python数据可视化是什么意思,python数据可视化从入门到实战
本文主要详细介绍python数据可视化操作。本文中的示例代码非常详细,具有一定的参考价值。感兴趣的朋友可以参考一下,希望能帮到你。
00-1010 0.前言1。matplotlib 2中的人物,支线剧情,剧情是什么关系?修改图纸的细节2.1绘制图纸表格2.2添加图例、标签等。2.3在图上画出注释和矩形。保存并总结绘图。
目录
在数据处理的过程中,可视化可以让你更直观的感受到数据,所以我打算和自己的一些实践管理者一起写这篇博客,基于效果。内容要继续扩展。
0. 前言
记住这些关系都是可以结合实践的。假设你去外面写生需要带什么工具,包括画板,画纸,画笔,那么就可以一一对应了。
工具图画板支线剧情,add_subplot绘图纸plot,hist,散点刷然后往深了想,绘图纸是贴在画板上的,可以把绘图纸剪成多块,平铺在画板上,而画笔只能在纸上画。可能这个有点笼统。下面的代码,用注释就能看清楚。(我感觉我需要记住下面的代码)
代码
将matplotlib.pyplot作为plt导入
将numpy作为np导入
#拿起画板
图=plt.figure()
#将画纸贴在画板上
ax1=fig.add_subplot(221)
ax2=fig.add_subplot(222)
ax3=fig.add_subplot(223)
#一步完成(直接拿起画板和纸)-。
# ax1=plt.subplot(221)
# ax2=plt.subplot(222)
# ax3=plt.subplot(223)
# -
#在绘图纸上绘图
ax1.hist(np.random.randn(100),bins=20,color=k ,alpha=0.3)
ax2.scatter(np.arange(30),NP . arange(30)3 * NP . random . randn(30))
ax3.plot(np.random.randn(50))。cumsum(), k -)
plt.show()
运行结果
函数解析
代码的作用参考链接ax1.hist (np.random.randn (100),bins=20,color= k ,alpha=0.3)。python绘制直方图并用hist参数解释它。
1. matplotlib中figure、subplot和plot等什么关系
依次完成以下的画图效果:
1.正弦函数和随机值曲线、正弦函数直线、随机值曲线虚线等样式修改;
2.图例、标签等的修改。
3.添加标记,标记的范围由红色矩形表示。
2. 画图的细节修改
代码
将matplotlib.pyplot作为plt导入
将numpy作为np导入
#拿起画板
图=plt.figure()
#粘贴画纸
ax1=fig.add_
subplot(111)
# 数据准备
x_sin = np.arange(0, 6, 0.001) # [0, 6]
y_sin = np.sin(x_sin)
data_random = np.zeros(7) # 生成[-1,1]的7个随机数
for i in range(0, 6):
data_random[i] = np.random.uniform(-1, 1)
# 画图
ax1.plot(x_sin, y_sin, linestyle=-, color=g, linewidth=3)
ax1.plot(data_random, linestyle=dashed, color=b, marker=o)
plt.show()
运行结果
2.2 添加图例、标签等
代码
import matplotlib.pyplot as pltimport numpy as np
# 拿起画板
fig = plt.figure()
# 贴上画纸
ax1 = fig.add_subplot(111)
# 数据准备
x_sin = np.arange(0, 6, 0.001) # [0, 6]
y_sin = np.sin(x_sin)
data_random = np.zeros(7) # 生成[-1,1]的7个随机数
for i in range(0, 6):
data_random[i] = np.random.uniform(-1, 1)
# 画图
ax1.plot(x_sin, y_sin, linestyle=-, color=g, linewidth=3, label=sin)
ax1.plot(data_random, linestyle=dashed, color=b, marker=o, label=random)
#-----------------添加部分------------------
# 添加标题
ax1.set_title(Title)
# 添加x轴名称
ax1.set_xlabel(x)
# 设置x轴坐标范围
ax1.set_xlim(xmin=0, xmax=6)
# 添加图例,在plot处加上label
ax1.legend(loc=best)
#----------------------------------------
plt.show()
运行结果
2.3 在图上画注解和矩形
代码
import matplotlib.pyplot as pltimport numpy as np
# 拿起画板
fig = plt.figure()
# 贴上画纸
ax1 = fig.add_subplot(111)
# 数据准备
x_sin = np.arange(0, 6, 0.001) # [0, 6]
y_sin = np.sin(x_sin)
data_random = np.zeros(7) # 生成[-1,1]的7个随机数
for i in range(0, 6):
data_random[i] = np.random.uniform(-1, 1)
# 画图
ax1.plot(x_sin, y_sin, linestyle=-, color=g, linewidth=3, label=sin)
ax1.plot(data_random, linestyle=dashed, color=b, marker=o, label=random)
# 添加标题
ax1.set_title(Title)
# 添加x轴名称
ax1.set_xlabel(x)
