99热在线精品一区二区三区_国产伦精品一区二区三区女破破_亚洲一区二区三区无码_精品国产欧美日韩另类一区

這篇文章將為大家詳細(xì)講解有關(guān)如何實(shí)現(xiàn)數(shù)據(jù)可視化matplotlib，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

專業(yè)領(lǐng)域包括成都做網(wǎng)站、成都網(wǎng)站設(shè)計(jì)、成都外貿(mào)網(wǎng)站建設(shè)、成都做商城網(wǎng)站、微信營銷、系統(tǒng)平臺(tái)開發(fā)， 與其他網(wǎng)站設(shè)計(jì)及系統(tǒng)開發(fā)公司不同，創(chuàng)新互聯(lián)公司的整合解決方案結(jié)合了幫做網(wǎng)絡(luò)品牌建設(shè)經(jīng)驗(yàn)和互聯(lián)網(wǎng)整合營銷的理念，并將策略和執(zhí)行緊密結(jié)合，為客戶提供全網(wǎng)互聯(lián)網(wǎng)整合方案。

import matplotlib.pyplot as plt
import numpy as np
import numpy.random as randn
import pandas as pd
from pandas import Series,DataFrame
from pylab import mpl
mpl.rcParams['axes.unicode_minus'] = False # 我自己配置的問題
plt.rc('figure', figsize=(10, 6)) # 設(shè)置圖像大小

%matplotlib inline

1. figure對(duì)象

Matplotlib的圖像均位于figure對(duì)象中。

• 創(chuàng)建figure: plt.figure()

fig = plt.figure()

2. subplot子圖

• add_subplot：向figure對(duì)象中添加子圖。

• add_subplot(a, b, c)：a,b 表示講fig分割成axb的區(qū)域，c 表示當(dāng)前選中要操作的區(qū)域(c從1開始)。
  add_subplot返回的是AxesSubplot對(duì)象，plot 繪圖的區(qū)域是最后一次指定subplot的位置

ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)

random_arr = randn.rand(50)
# 默認(rèn)是在最后一次使用subplot的位置上作圖
plt.plot(random_arr,'ro--') # r:表示顏色為紅色，o:表示數(shù)據(jù)用o標(biāo)記 ，--:表示虛線
# 等價(jià)于：
# plt.plot(random_arr,linestyle='--',color='r',marker='o')
plt.show()

# hist：直方圖：統(tǒng)計(jì)分布情況
plt.hist(np.random.rand(8), bins=6, color='b', alpha=0.3) 
# bins:數(shù)據(jù)箱子個(gè)數(shù)

(array([ 3.,  0.,  0.,  0.,  2.,  3.]),
 array([ 0.10261627,  0.19557319,  0.28853011,  0.38148703,  0.47444396,
         0.56740088,  0.6603578 ]),
 )

# 散點(diǎn)圖
plt.scatter(np.arange(30), np.arange(30) + 3 * randn.randn(30))

• subplots ：生成子圖/子圖數(shù)組

# 柱狀圖
fig, ax = plt.subplots()
x = np.arange(5)
y1, y2 = np.random.randint(1, 25, size=(2, 5))
width = 0.25
ax.bar(x, y1, width, color='r') 
# 畫柱子ax.bar(x+width, y2, width, color='g') 
# 畫柱子ax.set_xticks(x+width)
ax.set_xticklabels(['a', 'b', 'c', 'd', 'e']) # 下標(biāo)注明

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True) # 共享軸坐標(biāo)

• subplots_adjust：調(diào)整subplots的間距

plt.subplots_adjust(left=0.5,top=0.5)

fig, axes = plt.subplots(2, 2)

random_arr = randn.randn(8)
fig, axes = plt.subplots(2, 2)
axes[0, 0].hist(random_arr, bins=16, color='k', alpha=0.5)
axes[0, 1].plot(random_arr,'ko--')
x = np.arange(8)
y = x + 5 * np.random.rand(8)
axes[1,0].scatter(x, y)
x = np.arange(5)
y1, y2 = np.random.randint(1, 25, size=(2, 5))
width = 0.25axes[1,1].bar(x, y1, width, color='r') # 畫柱子
axes[1,1].bar(x+width, y2, width, color='g') # 畫柱子
axes[1,1].set_xticks(x+width)
axes[1,1].set_xticklabels(['a', 'b', 'c', 'd', 'e']) # 下標(biāo)注明

