可视化库Matplotlib-条形图与散点图

简介: 可视化库Matplotlib-条形图与散点图

导入numpy库、pandas库和Matplotlib库


import pandas as pd
import numpy
import matplotlib.pyplot as plt


导入文件


reviews = pd.read_csv("fandango_score_comparison.csv")


条形图:

生成一个条形图:


cols = ['Metacritic_User', 'IMDB', 'Fandango_Stars', 'Fandango_Ratingvalue', 'RT_norm']
norm_reviews = reviews[cols]
num_cols = ['Metacritic_User', 'IMDB', 'Fandango_Stars', 'Fandango_Ratingvalue', 'RT_norm']
#设置柱高
bar_hight = norm_reviews.loc[0,num_cols].values
print(bar_hight)
#设置条与条的间距
bar_positions = numpy.arange(5) + 1
print(bar_positions)
#绘制bar图(条形图)
#fig用于控制图,ax用于绘图
fig,ax = plt.subplots()
ax.bar(bar_positions, bar_hight, 0.3)
plt.show()


图像:


0a2653c851af460fa595bd959398a8f1.png


我们可以来设置图像的数据

例如:


#设置bar图
fig,ax = plt.subplots()
ax.bar(bar_positions, bar_hight, 0.3)
tick_position = range(1, 6)
ax.set_xticks(tick_position)
ax.set_xticklabels(num_cols, rotation = 45)
ax.set_xlabel('Rating Source')
ax.set_ylabel('Average Rating')
ax.set_title('Average User Rating for Avengers')
plt.show()


图像:


2d65d23f6d4748949b924e4057485923.png


还可以制作横着的条形图:


#设置横bar图
fig,ax = plt.subplots()
ax.barh(bar_positions, bar_hight, 0.3)
tick_position = range(1, 6)
ax.set_yticks(tick_position)
ax.set_yticklabels(num_cols)
ax.set_ylabel('Rating Source')
ax.set_xlabel('Average Rating')
ax.set_title('Average User Rating for Avengers')
plt.show()


图像:


6de278e6d6694ce5bb08e7e842b7e74b.png


散点图:

生成一个散点图:


cols = ['Metacritic', 'RT_norm']
new_reviews = reviews[cols]
fig, ax = plt.subplots()
ax.scatter(new_reviews['Metacritic'], new_reviews['RT_norm'])
ax.set_xlabel('Metacritic')
ax.set_ylabel('RT_norm')
plt.show()


图像:


8ec4f2997fb246878c34ecd6d122b7c6.png

相关文章
|
2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。
|
18天前
|
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。
38 5
|
1月前
|
Python
Matplotlib 教程 之 Matplotlib 散点图 1
通过设置参数如点的大小(`s`)、颜色(`c`)和样式(`marker`)等,可以定制图表外观。示例展示了如何用两个长度相同的数组分别表示 x 和 y 轴的值来创建基本散点图。
43 12
|
1月前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 散点图 7
使用 Matplotlib 的 `scatter()` 方法绘制散点图。该方法接受多个参数,如 x 和 y 数据点、点的大小(s)、颜色(c)和样式(marker)等。通过示例展示了如何利用颜色数组和颜色映射 (`cmap`) 来增强图表的表现力,并使用 `colorbar()` 方法添加颜色条,使数据可视化更加直观。
32 1
|
2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。
|
1月前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 散点图 9
使用Matplotlib中的`scatter()`方法绘制散点图。该方法接受多个参数,如数据点位置(x,y)、点的大小(s)、颜色(c)等,并支持多种颜色样式和配置选项。通过调整这些参数,用户可以自定义散点图的外观和表现形式,实现丰富的可视化效果。
22 0
|
1月前
|
Python
Matplotlib 教程 之 Matplotlib 散点图 4
使用 Matplotlib 的 `scatter()` 方法绘制散点图。通过设置 `x` 和 `y` 数组来定义数据点位置,还可以自定义点的大小(`s`)、颜色(`c`)、样式(`marker`)等参数。示例展示了两组不同颜色的散点图,分别使用 `hotpink` 和 `#88c999` 颜色绘制。
31 0
|
2月前
|
数据可视化 Python
可视化 图形 matplotlib
可视化 图形 matplotlib
|
3月前
|
机器学习/深度学习 数据可视化 数据挖掘
Python中的数据可视化:使用Matplotlib库绘制图表
【8月更文挑战第30天】数据可视化是数据科学和分析的关键组成部分,它帮助我们以直观的方式理解数据。在Python中,Matplotlib是一个广泛使用的绘图库,提供了丰富的功能来创建各种类型的图表。本文将介绍如何使用Matplotlib库进行数据可视化,包括安装、基本概念、绘制不同类型的图表以及自定义图表样式。我们将通过实际代码示例来演示如何应用这些知识,使读者能够轻松地在自己的项目中实现数据可视化。
|
3月前
|
数据可视化 Python
matplotlib可视化必知必会富文本绘制方法
matplotlib可视化必知必会富文本绘制方法

热门文章

最新文章