【Python数据分析 - 1】:matplotlib绘图架构Part1【折线图和基础绘图】

简介: 【Python数据分析 - 1】:matplotlib绘图架构Part1【折线图和基础绘图】

一、简单绘一条斜线


导入模块:import matplotlib.pyplot


代码如下


1. import matplotlib.pyplot as plt
2. plt.figure(figsize=(8,8), dpi=80)
3. plt.plot([1,2,3], [4,5,6])
4. plt.show()


plt.figure() — 实例一个图画对象


figsize=(高,宽) — 用来控制图像的大小


dpi — 图像清晰度,数值越大越清晰,不过使运行时间变长


plt.plot([……], [……])  — 画图操作,第一个列表是x轴,第二个列表是y轴

plt.show() — 将所画的图像展示出来


运行结果: f220f8b1e5b94b899874de16f072c4e3.png


图形的基本构成


Scripting(脚本)


Artist(美工)


Backend (后端)


a0d0366bda4f4c47a0404af247bbdaba.png





二、绘制城市温度折线图


以模拟长沙和北京的天气为例 (y轴为温度,x轴为时间)


1、解析画图过程


1、先导入即将使用的模块


1. import matplotlib.pyplot as plt
2. import random



2、设置字体


只有设置字体后才能在图形中显示字体

# 设置字体 , 这里设置为微雅黑
plt.rcParams['font.sans-serif'] = ['SimHei']



3、准备数据


通过:[random.uniform(x, y) for i in 60] 的方法,循环60次,每次从x到y的范围内获取一个随机小数

# 创建一个figure
plt.figure(figsize=(20,8), dpi=80)
# 准备数据
x = range(60)
y_Changsha = [random.uniform(15,18) for i in x]
y_Beijing = [random.uniform(10, 14) for i in x]



4、构造中文


1. # 构造中文
2. x_ch = ['11点{}分'.format(i) for i in x]



5、画出图像


   注意:画图必须要在修改刻度和增加显示之前,否则可能会出现bug  


   plt.plot(x, y_Beijing, color='r', linestyle='--', label='北京')


   color -- 设置线条颜色


   linestyle -- 设置线条风格,linestyle='--' 表示线条为虚线


   label -- 给线条设置标签,便于区分

# 画出图像,画图必须要在修改刻度和增加显示之前,否则可能会出现bug
plt.plot(x, y_Changsha, label="长沙")
plt.plot(x, y_Beijing, color='r', linestyle='--', label='北京')


6、修改刻度


修改x轴刻度:plt.xticks(刻度, 刻度名)


修改y轴刻度:plt.yticks(刻度, 刻度名)  


一般刻度都是以数字出现,当刻度和刻度名一起出现时,就会将刻度名代替刻度上的数字。注意:刻度和刻度名的长度要相同。


当只设置刻度时,就会以数字出现比如 plt.yticks(range(60)[::5]) 隔五个取一个数,就成了0,5,10,……


# 修改x轴, y轴的刻度
y_ticks = range(40)
plt.xticks(x[::5], x_ch[::5], rotation=45)
plt.yticks(y_ticks[::5])


rotation -- 刻度的倾斜度,ratation=45表示刻度向下倾斜45度


7、增加标题、坐标说明、显示标签


坐标说明:


plt.xlabel(x轴坐标说明)


plt.ylabel(y轴坐标说明)


增加标题:


plt.title(标题内容)


显示标签:


plt.legend(loc="best"),设置显示标签前必须在画图(plt.plot())中设置标签,否则无法显示。


保存图片:

plt.savefig(),括号中是图片保存的路径,最后要给图片取名并加上后缀名:png或jpg


# 增加标题、坐标说明
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('长沙和北京的温度变化折线图')
plt.legend(loc="best")
# 保存图片
plt.savefig('城市温度折线图.png')
plt.show()


8、运行结果

c8a06bd8c37b46ed98f593cd7638dc44.png


9、在根目录下查看图片是否保存

66882c53ed9f46c09d3a3bfc0a9fcfe1.png

2、完整源代码

import matplotlib.pyplot as plt
import random
# 设置字体 , 这里设置为微雅黑
plt.rcParams['font.sans-serif'] = ['SimHei']
# 创建一个figure
plt.figure(figsize=(20,8), dpi=80)
# 准备数据
x = range(60)
y_Changsha = [random.uniform(15,18) for i in x]
y_Beijing = [random.uniform(10, 14) for i in x]
# 构造中文
x_ch = ['11点{}分'.format(i) for i in x]
# 画出图像,画图必须要在修改刻度和增加显示之前,否则可能会出现bug
plt.plot(x, y_Changsha, label="长沙")
plt.plot(x, y_Beijing, color='r', linestyle='--', label='北京')
# 修改x轴, y轴的刻度
y_ticks = range(40)
plt.xticks(x[::5], x_ch[::5], rotation=45)
plt.yticks(y_ticks[::5])
# 增加标题、坐标说明
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('长沙和北京的温度变化折线图')
plt.legend(loc="best")
# 保存图片
plt.savefig('城市温度折线图.png')
plt.show()
相关文章
|
1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。
|
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
【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。
81 3
|
1月前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
73 8
|
2月前
|
存储 数据可视化 数据挖掘
使用Python进行数据分析和可视化
本文将引导你理解如何使用Python进行数据分析和可视化。我们将从基础的数据结构开始,逐步深入到数据处理和分析的方法,最后通过实际的代码示例来展示如何创建直观的数据可视化。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的见解和技巧。让我们一起探索数据的世界,发现隐藏在数字背后的故事!
106 5
|
2月前
|
存储 数据可视化 数据挖掘
Python数据分析项目:抖音短视频达人粉丝增长趋势
Python数据分析项目:抖音短视频达人粉丝增长趋势
|
2月前
|
数据采集 存储 数据可视化
Python数据分析:揭秘"黑神话:悟空"Steam用户评论趋势
Python数据分析:揭秘"黑神话:悟空"Steam用户评论趋势
|
2月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第42天】本文将介绍如何使用Python进行数据分析和可视化。我们将从数据导入、清洗、探索性分析、建模预测,以及结果的可视化展示等方面展开讲解。通过这篇文章,你将了解到Python在数据处理和分析中的强大功能,以及如何利用这些工具来提升你的工作效率。
|
2月前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
2月前
|
数据采集 数据可视化 数据挖掘
掌握Python数据分析,解锁数据驱动的决策能力
掌握Python数据分析,解锁数据驱动的决策能力
|
2月前
|
数据采集 数据可视化 数据挖掘
Python数据分析:Pandas库实战指南
Python数据分析:Pandas库实战指南

热门文章

最新文章