Python数据分析之matplotlib绘图详解
作者:是皮蛋瘦肉周 发布时间:2022-11-21 16:34:30
多子图
figure是绘制对象(可以理解为一个空白的画布),一个figure对象可以包含多个Axes子图,一个Axes是一个绘图区域,不加设置时,Axes为1,且每次绘图其实都是在figure上的Axes上绘图。
我们是在图形对象上面的Axes区域进行作画
1.add_axes():添加区域
2.Matplotlib定义一个axes类,该类的对象称为axes对象(即轴域对象),它指定一个有数值范围限制的绘图区域。再给定一个画布中,可以包含多个axes对象,但是同一个axes对象只能在一个画布中使用。
2D 绘制区域(axes)包含两个轴(axis)对象
语法:
add_axes(rect)
该方法用来生成一个axes轴域对象,对象的位置参数由参数rect决定。
rect是位置参数,接受一个由4个元素组成的浮点数列表,形如[left,bottom,width,height],它表示添加到画布中的矩形区域左下标(x,y),以及宽度和高度
fig=plt.figure(figsize=(4,2),facecolor='g')
#ax1从画布起始位置绘制,宽高和画布一致
ax1=fig.add_axes([0,0,1,1])
#ax2从画布20%的位置开始绘制,宽高是画布的50%
ax2=fig.add_axes([0.2,0.2,0.5,0.5])
ax3=fig.add_axes([0.0,0.5,0.5,0.5])
ax3.plot([1,2,3,4,6],[2,3,5,8,9])
ax1.plot([1,2,3,4,6],[2,3,5,8,9])
ax2.plot([1,2,3,4,6],[2,3,5,8,9])
注意:每个元素的值是画布宽度和高度的分数。即将画布的宽、高作为一个单位。比如,[0.2,0.2,0.5,0.5],它代表从画布20%的位置开始绘制,宽度是画布的50%
fig=plt.figure()
#创建区域1
ax1=fig.add_axes([0,0,1,1])
#区域1作画
plt.plot([1,2,3,4,6],[2,3,5,8,9])
#创建区域2
ax2=fig.add_axes([0.2,0.2,0.5,0.5])
#区域2作画
plt.plot([1,2,3,4,6],[2,3,5,8,9])
subplot():均等地划分画布,只是创建一个包含子图区域的画布(返回区域对象)
subplots():既创建一个包含子图区域的画布,又创建了一个figure的图形对象(返回图形对象和区域对象)
散点图
matplotlib.pyplot.scatter(s,y,s=None,marker=None,camp=None,norm=None,vmin=None,vmax=None,aipha=None,linewidths=None,edgecolors=None,plotnonfinite=False,data=None,*kwargs)
x,y散点坐标
s散点面积
c散点颜色(默认为蓝色,‘b’,其余颜色同plt.plot())
marker散点样式(默认为实心圆)
alpha散点透明度([0,1]之间的数,0表示完全透明,1表示完全不透明)
linewidths散点的边缘线宽
edgecolors散点的边缘颜色
camp(Colormap,默认None,标量是一个colormap的名字,只有c是一个浮点数组时才使用)
#x轴数据
x=np.array([1,2,3,4,5,6,7,8])
#y轴数据
y=np.array([]1,4,9,16,7,11,23,18)
#生成一个[0,1)之间的随机浮点数或N维浮点数组
print((20*np.random.rand(8)**2)
a=(20*np.random.rand(8))**2
plt.scatter(x,y,s)
plt.show()
自定义点的颜色和透明度
x=np.random.rand(50) #rand()生成一个[0,1)之间的随机浮点数或 N维浮点数组
#y轴数据
y=np.random.rand(50)
#生成一个浮点数组,取值范围,正态分布的随机样本数
s=(10*np.random.randn(50))**2
#颜色可以使用一组数字序列
#如只需要3中颜色
#color=np.resize(np.array([1,2,3]),100)
#颜色随机
color=np.random.rand(50)
plt.scatter(x,y,s,c=color.alpha=0.5![请添加图片描述](https://img-blog.csdnimg.cn/485575db5ab44419a8c885c2ed2fc7e6.jpeg)
)
水平柱状图
#引入Matplotlib
from matplotlib import pyplot as plt
import numpy as np
#设置中文字体
plt.rcParams['font.sans-serif']=['SimHei']
#中文负号
plt.rcParams['axes.unicode_minus']=False
#设置分辨率100
plt.rcParams['figure.dpi']=100
#设置大小
plt.rcParams['figure.figsize']=(5,3)
调用Matplptlib的barh()函数可以生成水平柱状图
barh()函数的用法与bar()函数的用法基本一样,只是在调用barh()函数使用y参数传入Y轴数据,使用width参数传入代表条柱 宽度的数据。
