python數(shù)據(jù)可視化plt庫實例詳解
先看下jupyter和pycharm環(huán)境的差別
左邊是jupyter----------------------------------------------------------右邊是pycharm

以下都是使用pycharm環(huán)境
1.一個窗口畫出一個線性方程
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 從0到1,個數(shù)為11的等差數(shù)列 print(x) y = 2*x plt.plot(x,y) plt.show()

2.兩個窗口分別畫出一個線性方程
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 從0到1,個數(shù)為11的等差數(shù)列 y1 = 2*x y2 = 3*x # 一個figure就是一個窗口 plt.figure() plt.plot(x,y1) # 一個figure就是一個窗口 plt.figure() plt.plot(x,y2) # 顯示 plt.show()

3.一個窗口畫出兩個線性方程
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 從0到1,個數(shù)為11的等差數(shù)列 y1 = 2*x y2 = 3*x # 一個figure就是一個窗口 plt.figure() plt.plot(x,y1) plt.plot(x,y2) # 顯示 plt.show()

4.定義畫圖的樣式
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 從0到1,個數(shù)為11的等差數(shù)列 y = 2*x # 一個figure就是一個窗口 plt.figure(num=1) plt.plot(x,y) plt.figure(num=2) # color是線條的顏色 plt.plot(x,y,color='red') plt.figure(num=3) # linestyle 是線條的樣式 plt.plot(x,y,linestyle='--') plt.figure(num=4) # linewidth 是線條的寬度 plt.plot(x,y,linewidth=3) # 顯示 plt.show()

5.設置xy軸的范圍,標簽,刻度
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 從0到1,個數(shù)為11的等差數(shù)列
y = 2*x
plt.figure(num=1)# 這里是figure1
plt.plot(x,y)
plt.figure(num=2)# 這里是figure2
plt.plot(x,y)
plt.xlim(0,3)# 設置x軸范圍
plt.ylim(0,3)# 設置y軸范圍
plt.xlabel('this is x')# 設置x軸標簽
plt.ylabel('this is y')# 設置y軸標簽
plt.figure(num=3)# 這里是figure3
plt.plot(x,y)
# 設置x軸刻度
x_ticks = np.linspace(1,3,3)
plt.xticks(x_ticks)
plt.figure(num=4)# 這里是figure4
plt.plot(x,y)
plt.ylim(0,3)# 設置y軸范圍
plt.yticks([1,2],['bad','good'])# 設置y軸刻度
# 顯示
plt.show()

6.設置圖例
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,11)# 從0到1,個數(shù)為11的等差數(shù)列 y1 = 2*x y2 = 3*x plt.figure() plt.plot(x,y1,label='y1') plt.plot(x,y2,label='y2') plt.legend() # 顯示 plt.show()

7.散點圖
import numpy as np import matplotlib.pyplot as plt x = np.random.randint(0,50,1024) y = np.random.randint(0,50,1024) plt.scatter(x,y,s=20) # 隱藏 x 軸刻度 plt.xticks(()) # 顯示 plt.show()

8.柱狀圖
import numpy as np import matplotlib.pyplot as plt n = 6 x = np.arange(n) print(x) # 生成6個數(shù),這6個數(shù)在0到1正態(tài)分布 y = np.random.uniform(0,1,n) print(y) plt.bar(x,y) # 顯示 plt.show()

9.柱狀圖顯示高度
import numpy as np
import matplotlib.pyplot as plt
n = 6
X = np.arange(n)
Y = np.random.uniform(0,1,n)
plt.figure(num=1)
plt.bar(X,Y)
for x,y in zip(X,Y):
plt.text(x,y,y)
plt.figure(num=2)
plt.bar(X,Y)
for x,y in zip(X,Y):
plt.text(x,y,"%.2f"%y)
plt.figure(num=3)
plt.bar(X,Y)
for x,y in zip(X,Y):
plt.text(x,y,"%.2f"%y,ha='center')
plt.figure(num=4)
plt.bar(X,Y)
for x,y in zip(X,Y):
plt.text(x,y+0.01,"%.2f"%y,ha='center')
# 顯示
plt.show()

10.等高線圖
import numpy as np
import matplotlib.pyplot as plt
def f(X,Y):
return X+Y
n = 256
x = np.linspace(0,3,n)
y = np.linspace(0,3,n)
X,Y=np.meshgrid(x,y)
plt.figure()
plt.contourf(X,Y,f(X,Y),4,cmap=plt.cm.hot)
plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
plt.contour(X,Y,f(X,Y),9)
plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
C = plt.contour(X,Y,f(X,Y),9)
plt.clabel(C,inline=True)
# 顯示
plt.show()

