Matplotlib进阶

简介: 标题中的英文首字母大写比较规范,但在python实际使用中均为小写。1.利用pandas进行数据分析+matplot进行可视化import pandas as pdimport numpy as npimport matplotlib.

标题中的英文首字母大写比较规范,但在python实际使用中均为小写。

1.利用pandas进行数据分析+matplot进行可视化

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

data = np.random.rand(10,4)
df = pd.DataFrame(data,columns = list("ABCD"),index=np.arange(0,100,10))
df.plot()
plt.show()

上面一段代码的运行结果如下图所示:


img_404f440d63257704e94bd0455416e705.png
image.png

2.

fig, axes = plt.subplots(2,1)
data = pd.Series(np.random.randn(16),index=list("abcdefghijklmnop"))
data.plot(kind='bar', ax=axes[0], color='k',alpha=0.7)
data.plot(kind='barh', ax=axes[1], color='r', alpha=0.7)
plt.show()

上面一段代码的运行结果如下图所示:


img_f565f31a411ffdcec049799b36b2386f.png
image.png

3.折线图

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_excel("pandas-matplotlib.xlsx")
var = df.groupby('BMI').Sales.sum()
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set_xlabel('BMI')
ax.set_ylabel('Sum of Sales')
ax.set_title('BMI while Sum of Sales')
var.plot(kind='line')
plt.show()

上面一段代码的运行结果如下图所示:


img_01c5492ff1b5274b9f6b12e403698a3b.png
image.png

4.条形图

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_excel("pandas-matplotlib.xlsx")

上面一段代码的运行结果如下图所示:


img_44dae96a3ad020769a34bf5f78786d41.png
image.png

5.柱状堆积图

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_excel("pandas-matplotlib.xlsx")
var = df.groupby(["BMI","Gender"]).Sales.sum()
var.unstack().plot(kind='bar',stacked=True,color=['red','blue'])
plt.show()

上面一段代码的运行结果如下:


img_46ba58069894f99166688e5913b25ad6.png
image.png

6.绘制散点图

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_excel("pandas-matplotlib.xlsx")
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(df['Age'],df['Sales'])
plt.show()

上面一段代码的运行结果如下图所示:


img_7337ae8e0407911d6664455b8bc9690b.png
image.png

7.绘制气泡图

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_excel("pandas-matplotlib.xlsx")
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(df['Age'],df['Sales'],s=df['Income'])
plt.show()

上面一段代码的运行结果如下图所示:


img_bced5a720bfd28179d01304617165644.png
image.png

8.

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_excel("pandas-matplotlib.xlsx")
var = df.groupby(['Gender']).sum().stack()
temp =var.unstack()
x_list = temp['Sales']
label_list = temp.index
plt.axis('equal')
plt.pie(x_list,labels=label_list,autopct='%1.1f%%')
plt.title('experience')
plt.show()
img_670e6eb93149b02244b09480e33f998a.png
image.png

2.PyEcharts画图

pip install pyecharts -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

2,1

import pyecharts as pye 
bar = pye.Bar("我的第一个图表","这里是副标题")
x = ["衬衫", "羊毛衫", "雪纺衫","裤子", "高跟鞋", "袜子"]
y = [5, 20, 36, 10, 75, 90]
label = '服装'
bar.add(label,x,y)
bar.render('bar01.html')
img_ccdd86008dc060804328b8583bfba914.png
image.png
img_1bc48663f461916c6c108483c69496b4.png
image.png
目录
相关文章
|
5月前
|
数据可视化 程序员 Python
python生成可视化数据(matplotlib)进阶版
上期我们讲到如何用matplotlib模块将表格里的数据转换成可视化的折线图,但是,这里会有一个问题,表格里的数据是死的,是我随手创建的。在这一期,我将讲解如何通过requests+matplotlib等编写一个真实数据的可视化内容。
|
数据可视化 数据挖掘 Python
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(1)(九)
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,
103 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(1)(九)
|
数据可视化 数据挖掘 Python
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(2)(十)
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,
150 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(2)(十)
|
数据可视化 数据挖掘 Python
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(3)(十一)
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,
109 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(3)(十一)
|
数据可视化 数据挖掘 Python
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(4)(十二)
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,
94 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(4)(十二)
|
数据可视化 数据挖掘 Python
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶(十三)
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,
103 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶(十三)
|
数据可视化 数据挖掘 API
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—Seaborn(1)(十四)
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,
270 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—Seaborn(1)(十四)
|
数据可视化 数据挖掘 Python
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—Seaborn(2)(十五)
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,
107 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—Seaborn(2)(十五)
|
数据可视化 数据挖掘 索引
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—Seaborn(3)(十六)
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,
67 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—Seaborn(3)(十六)
|
数据采集 数据可视化 数据挖掘
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶(十七)
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,
133 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶(十七)