字体更改后,会导致坐标轴中的部分字符无法正常显示,此时需要更改axes.unicode_minus参数:
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
1.2在一个坐标系下绘制多个图像
需求:再添加应该城市的温度变化
0.准备数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]
y_bj=[random.uniform(1,3) for i in x]#1.创建画布
plt.figure(figsize=(20,8),dpi=100)
#2.绘制图像
plt.plot(x,y_shanghai,label='上海')
plt.plot(x,y_bj,color='r',linestyle='--',label='北京')#2.1添加x,y轴刻度
#设置x,y轴刻度
x_ticks_lable=['11点{}分'.format(i) for i in x]
y_ticks=range(40)#修改x,y轴刻度显示
# plt.xticks(x_ticks_lable[::5]) #坐标刻度不可以通过字符串进行修改
plt.xticks(x[::5],x_ticks_lable[::5])
plt.yticks(y_ticks[::5])#2.2添加网格显示
plt.grid(True,linestyle='--',alpha=0.5) #linestyle 虚线 alpha=0.5透明度#2.3添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点到12点某城市温度变化图',fontsize=20)#2.4图像保存
plt.savefig('./test.png')#2.5显示图例
plt.legend(loc='best')# 3.图像显示
plt.show()
1.4 多个坐标系显示-plt.subplots(面向对象的画图方法)
通过subplots函数实现
matplotlib.pyplot.subplots(nrows=1,ncols=1,**fig_kw)创建应该带有多个axes(坐标系/绘图区)的图
#0.准备数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]
y_bj=[random.uniform(1,3) for i in x]#1.创建画布
# plt.figure(figsize=(20,8),dpi=100)
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=100) #nrows=1 行,nocols=2 列,figs#2.绘制图像
# plt.plot(x,y_shanghai,label='上海')
# plt.plot(x,y_bj,color='r',linestyle='--',label='北京')
axes[0].plot(x,y_shanghai,label='上海')
axes[1].plot(x,y_bj,color='r',linestyle='--',label='北京')#2.1添加x,y轴刻度
#设置x,y轴刻度
x_ticks_label=['11点{}分'.format(i) for i in x]
y_ticks=range(40)#修改x,y轴刻度显示
# plt.xticks(x_ticks_lable[::5]) #坐标刻度不可以通过字符串进行修改
# plt.xticks(x[::5],x_ticks_lable[::5])
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])#2.2添加网格显示
# plt.grid(True,linestyle='--',alpha=0.5) #linestyle 虚线 alpha=0.5透明度
axes[0].grid(True,linestyle='--',alpha=0.5) #linestyle 虚线 alpha=0.5透明度
axes[1].grid(True,linestyle='--',alpha=0.5) #linestyle 虚线 alpha=0.5透明度#2.3添加描述信息
# plt.xlabel('时间')
# plt.ylabel('温度')
# plt.title('中午11点到12点某城市温度变化图',fontsize=20)
axes[0].set_xlabel('时间')
axes[0].set_xlabel('温度')
axes[0].set_title('中午11点到12点某城市温度变化图',fontsize=20)
axes[1].set_ylabel('时间')
axes[1].set_ylabel('温度')
axes[1].set_title('中午11点到12点某城市温度变化图',fontsize=20)#2.4图像保存
plt.savefig('./test.png')#2.5显示图例
# plt.legend(loc='best')
axes[0].legend(loc='best')
axes[1].legend(loc='best')# 3.图像显示
plt.show()
1.5 折线图应用场景
呈现公司产品(不同区域)每天活跃用户数
呈现app每天下载数量
呈现产品新功能上线后,用户点击次数随时间的变化
拓展:画各种数学函数图像
1.6小结
添加x,y轴刻度
plt.xticks()
plt.yticks()
添加网格
plt.grid(linestyle='--',alpha=0.5)
添加描述信息
plt.xlabel()
plt.ylabel()
plt.title()
图像保存
plt.savefig('路径')
多次plot
直接进行添加
显示图例
plt.legend(loc='best')
注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示.
