python数据分析基础002 -使用matplotlib绘图(散点图,条形图,直方图)

简介: python数据分析基础002 -使用matplotlib绘图(散点图,条形图,直方图)

文章目录🍇 前言

🍈(一)散点图的绘制

🥂1.设置字体

🍷2.设置图片大小

🍸3.设置x轴和y轴的数值

🍹4.使用scatter方法绘制散点图

🍺5.添加图例

🍻6.设置xy轴以及标题的描述信息

🥂7.设置xy的刻度

🥛8.添加水印

☕9.保存和展示

🥤10.源码及结果展示

🍉(二)条形图的绘制

🍋(三)直方图的绘制

🌸1.设置字体

🌹2.设置组距

🌺3.绘制直方图

🌻4.设置x轴的刻度

🌷5.设置xy以及标题说明

🥀6.添加网格(可选)

☘7.保存及展示

🌱8.源码及结果


🍒结语

🐚作者简介: 苏凉(在python路上)

🐳博客主页: 苏凉.py的博客

👑名言警句: 海阔凭鱼跃,天高任鸟飞。

📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!

👉关注✨点赞👍收藏📂

🍇 前言image.pngimage.png🍈(一)散点图的绘制

实例:image.png

🥂1.设置字体

image.png

my_font = font_manager.FontProperties(fname='./msyh.ttc')

🍷2.设置图片大小

plt.figure(figsize=(20,8),dpi=80)

🍸3.设置x轴和y轴的数值image.png

x_5 = range(1,32)
x_10 = range (41,72)
y_5 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,24,25,26]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,9,10,8,6]

🍹4.使用scatter方法绘制散点图

image.png

plt.scatter(x_5,y_5,label = '5月份')
plt.scatter(x_10,y_10,label = '10月份')

🍺5.添加图例

plt.legend(loc= "upper left", prop = my_font)

🍻6.设置xy轴以及标题的描述信息

plt.xlabel('时间',fontproperties = my_font)
plt.ylabel('温度',fontproperties = my_font)
plt.title('5月和10月气温变化散点图',fontproperties = my_font)

🥂7.设置xy的刻度

x_totle =list(x_5) + list(x_10)
x_ticks_label = ['5月{}日'.format(i) for i in x_5]
x_ticks_label += ['10月{}日'.format(i-40) for i in x_10]
# rotation设置描述信息的倾斜角度
plt.xticks(x_totle[::1],x_ticks_label[::1],fontproperties = my_font,rotation = 45)

🥛8.添加水印

plt.text(
    x = 25.5,y= 15,
    s = '苏凉.py' ,fontproperties = my_font,
    color = 'b' ,fontsize = 40,
    ha='center', va='center', alpha=0.09
)

☕9.保存和展示

plt.savefig('./散点图.png')
plt.show()

🥤10.源码及结果展示

from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置字体
my_font = font_manager.FontProperties(fname='./msyh.ttc')
# 设置图片大小
plt.figure(figsize=(20,8),dpi=80)
# 设置xy轴的数值
x_5 = range(1,32)
x_10 = range (41,72)
y_5 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,24,25,26]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,9,10,8,6]
# 使用scatter方法绘制散点图
plt.scatter(x_5,y_5,label = '5月份')
plt.scatter(x_10,y_10,label = '10月份')
# 添加图例
plt.legend(loc= "upper left", prop = my_font)
# 设置xy轴以及标题的描述信息
plt.xlabel('时间',fontproperties = my_font)
plt.ylabel('温度',fontproperties = my_font)
plt.title('5月和10月气温变化散点图',fontproperties = my_font)
# 设置xy的刻度
x_totle =list(x_5) + list(x_10)
x_ticks_label = ['5月{}日'.format(i) for i in x_5]
x_ticks_label += ['10月{}日'.format(i-40) for i in x_10]
# rotation设置描述信息的倾斜角度
plt.xticks(x_totle[::1],x_ticks_label[::1],fontproperties = my_font,rotation = 45)
# 添加水印
plt.text(
    x = 25.5,y= 15,
    s = '苏凉.py' ,fontproperties = my_font,
    color = 'b' ,fontsize = 40,
    ha='center', va='center', alpha=0.09
)
# 保存图片
plt.savefig('./散点图.png')
#展示图片
plt.show()

运行结果:

plt.bar(x_5,y_5,label = '5月份')
plt.bar(x_10,y_10,label = '10月份')

运行结果:image.png

🍉(二)条形图的绘制image.png

plt.bar(x_5,y_5,label = '5月份')
plt.bar(x_10,y_10,label = '10月份')

运行结果:

image.png

plt.barh(x_5,y_5,label = '5月份')
plt.barh(x_10,y_10,label = '10月份')

image.png

plt.yticks(x_totle[::1],x_ticks_label[::1],fontproperties = my_font)

运行结果:

🍋(三)直方图的绘制image.png

🌸1.设置字体

my_font = font_manager.FontProperties(fname= './msyh.ttc')

🌹2.设置组距

d = 7
num = max(x) - min(x)
numbins = num//7

🌺3.绘制直方图image.png

plt.hist(x,numbins)

🌻4.设置x轴的刻度

plt.xticks(range(min(x),max(x)+d,d))

🌷5.设置xy以及标题说明

plt.xlabel('范围',fontproperties = my_font)
plt.ylabel('个数' ,fontproperties = my_font)
plt.title('直方图',fontproperties = my_font)

