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
|
13天前
|
Python
Matplotlib 绘图标记
Matplotlib 绘图标记
25 2
|
26天前
|
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。
|
1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。
58 5
|
1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。
61 5
|
1月前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
2月前
|
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。
73 17
|
2月前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
32 2
|
3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
36 7
|
2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。
112 3
|
3月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 9
在本教程中,我们将探讨如何使用 Matplotlib 的 `plot()` 方法中的 `marker` 参数来自定义图表标记。您可以选择不同的线类型(如实线 `'-'`、虚线 `':'` 等),以及颜色类型(如红色 `'r'`、绿色 `'g'` 等)。同时,通过调整 `markersize (ms)`、`markerfacecolor (mfc)` 和 `markeredgecolor (mec)` 参数,可以定制标记的大小和颜色。
34 1