多个坐标系显示
plt.subplots(nrows=,ncols=)
折线图的应用
1.应用于观察数据的变化
2.可是画出一些数学函数图像设置图形风格:
颜色字符:r红色g绿色b蓝色w白色c青色m洋红y黄色k黑色
风格字符-实线--虚线-.点划线:点虛线''留空、空格
显示图例:'best' 0'upper right' 1'upper left''lower left''lower right''right''center left''center right''lower center''upper center''center'
2.其他图像绘制
2.1折线图
折线图:以折线的上升或下降来表示统计数量的增减变化的统计图
特点:能够显示数据的变化趋势,反映事物的变化情况。(变化)
api:plt.plot(x, y)
2.2散点图绘制
**散点图:**用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
api:plt.scatter(x, y)
#0.准备数据
x=[255.98,247.07,253.14,457.85,241.58,301.01,20.67,288.64,163.56,120.06,107.83,355.99,17.78,326,22.55,23.89,44.99,222.44]
y=[221.198,47.07,53.14,257.85,141.58,201.01,120.67,88.64,63.56,220.06,207.83,155.99,117.78,226,322.55,123.89,244.99,22.44]#1.创建画布
plt.figure(figsize=(20,8),dpi=100)#2.绘制图像
plt.scatter(x,y)#3.图像显示
plt.show()
2.3柱状图绘制
**柱状图:**排列在工作表的列或行中的数据可以绘制到柱状图中。
特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
api:plt.bar(x, width, align=‘center’, **kwargs)
#0.准备数据
#电影名字
movie_name=['雷神3:诸神','正义联盟','东方快车谋杀案','寻梦','全球','新三国','人生大事','喜欢你','艾米纳姆你']
#横坐标
x=range(len(movie_name))
#票房数据
y=[78365,17234,55331,78899,19934,98264,23345,5557,55778]#1.创建画布
plt.figure(figsize=(20,8),dpi=100)#2.绘制图像
plt.bar(x,y,color=['b','r','g','y','c','m','k','b'])#2.1修改x轴显示
plt.xticks(x,movie_name)#2.2添加网格
plt.grid(linestyle='--',alpha=0.8)#2.3添加标题
plt.title('电影片票房收入对比',fontsize=20)#3.图像显示
plt.show()
参考链接:
https://matplotlib.org/index.html
2.4小结
折线图【知道】能够显示数据的变化趋势,反映事物的变化情况。(变化)plt.plot()
散点图【知道】判断变量之间是否存在数量关联趋势,展示离群点(分布规律)plt.scatter()
柱状图【知道】绘制连离散的数据,能形多一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)plt.bar(x, width, align= "center")
直方图【知道】绘制连续性的数据展示一组或者多组数据的分布状况(统计)plt.hist(x, bins)
饼图【知道】用于表示不同分类的占比情况,通过弧度大小来对比各种分类pit.pie(x, labels, autopct, colors)
10.数据库-Matplotlib相关推荐
- 精心总结了10个matplotlib绘图技巧,短小精悍,威力无穷!
作者 | 刘早起 责编 | 欧阳姝黎 大家好,我是早起. 在使用 Python 进行数据可视化时,相信不论是什么工具,你都会发现有些操作/代码段会频繁的用到,这一点在matplotlib上 ...
- 10 数据库与身份认证
10. 数据库与身份认证 1. 在项目中操作数据库的步骤 安装操作MYSQL数据库的第三方模块(mysql) 通过mysql 模块连接到MYSQL数据库 通过mysql模块执行SQL语句 2. 代码实 ...
- 10【matplotlib常用统计图】02绘制条形图
案例 假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据? a = ["战狼2","速度与激情8" ...
- Python可视化数据分析10、Matplotlib库
Python可视化数据分析10.Matplotlib库
- 精心总结了10个matplotlib绘图技巧,短小精悍,威力无穷
文章目录 一.快速且正确的显示中文 二.提高分辨率 三.添加数学公式 四.一行代码提高颜值 五.调整图例位置 六.获得当前绘图区域 七.隐藏坐标轴 八.指定坐标轴刻度 九.添加自定义图片 十.添加表格 ...
- Ubuntu 14.04(Trusty)安装MariaDB 10数据库
CSDN GitHub Ubuntu 14.04(Trusty)安装MariaDB 10数据库 AderXCoding/system/tools/mariadb 本作品采用知识共享署名-非商业性使用- ...
- MySQL(10)数据库实现高可用架构之MHA
文章目录 一.MySQL MHA介绍 1.1 什么是 MHA? 1.2 MHA 的组成 1) MHA Node(数据节点) 2) MHA Manager(管理节点) 1.3 MHA 的特点 二.MyS ...
- 10 Python Matplotlib 绘制极坐标图和散点图
matplotlib 绘图实例 import numpy as np import matplotlib.pyplot as plt import matplotlibnp.random.seed(0 ...
- Python数据分析10——使用Matplotlib绘制3D图
目录 3D立体图形 3D绘图 3D散点图 3D曲线图 3D平面图 3D立体图形 绘制三维图像主要通过 mplot3d 模块实现. from matplotlib import pyplot as pl ...
最新文章
- Transformer新型神经网络在机器翻译中的应用 | 公开课笔记
- 二叉树遍历的递归、非递归方法(前序、中序、后序,层序)——Java实现
- Spring事物详解和传播行为
- [攻防世界 pwn]——pwn-200
- php mdecrypt generic,mdecrypt_generic
- 花点时间了解消息,句柄和窗口
- oss多线程 上传_oss-android/ios-sdk 断点续传(多线程)
- mysql 如何添加索引_MySQL如何创建一个好索引?创建索引的5条建议【宇哥带你玩转MySQL 索引篇(三)】...
- oracle varchar默认长度_面试官:如何精确计算mysql数据库索引长度?
- 泡沫or趋势?我们到底需要什么样的区块链?
- HighChat动态绑定数据 数据后台绑定(三)
- 更小的刘海和更宽的5G天线,下一代iPhone你期待吗?
- 短信语音验证码发展的必然趋势
- ant部署web工程模板
- asc怎么用 linux zip_linux的asc文件怎么打开
- MySQL中的事务及读写锁实现并发访问控制
- linux HBA 卡驱动安装
- 如何选择erp进销存订单管理软件?
- vue 中使用canvas画简单的线条动画效果
- 什么互动管理必将风行于天下?(转)