python数据分析基础002 -使用matplotlib绘图(散点图,条形图,直方图)

简介: python数据分析基础002 -使用matplotlib绘图(散点图,条形图,直方图)

文章目录🍇 前言

🍈(一)散点图的绘制

🥂1.设置字体

🍷2.设置图片大小

🍸3.设置x轴和y轴的数值

🍹4.使用scatter方法绘制散点图

🍺5.添加图例

🍻6.设置xy轴以及标题的描述信息

🥂7.设置xy的刻度

🥛8.添加水印

☕9.保存和展示

🥤10.源码及结果展示

🍉(二)条形图的绘制

🍋(三)直方图的绘制

🌸1.设置字体

🌹2.设置组距

🌺3.绘制直方图

🌻4.设置x轴的刻度

🌷5.设置xy以及标题说明

🥀6.添加网格(可选)

☘7.保存及展示

🌱8.源码及结果


🍒结语

🐚作者简介: 苏凉(在python路上)

🐳博客主页: 苏凉.py的博客

👑名言警句: 海阔凭鱼跃,天高任鸟飞。

📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!

👉关注✨点赞👍收藏📂

🍇 前言image.pngimage.png🍈(一)散点图的绘制

实例:image.png

🥂1.设置字体

image.png

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

🍷2.设置图片大小

plt.figure(figsize=(20,8),dpi=80)

🍸3.设置x轴和y轴的数值image.png

x_5 = range(1,32)
x_10 = range (41,72)
y_5 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,24,25,26]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,9,10,8,6]

🍹4.使用scatter方法绘制散点图

image.png

plt.scatter(x_5,y_5,label = '5月份')
plt.scatter(x_10,y_10,label = '10月份')

🍺5.添加图例

plt.legend(loc= "upper left", prop = my_font)

🍻6.设置xy轴以及标题的描述信息

plt.xlabel('时间',fontproperties = my_font)
plt.ylabel('温度',fontproperties = my_font)
plt.title('5月和10月气温变化散点图',fontproperties = my_font)

🥂7.设置xy的刻度

x_totle =list(x_5) + list(x_10)
x_ticks_label = ['5月{}日'.format(i) for i in x_5]
x_ticks_label += ['10月{}日'.format(i-40) for i in x_10]
# rotation设置描述信息的倾斜角度
plt.xticks(x_totle[::1],x_ticks_label[::1],fontproperties = my_font,rotation = 45)

🥛8.添加水印

plt.text(
    x = 25.5,y= 15,
    s = '苏凉.py' ,fontproperties = my_font,
    color = 'b' ,fontsize = 40,
    ha='center', va='center', alpha=0.09
)

☕9.保存和展示

plt.savefig('./散点图.png')
plt.show()

🥤10.源码及结果展示

from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置字体
my_font = font_manager.FontProperties(fname='./msyh.ttc')
# 设置图片大小
plt.figure(figsize=(20,8),dpi=80)
# 设置xy轴的数值
x_5 = range(1,32)
x_10 = range (41,72)
y_5 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,24,25,26]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,9,10,8,6]
# 使用scatter方法绘制散点图
plt.scatter(x_5,y_5,label = '5月份')
plt.scatter(x_10,y_10,label = '10月份')
# 添加图例
plt.legend(loc= "upper left", prop = my_font)
# 设置xy轴以及标题的描述信息
plt.xlabel('时间',fontproperties = my_font)
plt.ylabel('温度',fontproperties = my_font)
plt.title('5月和10月气温变化散点图',fontproperties = my_font)
# 设置xy的刻度
x_totle =list(x_5) + list(x_10)
x_ticks_label = ['5月{}日'.format(i) for i in x_5]
x_ticks_label += ['10月{}日'.format(i-40) for i in x_10]
# rotation设置描述信息的倾斜角度
plt.xticks(x_totle[::1],x_ticks_label[::1],fontproperties = my_font,rotation = 45)
# 添加水印
plt.text(
    x = 25.5,y= 15,
    s = '苏凉.py' ,fontproperties = my_font,
    color = 'b' ,fontsize = 40,
    ha='center', va='center', alpha=0.09
)
# 保存图片
plt.savefig('./散点图.png')
#展示图片
plt.show()

