摘要：首先引入和数据分析有关的库。然后使用读入数据。规定一个长为，宽为的画图区域。规定绘图区域大小指定五条折线的颜色添加图例到最佳显示位置添加子图绘制区域。分别指定轴，轴，图像名称。绘制直方图，指定绘制出数据的条数，指定直方图横坐标的取值范围。
matplotlib是python中的一个数据可视化库，可以做出很多数据统计图，下面来说一说matplotlib的一些基本使用。
1.首先引入和数据分析有关的库。
import pandas as pd import matplotlib.pyplot as plt import numpy as np
2.然后使用pandas读入数据。
3.fig = plt.figure(figsize=(m,n))：规定一个长为m，宽为n的画图区域。
4.plt.xlabel("")：规定横轴名称。
5.plt.ylabel("")：规定纵轴名称。
6.plt.title("")：规定图像名称。
7.plt.xticks(rotation=k)：将x轴的各标签旋转k度。
8.plt.legend(loc="best)：添加图例，loc为图例的位置，传入best系统会自动寻找最佳的图例位置。下图为绘制五条折线。
fig = plt.figure(figsize=(10,7)) #规定绘图区域大小
color = ["green","cyan","yellow","red","black"] #指定五条折线的颜色
plt.xlabel("Month")
plt.ylabel("Unemployment Rate")
plt.title("Unemployment Statics Trend,1948")
for i in range(5):
x = i*12
y = (i+1)*12
subset = unrate[x:y]
label = str(1948+i)
plt.plot(subset["MONTH"],subset["VALUE"],c=color[i],label=label)
plt.legend(loc="best") #添加图例到最佳显示位置
plt.show()
9.fig.add_subplot()：添加子图绘制区域。
fig = plt.figure(figsize=(10,8)) ax1 = fig.add_subplot(2,2,1) #指定子图位置 ax2 = fig.add_subplot(2,2,2) ax3 = fig.add_subplot(2,2,3) ax4 = fig.add_subplot(2,2,4) plt.show()
10.ax.set_xticks()：指定x轴绘图坐标。
11.ax.set_xticklabels()：指定x轴每个标签的名字。
12.ax.set_xlabel()、ax.set_ylabel()、ax.set_title()：分别指定x轴，y轴，图像名称。
num_cols = ["RT_user_norm", "Metacritic_user_nom", "IMDB_norm", "Fandango_Ratingvalue", "Fandango_Stars"]
bar_heights = norm_reviews.loc[0,num_cols].values
print(bar_heights)
bar_positions = np.arange(5)
print(bar_positions)
tick_positions = range(0,5)
fig,ax = plt.subplots(figsize=(10,8)) #用ax画图，fig控制区域
plt.bar(bar_positions,bar_heights,0.6) #0.6表示所画条形图每个图形的宽度
ax.set_xticks(tick_positions)
ax.set_xticklabels(num_cols,rotation=45)
ax.set_xlabel("Rating Source")
ax.set_ylabel("Average Rating")
ax.set_title("Average User Rating For Avengers:Age of Ultron(2015)")
plt.show()
13.如果要让条形图横着画，只需将绘制条形图的命令plt.bar()改为plt.barh()，如果有需要再重新指定一下自己所需的横纵坐标即可。
14.plt.scatter()：绘制散点图。
15.plt.hist(x,bins=k,range=(m,n))：绘制直方图，bins指定绘制出数据的条数，range()指定直方图横坐标的取值范围。
16.ax.boxplot()：绘制盒形图，盒形图可以直观的观察出数据的离群点，也就是不符合规范的数据，具体到seaborn库时会讲。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/19896.html
小编写这篇文章的一个主要目的，主要是来给大家去做一个相关的自我介绍，介绍关于python是怎么进行数学建模的，怎么使用Matpolibd呢？具体的使用方法是什么呢？下面就给大家详细的去做一个解答。 Matplotlib简介 #Matplotlib简介： ''' 使用Matplotlib在Python中创建图表【Matplotlib是用于创建图表的Python...
摘要：有一些表示常见图形的对象称为块，完整的集合位于。中的绘图函数在中，有行标签列标签分组信息。密度图通过计算可能会产生观测数据的连续概率分布的估计而产生的。在探索式数据分析工作中，同时观察一组变量的散布图是很有意义的。 我们在上一篇介绍了 pandas，本篇介绍 matplotlib。 绘图和可视化 一个用于创建出版质量图表的桌面绘图包。 Matplotlib API入门 Figure ...
摘要：当数据发生变化时，这种演变过程随之发生。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 showImg(https://segmentfault.com/img/bVbnkP1?w=751&h=558); python相关 基础概念 数据:离散的，客观事实的数字表示 信息：处理后的数据，为实际问题提供答案 - 为数据提供一种关系或一个关联后，数据就成了信...
动画是使可视化更具吸引力和用户吸引力的好方法。它帮助我们以有意义的方式展示数据可视化。Python 帮助我们使用现有的强大 Python 库创建动画可视化。Matplotlib是一个非常流行的数据可视化库，通常用于数据的图形表示以及使用内置函数的动画。 直接跳到末尾 去评论区领书 ? 在 Python 中创建条形图追赶动画（评论区送书） ? 方法一：使用 pause() 函数? 方法二：使用 F...
摘要：相对于静态图表，人类总是容易被动画和交互式图表所吸引。可以使用轻松生成图表直方图功率谱，条形图，错误图表，散点图等。然而，也有一些方面落后于同类的库。动画使用一组固定的对象。稍后将用数据对行对象进行填充。现在用将它们转换为动画。 翻译：疯狂的技术宅https://towardsdatascience.co... showImg(https://segmentfault.com/img...
摘要：相对于静态图表，人类总是容易被动画和交互式图表所吸引。可以使用轻松生成图表直方图功率谱，条形图，错误图表，散点图等。然而，也有一些方面落后于同类的库。动画使用一组固定的对象。稍后将用数据对行对象进行填充。现在用将它们转换为动画。 翻译：疯狂的技术宅https://towardsdatascience.co... showImg(https://segmentfault.com/img...
阅读 2578·2021-11-23 09:51
阅读 808·2021-09-24 10:37
阅读 3565·2021-09-02 15:15
阅读 1943·2019-08-30 13:03
阅读 1862·2019-08-29 15:41
阅读 2584·2019-08-29 14:12
阅读 1383·2019-08-29 11:19
阅读 3278·2019-08-26 13:39