• 重疊繪制

• legend：顯示圖例

random_arr1 = randn.randn(8)

random_arr2 = randn.randn(8)

fig, ax = plt.subplots()
ax.plot(random_arr1,'ko--',label='A')
ax.plot(random_arr2,'b^--',label='B')
plt.legend(loc='best') #　自動(dòng)選擇放置圖例的最佳位置

• 設(shè)置刻度范圍：set_xlim、set_ylim

• 設(shè)置顯示的刻度：set_xticks、set_yticks

• 刻度標(biāo)簽：set_xticklabels、set_yticklabels

• 坐標(biāo)軸標(biāo)簽：set_xlabel、set_ylabe

• l圖像標(biāo)題：set_title

fig, ax = plt.subplots(1)
ax.plot(np.random.randn(380).cumsum())

# 設(shè)置刻度范圍a
x.set_xlim([0, 500])

# 設(shè)置顯示的刻度(記號(hào))
ax.set_xticks(range(0,500,100))

# 設(shè)置刻度標(biāo)簽
ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'],
rotation=30, fontsize='small')

# 設(shè)置坐標(biāo)軸標(biāo)簽ax.set_xlabel('X:...')
ax.set_ylabel('Y:...')

# 設(shè)置標(biāo)題
ax.set_title('Example')

3. Plotting functions in pandas

plt.close('all')
s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s
fig,ax = plt.subplots(1)
s.plot(ax=ax,style='ko--')

fig, axes = plt.subplots(2, 1)
data = Series(np.random.rand(16), index=list('abcdefghijklmnop'))
data.plot(kind='bar', ax=axes[0], color='k', alpha=0.7)
data.plot(kind='barh', ax=axes[1], color='k', alpha=0.7)

df = DataFrame(np.random.randn(10, 4).cumsum(0),
               columns=['A', 'B', 'C', 'D'],
               index=np.arange(0, 100, 10))
df

	A	B	C	D
0	-0.523822	1.061179	-0.882215	-0.267718
10	-0.178175	-0.367573	-1.465189	-1.095390
20	0.276166	0.816511	-0.344557	1.297281
30	0.529400	0.159374	-2.765168	1.784692
40	-1.129003	-1.665272	-2.746512	3.140976
50	0.265113	-1.821224	-5.140850	2.377449
60	-2.699879	-3.895255	-5.011561	1.715174
70	-2.384257	-3.480928	-4.519131	2.805369
80	-2.525243	-3.031608	-4.840125	1.106624
90	-2.020589	-3.519473	-4.823292	0.522323

df.plot() # 列索引為圖例，行索引為橫坐標(biāo)，值為縱坐標(biāo)

df = DataFrame(np.random.randint(0,2,(10, 2)),
               columns=['A', 'B'],
               index=np.arange(0, 10, 1))
df

	A	B
0	0	1
1	0	1
2	1	0
3	0	1
4	1	0
5	1	0
6	1	1
7	0	0
8	1	0
9	1	0

df.plot(kind='bar')

df.A.value_counts().plot(kind='bar')

df.A[df.B == 1].plot(kind='kde')   
df.A[df.B == 0].plot(kind='kde')    # 密度圖

df = DataFrame(np.random.rand(6, 4),
               index=['one', 'two', 'three', 'four', 'five', 'six'],
               columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))
df

Genus	A	B	C	D
one	0.760750	0.951159	0.643181	0.792940
two	0.137294	0.005417	0.685668	0.858801
three	0.257455	0.721973	0.968951	0.043061
four	0.298100	0.121293	0.400658	0.236369
five	0.463919	0.537055	0.675918	0.487098
six	0.798676	0.239188	0.915583	0.456184

df.plot(kind='bar',stacked='True') #行索引：橫坐標(biāo)

values = Series(np.random.normal(0, 1, size=200))
values.hist(bins=100, alpha=0.3, color='k', normed=True)
values.plot(kind='kde', style='k--')

df = DataFrame(np.random.randn(10,2),
               columns=['A', 'B'],
               index=np.arange(0, 10, 1))
df

plt.scatter(df.A, df.B)

關(guān)于如何實(shí)現(xiàn)數(shù)據(jù)可視化matplotlib就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

標(biāo)題名稱：如何實(shí)現(xiàn)數(shù)據(jù)可視化matplotlib
網(wǎng)頁網(wǎng)址：http://www.ef60e0e.cn/article/jjcoji.html