Python数据可视化matplotlib.pyplot

Acceml 发布于2019-07-31 10:37 / 1054人阅读

摘要：删除数据点的轮廓设置每个坐标轴的取值范围使用颜色映射允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。

1.安装matplotlib

pip install matplotlib

2.绘制简单图形

import matplotlib.pyplot as plt

#图形输入值
input_values = [1,2,3,4,5]
#图形输出值
squares = [1,4,9,16,25]

#plot根据列表绘制出有意义的图形，linewidth是图形线宽，可省略
plt.plot(input_values,squares,linewidth=5)
#设置图标标题
plt.title("Square Numbers",fontsize = 24)
#设置坐标轴标签
plt.xlabel("Value",fontsize = 14)
plt.ylabel("Square of Value",fontsize = 14)
#设置刻度标记的大小
plt.tick_params(axis="both",labelsize = 14)
#打开matplotlib查看器，并显示绘制图形
plt.show()

3.绘制点

import matplotlib.pyplot as plt

#绘制散点图(传如一对x和y坐标，在指定位置绘制一个点)
plt.scatter(2,4)
#设置输出样式
plt.scatter(3,5,s=200)
plt.show()

4.绘制一系列的点

import matplotlib.pyplot as plt

x_values = [1,2,3,4,5]
y_values = [1,4,9,16,25]

plt.scatter(x_values,y_values,s=100)

plt.show()

5.自动计算数据

import matplotlib.pyplot as plt

x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]

plt.scatter(x_values,y_values,s=100)

#设置每个坐标轴的取值范围（x轴取值，y轴取值）
plt.axis([0,1100,0,1100000])
plt.show()

6.删除数据点的轮廓

import matplotlib.pyplot as plt

x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]

#matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。
#edgecolor="none"删除数据点的轮廓
plt.scatter(x_values,y_values,edgecolor="none", s=40)


#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()

7.自定义颜色c=""直接传颜色或元组都可以

import matplotlib.pyplot as plt

x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]

#matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。
#edgecolor="none"删除数据点的轮廓
plt.scatter(x_values, y_values,c="red", edgecolor="none", s=40)
# plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor="none", s=40)


#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()

8.使用颜色映射

import matplotlib.pyplot as plt

x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]

#matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。
#edgecolor="none"删除数据点的轮廓
plt.scatter(x_values, y_values,c=y_values,cmap=plt.cm.Blues, edgecolor="none", s=40)


#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()

9.自动保存图表

import matplotlib.pyplot as plt

x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]

#matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。
#edgecolor="none"删除数据点的轮廓
plt.scatter(x_values, y_values,c=y_values,cmap=plt.cm.Blues, edgecolor="none", s=40)


#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
# plt.show()
#参数1指定要以什么样的文件名保存图表，保存和代码的同目录下，第二个参数表示要将多余的空白区域剪掉，要保留空白区域，可省略第二个参数
plt.savefig("squares_plot.png",bbox_inches="tight")

10.随机漫步（绘制随机漫步图）

from random import choice

class RandomWalk(object):
    """一个生成随机漫步数据的类"""
    def __init__(self, num_points = 5000):
        """初始化随机漫步的属性"""
        #存储随机漫步次数的变量
        self.num_points = num_points
        #所有随机漫步都始于(0,0)
        #分别存储随机漫步经过的每个点的x和y坐标
        self.x_values = [0]
        self.y_values = [0]
        

    def fill_walk(self):
        """计算随机漫步包含的所有点"""

        #不断漫步，直到列表达到指定的长度
        while len(self.x_values) < self.num_points:
            #决定前进方向以及沿这个方向前进的距离
            x_direction = choice([1,-1])
            x_distance = choice([0,1,2,3,4])
            x_step = x_direction * x_distance
            
            y_direction = choice([1,-1])
            y_distance = choice([0,1,2,3,4])
            y_step = y_direction * y_distance

            #拒绝原地踏步
            if x_step == 0 and y_step == 0:
                continue

            #计算下一个点的x值和y值
            next_x = self.x_values[-1] + x_step
            next_y = self.y_values[-1] +y_step

            self.x_values.append(next_x)
            self.y_values.append(next_y)
        pass

绘制随机漫步图

import matplotlib.pyplot as plt

from random_walk import RandomWalk


#创建一个RandomWalk实例，并将其包含的点都绘制出来

rw = RandomWalk()

rw.fill_walk()

plt.scatter(rw.x_values,rw.y_values,s=15)
plt.show()

11.模拟多次随机漫步

import matplotlib.pyplot as plt

from random_walk import RandomWalk


#只要程序处于活动状态，就不断的模拟漫步

while True:
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk()
    rw.fill_walk()

    plt.scatter(rw.x_values,rw.y_values,s=15)
    plt.show()
    
    keep_running = input("Make another walk?(y/n)")
    if keep_running=="n":
        break

