• matlib


     https://matplotlib.org/index.html

    matplotlib.pyplot  单图示例
    import matplotlib.pyplot as plt
    import random
    from pylab import mpl
    
    # 设置显示中文字体
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    # 设置正常显示符号
    mpl.rcParams["axes.unicode_minus"] = False
    
    
    x = range(60)
    y_shanghai = [random.uniform(15, 18) for i in x]
    y_beijing = [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_beijing, color="r", linestyle="--", label="北京")
    
    # 2.1 添加x,y轴刻度
    # 构造x,y轴刻度标签
    x_ticks_label = ["11点{}分".format(i) for i in x]
    y_ticks = range(40)
    
    # 刻度显示
    plt.xticks(x[::5], x_ticks_label[::5])
    plt.yticks(y_ticks[::5])
    
    # 2.2 添加网格显示
    plt.grid(True, linestyle="--", alpha=0.5)
    
    # 2.3 添加描述信息
    plt.xlabel("时间")
    plt.ylabel("温度")
    plt.title("中午11点--12点某城市温度变化图", fontsize=20)
    
    # 2.4 图像保存
    plt.savefig("./test.png")
    
    # 2.5 添加图例
    plt.legend(loc=0)
    
    
    # 3.图像显示
    plt.show()
    

      

    matplotlib.pyplot  多图示例
    import matplotlib.pyplot as plt
    import random
    from pylab import mpl
    
    # 设置显示中文字体
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    # 设置正常显示符号
    mpl.rcParams["axes.unicode_minus"] = False

    x = range(60)
    y_shanghai = [random.uniform(15, 18) for i in x]
    y_beijing = [random.uniform(1, 5) 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)

    
    


    # 2.绘制图像
    # plt.plot(x, y_shanghai, label="上海")
    # plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")
    axes[0].plot(x, y_shanghai, label="上海")
    axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")

    
    

    # 2.1 添加x,y轴刻度
    # 构造x,y轴刻度标签
    x_ticks_label = ["11点{}分".format(i) for i in x]
    y_ticks = range(40)

    
    

    # 刻度显示(2种方法)
    # plt.xticks(x[::5], x_ticks_label[::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)
    axes[0].grid(True, linestyle="--", alpha=0.5)
    axes[1].grid(True, linestyle="--", alpha=0.5)

    
    

    # 2.3 添加描述信息

    
    

    axes[0].set_xlabel("时间")
    axes[0].set_ylabel("温度")
    axes[0].set_title("中午11点--12点某城市温度变化图", fontsize=20)
    axes[1].set_xlabel("时间")
    axes[1].set_ylabel("温度")
    axes[1].set_title("中午11点--12点某城市温度变化图", fontsize=20)

    
    

    # # 2.4 图像保存
    # plt.savefig("./test.png")

    
    

    # # 2.5 添加图例
    # plt.legend(loc=0)
    axes[0].legend(loc=0)
    axes[1].legend(loc=0)

    
    


    # 3.图像显示
    plt.show()

     

    示例

    import numpy as np
    # 0.准备数据
    x = np.linspace(-10, 10, 1000)  //等差数列  1000 为等额1000份
    y = np.sin(x)   //cos  tan   arcsin   arccos   arctan   1/tan
      
    # 1.创建画布
    plt.figure(figsize=(20, 8), dpi=100)
    
    # 2.绘制函数图像
    plt.plot(x, y)
    # 2.1 添加网格显示
    plt.grid()
    
    # 3.显示图像
    plt.show()

    图形

    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)

    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)

    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)

    绘制柱状图
    代码:
    
    # 0.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]
    
    # 1.创建画布
    plt.figure(figsize=(20, 8), dpi=100)
    
    # 2.绘制柱状图
    plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])
    
    # 2.1b修改x轴的刻度显示
    plt.xticks(x, movie_name)
    
    # 2.2 添加网格显示
    plt.grid(linestyle="--", alpha=0.5)
    
    # 2.3 添加标题
    plt.title("电影票房收入对比")
    
    # 3.显示图像
    plt.show()

    直方图:由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围,纵轴表示分布情况。

    特点: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)

    api:matplotlib.pyplot.hist(x, bins=None)

    饼图: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。

    特点:分类数据的占比情况(占比)

    api:plt.pie(x, labels=,autopct=,colors)

    • 添加x,y轴刻度【知道】
      • plt.xticks()
      • plt.yticks()
      • 注意:在传递进去的第一个参数必须是数字,不能是字符串,如果是字符串吗,需要进行替换操作
    • 添加网格显示【知道】
      • plt.grid(linestyle="--", alpha=0.5)
    • 添加描述信息【知道】
      • plt.xlabel()
      • plt.ylabel()
      • plt.title()
    • 图像保存【知道】
      • plt.savefig("路径")
    • 多次plot【了解】
      • 直接进行添加就OK
    • 显示图例【知道】
      • 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【了解】
      • plt.subplots(nrows=, ncols=)
    • 折线图的应用【知道】
      • 1.应用于观察数据的变化
      • 2.可是画出一些数学函数图像
  • 相关阅读:
    37.Spring-事务控制.md
    35.Spring-jdbc支持.md
    29.Hibernate-二级缓存和session管理.md
    28.Hibernate-HQL查询.md
    27.Hibernate-缓存和懒加载.md
    26.Hibernate-主键和映射.md
    25.Hibernate-配置文件.md
    24.Hibernate-各种类型的查询.md
    MarkDown学习记录
    gitbook使用
  • 原文地址:https://www.cnblogs.com/qj696/p/15229876.html
Copyright © 2020-2023  润新知