plt.barh(y,width,height=0.8,left=None,*,align=‘center’,**kwargs)
countries=['挪威','德国','中国','美国','瑞典']
#金牌个数
gold_medal=np.array([16,12,9,8,8])
#y轴为国家,宽度为奖牌个数
plt.barh(countries,width=gold_medal)
同位置柱状图
#国家
countries=['挪威','德国','中国','美国','瑞典']
#金牌个数
gold_metal=[16,12,9,8,8]
#银牌个数
silver_medal=[8,10,4,10,5]
#铜牌个数
bronze_metal=[13,5,2,7,5]
#1.将x轴转换为数值x=np.arange(len(countries))
print(x)
#2.设置图像宽度
width=0.2
#=======确定x起始位置=====
#金牌起始位置
gold_x=x
#银牌起始位置
sliver_x=x+width
#铜牌起始位置
bronze_x=x+2*width
#==============分别绘制图形
#金牌图形
plt.bar(gold_x,gold_medal,width=width,color='gold')
#银牌图形
plt.bar(silver_x,silver_medal,width=width,color='silver')
#铜牌图形
plt.bar(bronze_x,bronze_medal,width=width,color='saddlebrown')
#=====将x轴的坐标变回来
#注意x标签的位置居中
plt.xticks(x+width,labels=countries)
#------显示高度文本-------
for i in range(len(countries)):
#金牌文本设置
plt.text(gold_x[i],gold_medal[i],va="bottom",ha="center")
plt.text(silver_x[i],silver_medal[i],va="bottom",ha="center")
plt.text(bronze_x[i],bronze_medal[i],va="bottom",ha="center")
来源:https://blog.csdn.net/weixin_66610130/article/details/127039679
猜你喜欢
- 本文实例为大家分享了Python实现k-means算法的具体代码,供大家参考,具体内容如下这也是周志华《机器学习》的习题9.4。 数据集是西
- pyc的破解相对容易,使用cython将python文件编译成.so文件,能在一定程度上增强python源码的私密性。编译成.so文件环境准
- 异常的参数一个异常可以带上参数,可作为输出的异常信息参数。你可以通过except语句来捕获异常的参数,如下所示:变量接收的异常值通常包含在异
- 一段非常简单代码普通调用方式def console1(a, b): print("进入函数")
- 在某些特殊情况下,我们的 Python 脚本需要调用父目录下的其他模块。例如:在编写 GNE 的测试用例时,有一个脚本 generate_n
- 在Python中我们主要是通过thread和threading这两个模块来实现的,其中Python的threading模块是对thread做
- Selenium简介Selenium是一个用于测试网站的自动化测试工具,支持各种浏览器包括Chrome、Firefox、Safari等主流界
- 引言层次聚类是一种构建聚类层次结构的聚类算法。该算法从分配给它们自己的集群的所有数据点开始。然后将两个最近的集群合并到同一个集群中。最后,当
- 在用到编辑器时,就会碰到一点,那就是标签的闭合问题,这个问题非常严峻,因为这可能会导致网页显示的整体样式受到破坏。这最近在PJ的functi
- Python画图主要用到matplotlib这个库。Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的
- Juan Pablo De Gregorio 的 原文很多人都问我如何为一本杂志、一份报纸、一张海报、一份简报或是一份出版物选择
- 实例如下:# bytes object b = b"example" # str object s = "ex
- TensorFlow的日志级别分为以下三种:TF_CPP_MIN_LOG_LEVEL = 1 //默认设置,为显示所有信息TF_CPP_MI
- 水球图水球图首先是动态的效果,像水流一样波动,所以看起来比较的舒服,一般用于业务里面的完成率,其实和之前的仪表盘有点类似,但是我个人绝对水球
- 在使用 SQL Server 的过程中,用户遇到的最多的问题莫过于连接失败了。一般而言,有以下两种连接 SQL Server 的方式,一是利
- 做机器学习的一定对支持向量机(support vecto
- 首先来看看这个php字符串替换函数 strtr()的两种用法:strtr(string,from,to) 或者strtr(string,ar
- numpy之sum()sum(a)默认为对输入参数中的所有元素进行求和>>> aarray([ 0, 1, &
- 【原理介绍】通过NETCONF,网管能够用可视化的界面统一管理网络中的设备,并且安全性高、可靠性强、扩展性强。如下图所示,网管与网络中的所有
- 总结调试网站获取cookies时请查看,r.header和r.request.header这两个属性,因为cookie说不准出现在他们俩谁里