数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化入门—基础知识(1)(一)

简介: 你好,感谢你能点进来本篇博客,请不要着急退出,相信我,如果你有一定的 Python 基础,想要学习 Python数据分析的三大库:numpy,pandas,matplotlib;这篇文章不会让你失望,本篇博客是 【AIoT阶段一(下)】 的内容:Python数据分析,

三、Matplotlib

1.数据可视化入门

在数据分析与机器学习中,我们经常要用到大量的可视化操作。一张制作精美的数据图片,可以展示大量的信息,一图顶千言。

image.jpeg而在可视化中,Matplotlib算得上是最常用的工具。Matplotlib 是 python 最著名的绘图库,它提供了一整套 API,十分适合绘制图表,或修改图表的一些属性,如字体、标签、范围等。

image.png

Matplotlib 是一个 Python 的 2D 绘图库,它交互式环境生成出版质量级别的图形。通过 Matplotlib这个标准类库,开发者只需要几行代码就可以实现生成绘图,折线图、散点图、柱状图、饼图、直方图、组合图等数据分析可视化图表。

47.png

设置清华源安装模块:


比如如果我们要安装:Matplotlib,注:你已安装matplotlib,这里只是已安装matplotlib为例介绍清华源,我们的常规下载方式就是在命令行中输入:pip install matplotlib,这样你就可以从官方进行下载,但是这样的下载速度是十分的慢的,我们在本篇博客最开头曾说过,可以在pip install matplotlib后加上-i https://pypi.tuna.tsinghua.edu.cn/simple,这样就是从清华的地址处下载,下载速度会快很多,如果我们每次下载一个新的模块都要加上 -i https://pypi.tuna.tsinghua.edu.cn/simple确实是一个麻烦的大工程,那么有没有一劳永逸的方法呢?即如何指定是从清华大学下载呢?

我们 找到 C盘,找见我们的用户,点进用户名,然后创建一个 pip 文件夹:

49.png

然后打开下载好的压缩包,找到 pip.ini 文件

下载压缩包

链接:https://pan.baidu.com/s/1y32LXxZ9Yx8GOn6YYlvwfw

提取码:6sl5

image.png

把这个文件拖入到刚建立好的 pip 文件夹中:

50.png

这样,我们就配置好了下载地址,我们可以直接输入 pip install matplotlib,默认安装的网址就是清华大学的网址,就省去了写-i https://pypi.tuna.tsinghua.edu.cn/simple


1.1 基础知识

1.1.1 图形绘制

🚩数据可视化其实就是把抽象不容易看出规律的数据转换为人眼更能接受的图片,下面我们来简单的绘制一个图形

import numpy as np
import matplotlib.pyplot as plt
# 横坐标
# 等差数列,把[0,2π]等分成100份
x = np.linspace(0, 2 * np.pi, 100)
# 纵坐标:正弦波; x:Numpy数组
y = np.sin(x)
# 画线形图
plt.plot(x, y)

51.png

接下来我们对这个图进行简单的参数设置:

# 设置横坐标的范围是 -1 ~ 10
plt.xlim(-1, 10)
# 设置纵坐标的范围是 -1.5 ~ 1.5
plt.ylim(-1.5, 1.5)
# 设置网格线,网格线颜色设为绿色,透明度为0.5,线的样式为虚线:--,宽度为2
plt.grid(color = 'green', alpha = 0.5, linestyle = '--', linewidth = 2)
plt.plot(x, y)

52.png


目录
相关文章
|
2月前
|
数据可视化 数据挖掘 开发者
Pandas数据可视化:matplotlib集成(df)
Pandas 是 Python 中强大的数据分析库,Matplotlib 是常用的绘图工具。两者结合可方便地进行数据可视化,帮助理解数据特征和趋势。本文从基础介绍如何在 Pandas 中集成 Matplotlib 绘制图表,如折线图、柱状图等,并深入探讨常见问题及解决方案,包括图表显示不完整、乱码、比例不合适、多子图布局混乱、动态更新图表等问题,提供实用技巧和代码示例。掌握这些方法后,你将能更高效地处理数据可视化任务。
59 9
|
2月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
本文将引导读者了解如何使用Python进行数据分析,从安装必要的库到执行基础的数据操作和可视化。通过本文的学习,你将能够开始自己的数据分析之旅,并掌握如何利用Python来揭示数据背后的故事。
|
3月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
【10月更文挑战第42天】本文是一篇技术性文章,旨在为初学者提供一份关于如何使用Python进行数据分析的入门指南。我们将从安装必要的工具开始,然后逐步介绍如何导入数据、处理数据、进行数据可视化以及建立预测模型。本文的目标是帮助读者理解数据分析的基本步骤和方法,并通过实际的代码示例来加深理解。
95 3
|
3月前
|
移动开发 数据可视化 数据挖掘
利用Python实现数据可视化:以Matplotlib和Seaborn为例
【10月更文挑战第37天】本文旨在引导读者理解并掌握使用Python进行数据可视化的基本方法。通过深入浅出的介绍,我们将探索如何使用两个流行的库——Matplotlib和Seaborn,来创建引人入胜的图表。文章将通过具体示例展示如何从简单的图表开始,逐步过渡到更复杂的可视化技术,帮助初学者构建起强大的数据呈现能力。
|
4月前
|
数据采集 机器学习/深度学习 数据可视化
深入浅出:用Python进行数据分析的入门指南
【10月更文挑战第21天】 在信息爆炸的时代,掌握数据分析技能就像拥有一把钥匙,能够解锁隐藏在庞大数据集背后的秘密。本文将引导你通过Python语言,学习如何从零开始进行数据分析。我们将一起探索数据的收集、处理、分析和可视化等步骤,并最终学会如何利用数据讲故事。无论你是编程新手还是希望提升数据分析能力的专业人士,这篇文章都将为你提供一条清晰的学习路径。
|
4月前
|
数据可视化 定位技术 Python
Python数据可视化--Matplotlib--入门
Python数据可视化--Matplotlib--入门
42 0
|
4月前
|
数据挖掘 索引 Python
Python数据分析篇--NumPy--入门
Python数据分析篇--NumPy--入门
69 0
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
Python中的简单数据分析:入门指南
【10月更文挑战第2天】Python中的简单数据分析:入门指南
65 0
|
4月前
|
数据可视化 数据挖掘 大数据
Python 数据分析入门:从零开始处理数据集
Python 数据分析入门:从零开始处理数据集
|
4月前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据分析:从入门到实践
使用Python进行数据分析:从入门到实践
100 2