【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
|
计算机视觉 Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示,以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
414 3
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
684 8
|
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。
932 8
|
Python
Matplotlib 绘图标记
Matplotlib 绘图标记
500 2
|
数据可视化 Python
Python 高级绘图:探索数据可视化
在Python中,利用matplotlib、seaborn等库可实现数据的可视化。matplotlib功能丰富,支持基础图表绘制;seaborn则提供了更美观的默认样式。此外,matplotlib还支持3D图形及动态图表的生成,满足多样化的数据展示需求。 示例代码展示了如何使用这些库绘制正弦波、散点图、3D曲面图及动态更新的折线图。通过numpy生成数据,并借助matplotlib与seaborn的强大绘图功能,实现数据的直观呈现。
407 17
|
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。
|
数据可视化 JavaScript 前端开发
Python中交互式Matplotlib图表
【10月更文挑战第20天】Matplotlib 是 Python 中最常用的绘图库之一,但默认生成的图表是静态的。通过结合 mpld3 库,可以轻松创建交互式图表,提升数据可视化效果。本文介绍了如何使用 mpld3 在 Python 中创建交互式散点图、折线图和直方图,并提供了详细的代码示例和安装方法。通过添加插件,可以实现缩放、平移和鼠标悬停显示数据标签等交互功能。希望本文能帮助读者掌握这一强大工具。
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
1174 5
|
机器学习/深度学习 搜索推荐 数据可视化
Python量化炒股常用的Matplotlib包
Python量化炒股常用的Matplotlib包
608 7
|
数据可视化 数据挖掘 API
Python中的数据可视化利器:Matplotlib与Seaborn对比解析
在Python数据科学领域,数据可视化是一个重要环节。它不仅帮助我们理解数据,更能够让我们洞察数据背后的故事。本文将深入探讨两种广泛使用的数据可视化库——Matplotlib与Seaborn,通过对比它们的特点、优劣势以及适用场景,为读者提供一个清晰的选择指南。无论是初学者还是有经验的开发者,都能从中找到有价值的信息,提升自己的数据可视化技能。
1212 3

推荐镜像

更多