12.给点着色

import matplotlib.pyplot as plt

from random_walk import RandomWalk


#只要程序处于活动状态，就不断的模拟漫步

while True:
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk()
    rw.fill_walk()

    point_numbers = list(range(rw.num_points))

    plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor="none",s=15)
    plt.show()
    
    keep_running = input("Make another walk?(y/n)")
    if keep_running=="n":
        break

13.重新绘制起点和终点

import matplotlib.pyplot as plt

from random_walk import RandomWalk


#只要程序处于活动状态，就不断的模拟漫步

while True:
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk()
    rw.fill_walk()

    point_numbers = list(range(rw.num_points))

    plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors="none",s=15)
    
    #突出起点和终点
    plt.scatter(0,0,c="green",edgecolor="none",s=100)
    plt.scatter(rw.x_values[-1],rw.y_values[-1],c="red",edgecolors="none",s=100)

    plt.show()

    keep_running = input("Make another walk?(y/n)")
    if keep_running=="n":
        break

14.隐藏坐标轴

while True:
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk()
    rw.fill_walk()

    point_numbers = list(range(rw.num_points))

    plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors="none",s=15)
    
    #突出起点和终点
    plt.scatter(0,0,c="green",edgecolor="none",s=100)
    plt.scatter(rw.x_values[-1],rw.y_values[-1],c="red",edgecolors="none",s=100)

    #隐藏坐标轴
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)

    plt.show()

    keep_running = input("Make another walk?(y/n)")
    if keep_running=="n":
        break

15.增加点数（增加点数，将每个点的大小调小）

while True:
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk(50000)
    rw.fill_walk()

    point_numbers = list(range(rw.num_points))

    plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors="none",s=1)
    
    #突出起点和终点
    plt.scatter(0,0,c="green",edgecolor="none",s=100)
    plt.scatter(rw.x_values[-1],rw.y_values[-1],c="red",edgecolors="none",s=100)

    #隐藏坐标轴
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)

    plt.show()

    keep_running = input("Make another walk?(y/n)")
    if keep_running=="n":
        break

17.调整尺寸以适应屏幕

while True:
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk(50000)
    rw.fill_walk()

    #设置绘图窗口的尺寸
    #figure()用于指定图表的宽度，高度，分辨率黑背景色figsize需要指定一个元组，单位英寸,dpi是分辨率，可传可不传
    plt.figure(dpi=128,figsize=(10,6))

    point_numbers = list(range(rw.num_points))

    plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors="none",s=1)
    
    #突出起点和终点
    plt.scatter(0,0,c="green",edgecolor="none",s=100)
    plt.scatter(rw.x_values[-1],rw.y_values[-1],c="red",edgecolors="none",s=100)

    #隐藏坐标轴
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)

    plt.show()

    keep_running = input("Make another walk?(y/n)")
    if keep_running=="n":
        break

云服务器 GPU云服务器 python可视化包数据可视化工具数据可视化工具大数据数据可视化大数据数据可视化

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/44135.html

Python学习笔记：数据可视化(一)

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...

Crazy_Coder 2019-07-31 11:07 评论0 收藏0
Python--matplotlib绘图可视化知识点整理

摘要：本文作为学习过程中对一些常用知识点的整理，方便查找。所有绘图操作仅对当前图和当前坐标有效。表示把图标分割成的网格。每个对象都是一个拥有自己坐标系统的绘图区域。避免比例压缩为椭圆数据可视化入门教程绘图核心剖析如何调整子图的大小本文作为学习过程中对matplotlib一些常用知识点的整理，方便查找。强烈推荐ipython无论你工作在什么项目上，IPython都是值得推荐的。利用ipyt...

nifhlheimr 2019-07-25 10:22 评论0 收藏0
详解Python中matplotlib模块的绘图方式

　　matplotlib作为常见的可视化绘图工具，在工作当中，应用还是比较的广泛的，那么，我们要怎么使用python这门语言去进行绘图呢？下面就给大家详细解答下。　　1、matplotlib之父简介　　matplotlib之父John D.Hunter已经去世，他的一生辉煌而短暂，但是他开发的的该开源库还在继续着辉煌。国内介绍的资料太少了，查阅了一番整理如下：　　1968出身于美国的田纳西州代尔斯...

89542767 2022-11-13 23:00 评论0 收藏0
用 Matplotlib 库生成动画图表

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...

call_me_R 2019-07-31 10:20 评论0 收藏0
用 Matplotlib 库生成动画图表

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...

不知名网友 2019-06-26 18:54 评论0 收藏0