运行结果:

plt.bar(x_5,y_5,label = '5月份')
plt.bar(x_10,y_10,label = '10月份')

运行结果:image.png

🍉(二)条形图的绘制image.png

plt.bar(x_5,y_5,label = '5月份')
plt.bar(x_10,y_10,label = '10月份')

运行结果:

image.png

plt.barh(x_5,y_5,label = '5月份')
plt.barh(x_10,y_10,label = '10月份')

image.png

plt.yticks(x_totle[::1],x_ticks_label[::1],fontproperties = my_font)

运行结果:

🍋(三)直方图的绘制image.png

🌸1.设置字体

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

🌹2.设置组距

d = 7
num = max(x) - min(x)
numbins = num//7

🌺3.绘制直方图image.png

plt.hist(x,numbins)

🌻4.设置x轴的刻度

plt.xticks(range(min(x),max(x)+d,d))

🌷5.设置xy以及标题说明

plt.xlabel('范围',fontproperties = my_font)
plt.ylabel('个数' ,fontproperties = my_font)
plt.title('直方图',fontproperties = my_font)

🥀6.添加网格(可选)

plt.grid(color ='r' ,alpha = 0.2)

☘7.保存及展示

plt.savefig('./直方图.png')
plt.show()

🌱8.源码及结果

from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置字体
my_font = font_manager.FontProperties(fname= './msyh.ttc')
x = [10,15,9,20,15,45,65,25,15,78,65,32,32,45,65,10,9,45,85,74,62,54,62,74,65,45,10,102,105,102,105,107,45,65,95]
# 设置组距
d = 7
num = max(x) - min(x)
numbins = num//7
# 绘制直方图
plt.hist(x,numbins)
plt.xticks(range(min(x),max(x)+d,d))
plt.xlabel('范围',fontproperties = my_font)
plt.ylabel('个数' ,fontproperties = my_font)
plt.title('直方图',fontproperties = my_font)
# 添加表格
plt.grid(color ='r' ,alpha = 0.2)
plt.savefig('./直方图.png')
plt.show()

结果展示:

🍒结语image.png

相关文章
|
数据采集 数据可视化 数据挖掘
Python数据分析实战:Pandas处理结构化数据的核心技巧
在数据驱动时代,结构化数据是分析决策的基础。Python的Pandas库凭借其高效的数据结构和丰富的功能,成为处理结构化数据的利器。本文通过真实场景和代码示例,讲解Pandas的核心操作,包括数据加载、清洗、转换、分析与性能优化,帮助你从数据中提取有价值的洞察,提升数据处理效率。
649 3
|
数据采集 数据可视化 搜索推荐
Python数据分析全流程指南:从数据采集到可视化呈现的实战解析
在数字化转型中,数据分析成为企业决策核心,而Python凭借其强大生态和简洁语法成为首选工具。本文通过实战案例详解数据分析全流程,涵盖数据采集、清洗、探索、建模、可视化及自动化部署,帮助读者掌握从数据到业务价值的完整技能链。
1613 0
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
数据可视化 数据挖掘 大数据
基于python大数据的水文数据分析可视化系统
本研究针对水文数据分析中的整合难、分析单一和可视化不足等问题,提出构建基于Python的水文数据分析可视化系统。通过整合多源数据,结合大数据、云计算与人工智能技术,实现水文数据的高效处理、深度挖掘与直观展示,为水资源管理、防洪减灾和生态保护提供科学决策支持,具有重要的应用价值和社会意义。
|
存储 数据挖掘 大数据
基于python大数据的用户行为数据分析系统
本系统基于Python大数据技术,深入研究用户行为数据分析,结合Pandas、NumPy等工具提升数据处理效率,利用B/S架构与MySQL数据库实现高效存储与访问。研究涵盖技术背景、学术与商业意义、国内外研究现状及PyCharm、Python语言等关键技术,助力企业精准营销与产品优化,具有广泛的应用前景与社会价值。
|
机器学习/深度学习 数据采集 数据可视化
Python数据分析,别再死磕Excel了!
Python数据分析,别再死磕Excel了!
613 2
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。
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
567 2
|
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。
923 8

推荐镜像

更多