python数据分析基础001 -matplotlib的基础绘图

简介: python数据分析基础001 -matplotlib的基础绘图

前言

image.png


文章目录

(一)什么是matplotlib

1.为什么要学习matplotlib

能将数据进行可视化,更直观的呈现。

使数据更加的客观,更具有说服力。

2.什么是matplotlib

matplotlib:最流行的python底层绘图库,主要做数据可视化图表,名字取材于MATLAB,模仿MATLAB构建。


3. 安装matplotlib

在终端输入以下指令快速安装

image.png

4.导入matplotlib库

在matplotlib中导入模块pyplotimage.png

(二)matplotlib基本要点

1.matplotlib基本使用

下图中横轴表示x轴,纵轴表示y轴。

axis轴指的就是x或者y这种坐标轴。

:这里的x和y的值要一一对应

那么上面的每一个红点都是什么呢?

image.png那么到底如何把它通过代码画出来呢?通过下面的一个小例子来看一下matplotlib该如何简单的使用!!image.png代码实现:

from matplotlib import pyplot as plt
# 一天每隔2小时range(2,26,2)
x = range(2,26,2)
y = [15,13,14,15,17,24,26,25.5,26,28,14,13]
# 在这里x和y的值一一对应
# 传入x ,y 的值通过plot绘制出折线图
plt.plot(x,y)
plt.show()

运行结果:

2.完善matplotlib绘制的图形

  1. 设置图片大小
    设置图片大小需要调用figure,再里面可以设置图片的大小。在图片模糊时可以传入dpi参数,可以让图片更清晰。
fig  = plt.figure(figsize=(10,10),dpi=100)
  1. 保存到本地
plt.savefig('./picture/1.jpg')

这里还可以保存为svg的矢量图格式,这样放大也不会失真。

运行结果:

  1. 添加描述信息(x轴,y轴…)
plt.xlabel('time') #设置x轴描述信息
plt.ylabel('temp')#设置y轴描述信息
plt.title('total')# 设置标题

  1. 调整x,y轴的刻度间距
    需要用到xticks方法。
plt.xticks(x)

当刻度太密集时使用列表的不常(间隔取值)来解决。

plt.xticks(x[::2])


  1. 设置中文显示
    首先导入font_managerimage.png其次在系统中找到本地字体拖到当前目录下

fname传入字体的路径

my_font = font_manager.FontProperties(fname="./msyh.ttc")

fontproperties 设置中文显示

plt.xlabel('时间',fontproperties = my_font)
plt.ylabel('温度',fontproperties = my_font)
plt.title('24小时实时温度' ,fontproperties = my_font

运行结果:

  1. 线条的样式
    在绘制的时候可以指定:image.png下面是部分颜色的缩写:

下面时部分线条风格:

plt.plot(x,y,color = 'r' ,linestyle = '--',linewidth =3 ,alpha = 0.2)

运行结果:

  1. 添加水印
fig.text(x=0.45, 
  y=0.45, 
  s= '苏凉.py',
  fontproperties = my_font,
    fontsize=40, color='b',
    ha='center', va='center', alpha=0.2)

运行结果:

相关文章
|
1天前
|
数据可视化 BI 索引
【Python】—— matplotlib数据可视化
【Python】—— matplotlib数据可视化
7 1
|
1天前
|
数据可视化 数据挖掘 BI
【Python】—— pandas 数据分析
【Python】—— pandas 数据分析
7 1
|
1天前
|
数据可视化 Linux API
【Python】—— 如果使用matplotlib做数据可视化
【Python】—— 如果使用matplotlib做数据可视化
3 0
|
3天前
|
数据采集 数据可视化 数据挖掘
如何利用Python中的Pandas库进行数据分析和可视化
Python的Pandas库是一种功能强大的工具,可以用于数据分析和处理。本文将介绍如何使用Pandas库进行数据分析和可视化,包括数据导入、清洗、转换以及基本的统计分析和图表绘制。通过学习本文,读者将能够掌握利用Python中的Pandas库进行高效数据处理和可视化的技能。
|
5天前
|
机器学习/深度学习 数据可视化 算法
使用Python进行数据分析的5个必备技巧
【5月更文挑战第9天】本文介绍了Python数据分析的五个关键技巧:1) 使用Pandas进行数据处理和清洗;2) 利用NumPy进行高效数值计算;3) 通过Matplotlib和Seaborn创建可视化图表;4) 使用Scikit-learn执行机器学习任务;5) 在Jupyter Notebook中进行交互式分析和文档分享。这些技巧能提升数据分析的效率和准确性。
|
6天前
|
数据采集 数据可视化 数据挖掘
Python 与 PySpark数据分析实战指南:解锁数据洞见
Python 与 PySpark数据分析实战指南:解锁数据洞见
|
8天前
|
机器学习/深度学习 运维 算法
Python数据分析中的异常检测与处理方法
在Python数据分析中,异常数据是一个常见但又十分重要的问题。本文将介绍几种常见的异常检测与处理方法,包括基于统计学方法、机器学习方法以及深度学习方法。通过对异常数据的有效检测与处理,可以提高数据分析的准确性和可信度,从而更好地指导业务决策。
|
9天前
|
数据采集 数据可视化 数据挖掘
Python在数据分析中的强大应用
【5月更文挑战第5天】Python在数据驱动时代成为数据分析师首选工具,得益于其丰富的数据科学库(如NumPy、Pandas、Matplotlib、Seaborn和SciPy)。这些库支持数据清洗、探索、建模和可视化。Python在数据清洗、文本分析、Web数据抓取和大数据处理等方面有广泛应用,并因其易学性、强大社区和广泛适用性而备受青睐。未来,Python在数据分析领域的角色将更加重要。
|
14天前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】金融数据分析中的机器学习应用
【4月更文挑战第30天】本文探讨了机器学习在金融数据分析中的应用,如股价预测、信用评分、欺诈检测、算法交易和风险管理,并以Python为例展示了如何进行股价预测。通过使用机器学习模型,金融机构能更准确地评估风险、识别欺诈行为并优化交易策略。Python结合scikit-learn库简化了数据分析过程,助力金融从业者提高决策效率。随着技术发展,机器学习在金融领域的影响力将持续增强。
|
14天前
|
Serverless Python
使用Python的pandas和matplotlib库绘制移动平均线(MA)示例
使用Python的pandas和matplotlib库绘制移动平均线(MA)示例:加载CSV数据,计算5日、10日和20日MA,然后在K线图上绘制。通过`rolling()`计算平均值,`plot()`函数展示图表,`legend()`添加图例。可利用matplotlib参数自定义样式。查阅matplotlib文档以获取更多定制选项。
33 1