🥀6.添加网格(可选)

plt.grid(color ='r' ,alpha = 0.2)

☘7.保存及展示

plt.savefig('./直方图.png')
plt.show()

🌱8.源码及结果

from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置字体
my_font = font_manager.FontProperties(fname= './msyh.ttc')
x = [10,15,9,20,15,45,65,25,15,78,65,32,32,45,65,10,9,45,85,74,62,54,62,74,65,45,10,102,105,102,105,107,45,65,95]
# 设置组距
d = 7
num = max(x) - min(x)
numbins = num//7
# 绘制直方图
plt.hist(x,numbins)
plt.xticks(range(min(x),max(x)+d,d))
plt.xlabel('范围',fontproperties = my_font)
plt.ylabel('个数' ,fontproperties = my_font)
plt.title('直方图',fontproperties = my_font)
# 添加表格
plt.grid(color ='r' ,alpha = 0.2)
plt.savefig('./直方图.png')
plt.show()

结果展示:

🍒结语image.png

相关文章
|
7天前
|
数据采集 数据可视化 数据挖掘
数据挖掘实战:使用Python进行数据分析与可视化
在大数据时代,Python因其强大库支持和易学性成为数据挖掘的首选语言。本文通过一个电商销售数据案例,演示如何使用Python进行数据预处理(如处理缺失值)、分析(如销售额时间趋势)和可视化(如商品类别销售条形图),揭示数据背后的模式。安装`pandas`, `numpy`, `matplotlib`, `seaborn`后,可以按照提供的代码步骤,从读取CSV到数据探索,体验Python在数据分析中的威力。这只是数据科学的入门,更多高级技术等待发掘。【6月更文挑战第14天】
43 11
|
17小时前
|
数据采集 机器学习/深度学习 数据可视化
利用Python和Pandas库构建高效的数据分析流程
在数据驱动的时代,数据分析已成为企业决策的关键环节。本文介绍如何利用Python编程语言及其强大的数据分析库Pandas,构建一套高效且可扩展的数据分析流程。与常规的数据分析流程不同,本文不仅涵盖数据加载、清洗、转换等基础步骤,还强调数据可视化、模型探索与评估等高级分析技巧,并通过实际案例展示如何在Python中实现这些步骤,为数据分析师提供一套完整的数据分析解决方案。
|
2天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python进行数据分析涉及数据收集
【6月更文挑战第21天】使用Python进行数据分析涉及数据收集(如数据库、文件、API),数据清洗(处理缺失值、异常值和重复项),数据探索(统计摘要、可视化和相关性分析),特征工程(创建新特征和编码),模型构建(选择算法、训练与调整),模型评估(计算指标、可视化效果),结果解释(报告和可视化),以及部署与维护。此过程因项目需求而异,可能需迭代。常用库有`pandas`、`requests`、`BeautifulSoup`、`Matplotlib`等。
5 1
|
5天前
|
数据挖掘 数据库连接 Python
GitHub高赞!Python零基础也能搞定的数据分析与处理
经常会有人让我推荐一些 Python 入门教程。虽然 Python 入内教程到处都有,但是这些教程要么太宽泛(没有讲任何关于数据分析的内容),要么太专业(全是关于科学原理的内容)。然而Excel用户往往处在一个中间位置:他们的确是和数据打交道,但是科学原理对于他们来说可能又太专业了。他们常常有一些现有教程无法满足的特殊需求,举例如下 • 为完成某个任务,我应该用哪个 Python-Excel包? • 我如何将 Power Query 数据库连接迁移到 Python? • Excel中的 AutoFilter和数据透视表在 Python 中对应的是什么?
|
5天前
|
存储 数据挖掘 索引
Python streamlit框架开发数据分析网站并免费部署
使用Python的Streamlit框架,开发了一个在线数据分析工具,替代Excel查看设备温度CSV数据。通过pandas读取数据,matplotlib绘制图表。程序处理CSV,提取所需列,计算最大最小平均值,用户可多选查看特定数据。[GitHub](https://github.com/yigedaigua/MGHB)上有完整代码,应用已部署至Streamlit Cloud。
|
7天前
|
数据采集 机器学习/深度学习 数据可视化
数据挖掘实战:Python在金融数据分析中的应用案例
Python在金融数据分析中扮演关键角色,用于预测市场趋势和风险管理。本文通过案例展示了使用Python库(如pandas、numpy、matplotlib等)进行数据获取、清洗、分析和建立预测模型,例如计算苹果公司(AAPL)股票的简单移动平均线,以展示基本流程。此示例为更复杂的金融建模奠定了基础。【6月更文挑战第13天】
34 3
|
3天前
|
数据采集 数据可视化 数据挖掘
Python数据分析入门指南
Python数据分析涉及环境搭建(推荐Anaconda,含pandas和matplotlib库)。使用`pandas`读取CSV数据,如`data = pd.read_csv('data.csv')`。数据清洗包括检查缺失值(`data.isnull().sum()`)和处理异常值。然后进行数据处理,如创建新列、选择特定列及分组。利用`matplotlib`进行数据可视化,绘制直方图和散点图,以`plt.hist()`和`plt.scatter()`展示数据。
|
5天前
|
机器学习/深度学习 人工智能 算法框架/工具
Python赋能AI数据分析
Python赋能AI数据分析
22 0
|
8天前
|
Python
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)-2
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)
|
8天前
|
数据可视化 开发者 Python
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)-1
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)

热门文章

最新文章