我的Python分析成长之路10

matplot数据可视化基础

　　制作提供信息的可视化（有时称作绘图）是数据分析中最重要任务之一。

1.图片（画布）与子图

　　　　plt.figure ：创建一张空白的图片，可以指定图片的大小、像素。

　　　　figure.add_subplot:添加子图，可以指定子图的行数、列数和选中图片的编号。

　　　　如果使用plt.subplots(),它创建了一张图片，然后返回包含了已生成子图对象的Numpy数组

　　　　plt.subplots选型：

　　　　　　　　　　nrow:子图的行数

　　　　　　　　　　ncols:子图的列数

　　　　　　　　　　sharex:所有子图使用相同的x轴刻度

　　　　　　　　　　sharey:所有子图使用相同的y轴刻度

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 plt.rcParams["font.sans-serif"] = "SimHei"  #设置中文显示
 4 plt.rcParams["axes.unicode_minus"] = False     #设置正常符号
 5 #没有子图的绘图
 6 x = np.arange(0,1,0.01)
 7 y = x**2
 8 y2 = x**4
 9 plt.plot(x,y)
10 plt.plot(x,y2)
11 plt.show()
12 #有子图的绘制方法
13 fig = plt.figure(figsize=(8,5))
14 ax1 = fig.add_subplot(2,1,1)
15 ax1.plot(x,y)
16 ax2 = fig.add_subplot(2,1,2)
17 ax2.plot(x,y2)
18 plt.show()
19 #用plt.subplots方法
20 fig,axes = plt.subplots(2,1,sharex=True)
21 axes[0].plot(x,y)
22 axes[1].plot(x,y2)
23 plt.show()

2.添加各类标签和图例的常用函数

　　　　plt.title 为当前图形添加标题，可以指定标题的名称、位置、颜色、大小等参数

　　　　plt.xlabel 为当前图形添加x轴名称，可以指定位置、颜色、大小等参数

　　　　plt.ylabel:为当前图形添加y轴名称，可以指定位置、颜色、字体大小等参数

　　　　plt.xlim：指定当前图形x轴的范围,只能确定一个数值区间,而无法使用字符串标识

　　　　plt.ylim:指定当前图形y轴的范围，只能确定一个数值区间,而无法使用字符串标识

　　　　plt. xticks:指定x轴数目与取值

　　　　plt.yticks:指定y轴刻度的数目与取值

　　　　plt.legend:根据当前图形的图例，可以指定图例的大小、位置、标签。

　　　　plt.savefig("filename")：保存图片

　　　　text/arrow/annote方法添加注释和文本

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 plt.rcParams["font.sans-serif"] = "SimHei"
 4 plt.rcParams["axes.unicode_minus"] = False
 5 x = np.arange(0,1,0.01)
 6 y1 = x**2
 7 y2 = x**4
 8 plt.plot(x,y1,"g--")
 9 plt.plot(x,y2,"b-")  
10 plt.xlabel("x")  #设置x轴类标
11 plt.ylabel("y")  #设置y轴类标
12 plt.xlim([0,1])  #设置x范围
13 plt.ylim([0,1])    #设置y范围
14 plt.title("x**2和x**4函数")  #添加标题
15 plt.legend(["Y1","Y2"],loc="best")   #
16 plt.show()

View Code

1 import matplotlib.pyplot as plt 2 import pandas as pd 3 fig,axes = plt.subplots(2,1) 4 data = pd.Series(np.random.rand(16),index=list("abcdefghijklmnop")) 5 data.plot.bar(ax=axes[0],color='k') 6 data.plot.barh(ax=axes[1],color="r") 7 plt.show() 8 df = pd.DataFrame(np.random.rand(6,4),index=["one","two","three","four","five","six"], 9 columns=pd.Index(["a","b","c","d"],name="Genus")) 10 df.plot.bar() 11 df.plot.barh(stacked=True) 12 plt.show()

1 t seaborn as sns 2 import pandas as pd 3 import matplotlib.pyplot as plt 4 data1 = pd.Series(np.random.normal(0,1,size=200)) 5 data2 = pd.Series(np.random.normal(10,2,size=200)) 6 data3 = pd.Series(np.concatenate([data1,data2])) 7 # print(data3) 8 sns.distplot(data3,bins=100,color="k") 9 plt.show()

我的Python分析成长之路10

相关推荐