11.一個窗口多個子圖
import matplotlib.pyplot as plt plt.figure() # 兩行兩列的第一個位置,不加逗號也可以 plt.subplot(2,2,1) plt.plot([0,1],[0,1]) # 兩行兩列的第二個位置,不加逗號也可以 plt.subplot(2,2,2) plt.plot([0,2],[0,2]) # 兩行兩列的第三個位置,不加逗號也可以 plt.subplot(223) plt.plot([0,3],[0,3]) # 兩行兩列的第四個位置,不加逗號也可以 plt.subplot(224) plt.plot([0,4],[0,4]) plt.figure() # 兩行兩列的第一個位置,不加逗號也可以 plt.subplot(2,1,1) plt.plot([0,1],[0,1]) # 兩行兩列的第二個位置,不加逗號也可以 plt.subplot(2,3,4) plt.plot([0,2],[0,2]) # 兩行兩列的第三個位置,不加逗號也可以 plt.subplot(235) plt.plot([0,3],[0,3]) # 兩行兩列的第四個位置,不加逗號也可以 plt.subplot(236) plt.plot([0,4],[0,4]) # 顯示 plt.show()

12.常用子圖顯示
plt.figure(figsize=(20,10))
for i in range(40):
plt.subplot(4,10,i+1)
plt.xticks()
plt.yticks()
plt.grid(False)
plt.imshow(train_images[i],cmap=plt.cm.binary_r)
plt.title(train_labels[i])
plt.show()

13.格子布局放置子圖
import matplotlib.pyplot as plt
plt.figure()
# 三行三列的布局,從0行0列開始,占一行三列
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax1.plot([0,1],[0,1])
ax1.set_title('this is ax1')
# 三行三列的布局,從1行0列開始,占一行兩列
ax2 = plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
# 三行三列的布局,從1行2列開始,占兩行一列
ax3 = plt.subplot2grid((3,3),(1,2),colspan=1,rowspan=2)
# 三行三列的布局,從2行0列開始,占一行一列
ax4 = plt.subplot2grid((3,3),(2,0),colspan=1,rowspan=1)
# 三行三列的布局,從2行1列開始,占一行一列
ax5 = plt.subplot2grid((3,3),(2,1),colspan=1,rowspan=1)
# 顯示
plt.show()

以上就是python可視化數(shù)據(jù)plt庫實例的詳細內(nèi)容,更多關于python可視化數(shù)據(jù)plt庫的資料請關注腳本之家其它相關文章!
- 利用Python進行數(shù)據(jù)可視化的實例代碼
- python數(shù)據(jù)可視化之matplotlib.pyplot基礎以及折線圖
- 淺談哪個Python庫才最適合做數(shù)據(jù)可視化
- 學會Python數(shù)據(jù)可視化必須嘗試這7個庫
- Python中seaborn庫之countplot的數(shù)據(jù)可視化使用
- python實現(xiàn)股票歷史數(shù)據(jù)可視化分析案例
- Python數(shù)據(jù)可視化之基于pyecharts實現(xiàn)的地理圖表的繪制
- Python爬蟲實戰(zhàn)之爬取京東商品數(shù)據(jù)并實實現(xiàn)數(shù)據(jù)可視化
- Python數(shù)據(jù)可視化之用Matplotlib繪制常用圖形
- Python數(shù)據(jù)可視化之繪制柱狀圖和條形圖
- python用pyecharts實現(xiàn)地圖數(shù)據(jù)可視化
- python數(shù)據(jù)可視化 – 利用Bokeh和Bottle.py在網(wǎng)頁上展示你的數(shù)據(jù)
相關文章
Django實現(xiàn)靜態(tài)文件緩存到云服務的操作方法
這篇文章主要介紹了Django實現(xiàn)靜態(tài)文件緩存到云服務的操作方法,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-08-08
python命令行參數(shù)argparse模塊基本用法詳解
argparse?是python自帶的命令行參數(shù)解析包,可以用來方便地讀取命令行參數(shù),這篇文章主要介紹了python命令行參數(shù)-argparse模塊基本用法,需要的朋友可以參考下2023-01-01
Python基于gevent實現(xiàn)高并發(fā)代碼實例
這篇文章主要介紹了Python基于gevent實現(xiàn)高并發(fā)代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-05-05
Python編程實現(xiàn)刪除VC臨時文件及Debug目錄的方法
這篇文章主要介紹了Python編程實現(xiàn)刪除VC臨時文件及Debug目錄的方法,涉及Python針對文件與目錄的遍歷、刪除等相關操作技巧,需要的朋友可以參考下2017-03-03