# 设置x轴坐标范围
ax1.set_xlim(xmin=0, xmax=6)
# 添加图例
ax1.legend(loc=best)
#-----------------添加部分------------------
# 注解
ax1.annotate(max, xy=((np.pi) / 2, np.sin(np.pi/2)),
xytext=((np.pi) / 2, np.sin(np.pi/2)-0.2),
arrowprops=dict(facecolor=black, headwidth=4, width=2,headlength=4),
horizontalalignment=left, verticalalignment=top)
ax1.annotate(min, xy=((np.pi) * 3 / 2, np.sin(np.pi * 3 / 2)),
xytext=((np.pi) * 3 / 2, np.sin(np.pi * 3 / 2)+0.2),
arrowprops=dict(facecolor=black, headwidth=4, width=2,headlength=4),
horizontalalignment=left, verticalalignment=top)
# 矩形
print(ax1.axis())
rect = plt.Rectangle((np.pi / 2, ax1.axis()[2]), np.pi, ax1.axis()[3] - ax1.axis()[2], color=r, alpha=0.3) # 起始坐标点,width, height
ax1.add_patch(rect)
#-----------------------------------------
plt.show()
运行结果
3. 图形保存
plt.savefig(figpath.png, dpi=400)
注意要放在show前面。
完整代码:
import matplotlib.pyplot as pltimport numpy as np
# 拿起画板
fig = plt.figure()
# 贴上画纸
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
# 数据准备
x_sin = np.arange(0, 6, 0.001) # [0, 6]
y_sin = np.sin(x_sin)
data_random = np.zeros(7) # 生成[-1,1]的7个随机数
for i in range(0, 6):
data_random[i] = np.random.uniform(-1, 1)
# 画图
ax1.plot(x_sin, y_sin, linestyle=-, color=g, linewidth=3, label=sin)
ax1.plot(data_random, linestyle=dashed, color=b, marker=o, label=random)
ax2.plot(x_sin, y_sin, linestyle=-, color=g, linewidth=3, label=sin)
ax2.plot(data_random, linestyle=dashed, color=b, marker=o, label=random)
ax3.plot(x_sin, y_sin, linestyle=-, color=g, linewidth=3, label=sin)
ax3.plot(data_random, linestyle=dashed, color=b, marker=o, label=random)
# # 添加标题
ax2.set_title(Title)
# 添加x轴名称
ax2.set_xlabel(x)
# 设置x轴坐标范围
ax2.set_xlim(xmin=0, xmax=6)
# 添加图例
ax2.legend(loc=best)
ax3.set_title(Title)
# 添加x轴名称
ax3.set_xlabel(x)
# 设置x轴坐标范围
ax3.set_xlim(xmin=0, xmax=6)
# 添加图例
ax3.legend(loc=best)
# 注解
ax3.annotate(max, xy=((np.pi) / 2, np.sin(np.pi/2)),
xytext=((np.pi) / 2, np.sin(np.pi/2)-0.2),
arrowprops=dict(facecolor=black, headwidth=4, width=2,headlength=4),
horizontalalignment=left, verticalalignment=top)
ax3.annotate(min, xy=((np.pi) * 3 / 2, np.sin(np.pi * 3 / 2)),
xytext=((np.pi) * 3 / 2, np.sin(np.pi * 3 / 2)+0.2),
arrowprops=dict(facecolor=black, headwidth=4, width=2,headlength=4),
horizontalalignment=left, verticalalignment=top)
# 矩形
# print(ax1.axis())
rect = plt.Rectangle((np.pi / 2, ax3.axis()[2]), np.pi, ax3.axis()[3] - ax3.axis()[2], color=r, alpha=0.3) # 起始坐标点,width, height
ax3.add_patch(rect)
#-----------------添加部分------------------
plt.savefig(figpath.png, dpi=400)
#------------------------------------------
plt.show()
总结
本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注盛行IT软件开发工作室的更多内容!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。