使用python matplotlib画图

简介: 本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/52577631 未经博主允许不得转载。 博主地址是:http://blog.csdn.net/freewebsys1,关于非常简单的画图类库。 简直就是matlab的命令了。 python设计都是非常简单的。 在使用python进行数

本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/52577631
未经博主允许不得转载。
博主地址是:http://blog.csdn.net/freewebsys

1,关于


非常简单的画图类库。 简直就是matlab的命令了。
python设计都是非常简单的。
在使用python进行数据处理的时候还是非常方便的。

2,画直线


将两个线画到一个图上面,并且设置成不同的颜色。直接执行2次命令。

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

#随机画一个二维数组。
x_len = 20
x = np.arange(0,x_len)#生成0-19的数组x坐标
y = np.random.standard_normal((20,2))
plt.plot(x,y[:,0],'r',label='1st')#第二个参数跟的是颜色,
plt.plot(x,y[:,1],'k',label='2nd')
plt.legend(loc=0)#设置label标签位置,0左上角。
#设置坐标
plt.grid(True)
plt.xlabel('this is x label')
plt.ylabel('this is y label')
plt.title(u"python plot demo 1")

3,画两个图,使用相同的x轴


在同一个画图内并列显示图表,可以方便的进行对比使用。 plt.subplot(numrows=3,numcols=1,fignum=1) 表示,一共有3行1列的第一个画像。简写plt.subplot(3,1,1)或者直接plt.subplot(311)

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

#随机画一个二维数组。
x_len = 20
x = np.arange(0,x_len)#生成0-19的数组x坐标
y = np.random.standard_normal((20,3))
plt.title(u"python plot demo 1")


#########第一个图标######### 3行1列第1个
plt.subplot(3,1,1)
plt.grid(True)
plt.plot(x,y[:,0],'r')#第二个参数跟的是颜色,
plt.legend(loc=0)#设置label标签位置,0左上角。
#########第一个图标######### 3行1列第2个
plt.subplot(3,1,2)
plt.plot(x,y[:,1],'k')
plt.legend(loc=0)
plt.grid(True)
#########第一个图标######### 3行1列第3个
plt.subplot(3,1,3)
plt.plot(x,y[:,1],'g')
plt.legend(loc=0)
plt.grid(True)

plt.xlabel('this is x label')
plt.ylabel('this is y label')

4,柱状图


bar(x,y,width) 输入x坐标,y坐标和柱状图宽度。

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

#随机画一个二维数组。
x_len = 20
x = np.arange(0,x_len)#生成0-19的数组x坐标
y = np.random.standard_normal((x_len,1))#随机生成y。
plt.bar(x,y[:,0],width=0.5,color='r',label='1st')
plt.legend(loc=0)#设置label标签位置,0左上角。
#设置坐标
plt.grid(True)

4,散点图


scatter(x,y,marker)
直接输入x,y的坐标集合。

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

#随机画一个二维数组。
y = np.random.standard_normal((500,2))#随机生成y。
plt.scatter(y[:,0],y[:,1],color='r')
#设置坐标
plt.grid(True)

4,总结


python画图真的很简单,使用处理都交给类库了。
只要简单的调用函数就可以了。
开放工具没有使用ide,而是使用了ipython notebook,非常好用。
可以同时编写markdown文档和python代码,还能够运行。
超级炫酷。

本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/52577631
未经博主允许不得转载。
博主地址是:http://blog.csdn.net/freewebsys

目录
相关文章
|
4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。
|
22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。
61 8
|
2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。
|
2月前
|
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。
|
2月前
|
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。
84 5
|
4月前
|
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
41 7
|
3月前
|
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。
158 3
|
3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
34 0
|
4月前
|
API Python
30天拿下Python之matplotlib模块
30天拿下Python之matplotlib模块
27 0
|
4月前
|
数据可视化 数据处理 Python
Matplotlib:Python绘图利器之王
Matplotlib:Python绘图利器之王
25 0