matplotlib相关图形绘制(一)(一)

简介: matplotlib相关图形绘制(一)(一)

1、绘制X轴、Y轴平行线

1)作用

 绘制X轴、Y轴平行线,主要用来做对比参考。


2)语法格式与相关参数说明

① 语法格式

绘制X轴平行线

plt.axhline(y,xmin,xmax)

绘制Y轴平行线

plt.axvline(x,ymin,ymax)

② 参数说明

image.png


3)演示说明

① 绘制X轴平行线

plt.subplot(121)
plt.axhline(0.5,0,1,c="r",lw=3)
plt.subplot(122)
plt.axhline(0.5,0.2,0.8,c="g",lw=3)


结果如下:

image.png


② 绘制Y轴平行线

plt.subplot(121)
plt.axvline(0.5,0,1,c="r",lw=3)
plt.subplot(122)
plt.axvline(0.5,0.2,0.8,c="g",lw=3)


结果如下:

image.png


2、绘制折线图

1)作用

 折线图用于显示随时间或有序类别而变化的趋势。折线图其实是由多个点连接在一起得到了,当点足够多的时候,折线图就变成了平滑的曲线。


2)语法格式和参数说明

① 语法格式

plot(y)

plot(y,‘格式’)

plot(x,y)

plot(x,y,‘格式’)

plot(x1,y1,‘格式1’,x2,y2,‘格式2’ …… xn,yn,“格式n”)

② 参数说明

image.png


3)演示说明

① 绘制一个点

plt.plot(50, marker="D")


结果如下:

image.png


② 绘制多个点

 当只传入一组数据的时候,那么每个元素的下标相当于X轴横坐标,这一组数据中的每个值相当于Y轴的纵坐标。当传入两组数据,第一组数据相当于X轴横坐标,第二组数据相当于Y轴的纵坐标。


plt.subplot(121)
plt.plot([8,2,9,15,-3],c="g",marker="v",ls="--")
plt.subplot(122)
plt.plot([-3,-1,5,8,12], [2,-10,9,3,6],c="r",marker="*",ls="-")


结果如下:

image.png


③ 绘制对比折线图

plt.figure(dpi=100)
x = np.arange(1,13)
y1 = np.array([568,645,789,412,435,673,345,632,467,876,912,1222])
y2 = np.array([675,412,545,645,831,345,459,734,812,611,1500,900])
plt.plot(x,y1,c="r",marker="*",ls="-",label="2019年销售额")
plt.plot(x,y2,c="g",marker="v",ls="--",label="2020年销售额")
plt.legend(loc="best",ncol=2)
plt.title("2019-2020年销售额对比图")
plt.xlabel("月份")
plt.ylabel("销售额")
plt.xticks(np.arange(1,13),[str(i)+"月" for i in range(1,13)])
p1 = zip(x,y1)
p2 = zip(x,y2)
for x,y1 in p1:
    plt.text(x,y1,y1,ha="center",va="bottom",fontsize=10)
for x,y2 in p2:
    plt.text(x,y2,y2,ha="center",va="bottom",fontsize=10)
plt.savefig("2019-2020年销售额对比图",dpi=300)


结果如下:

image.png

相关文章
matplotlib相关图形绘制(一)(三)
matplotlib相关图形绘制(一)(三)
matplotlib相关图形绘制(一)(三)
matplotlib相关图形绘制(一)(二)
matplotlib相关图形绘制(一)(二)
matplotlib相关图形绘制(一)(二)
matplotlib相关图形绘制(二)(一)
matplotlib相关图形绘制(二)(一)
matplotlib相关图形绘制(二)(一)
|
3月前
|
Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
3月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
58 1
|
8天前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
46 8
|
3月前
|
存储 数据可视化 数据挖掘
揭秘!Matplotlib与Seaborn联手,如何让Python数据分析结果一目了然,惊艳全场?
在数据驱动时代,高效直观地展示分析结果至关重要。Python中的Matplotlib与Seaborn是两大可视化工具,结合使用可生成美观且具洞察力的图表。本文通过分析某电商平台的商品销量数据集,展示了如何利用这两个库揭示商品类别与月份间的销售关系及价格对销量的影响。首先使用Matplotlib绘制月份销量分布直方图,再借助Seaborn的箱线图进一步探索不同类别和价格区间下的销量稳定性。
67 10
|
3月前
|
数据可视化 Python
Python中的数据可视化:使用Matplotlib绘制图表
【9月更文挑战第11天】在这篇文章中,我们将探索如何使用Python的Matplotlib库来创建各种数据可视化。我们将从基本的折线图开始,然后逐步介绍如何添加更多的功能和样式,以使您的图表更具吸引力和信息量。无论您是数据科学家、分析师还是任何需要将数据转化为视觉形式的专业人士,这篇文章都将为您提供一个坚实的起点。让我们一起潜入数据的海洋,用视觉的力量揭示其背后的故事。
62 16
|
3月前
|
数据可视化 数据挖掘 API
使用Python进行数据可视化:探索Matplotlib和Seaborn库
【9月更文挑战第19天】在数据科学领域,将复杂的数据集转换成直观、易懂的图形是一项基本而关键的技能。本文旨在通过Python编程语言介绍两个强大的数据可视化库——Matplotlib和Seaborn,以及它们如何帮助数据分析师和研究人员揭示数据背后的故事。我们将从基础概念讲起,逐步深入到高级技巧,确保无论读者的背景如何,都能获得必要的知识和启发,以在自己的项目中实现有效的数据可视化。
|
3月前
|
机器学习/深度学习 数据采集 监控
Pandas与Matplotlib:Python中的动态数据可视化
Pandas与Matplotlib:Python中的动态数据可视化