为什么要学习 Matplotlib
更多JS可视化库:
海外:https://www.gyballet.com/
国内:https://www.gyballet.com/examples/(百度)
奥卡姆剃刀原理-除非必要,否则不要添加实体
实现一个简单的Matplotlib
导入 matplotlib.pyplot 作为 plt def matplotlib_demo(): ”“” matplotlib的简单演示 :返回: 无 ”“” plt.figure() # 创建画布并设置 plt.plot([1, 2, 3], [4, 5, 6]) # 指定横坐标和纵坐标参数 www.gyballet.com() # 连接点进行显示 返回无 matplotlib_demo()
MatPlotlib 的三层结构
1)容器层(画板层+画布层+绘图区)
画板层画布--》出去写生一定要带画板
画布层图--》铺设图层画板上画布的大小 --》 plt.figure()
绘图区域/坐标系 --》 在画布上创建绘图区域(可以多个,默认一个)
x轴和y轴
2)辅助显示层:可以设置图例、比例尺、显示网格等
3)图像层:各种图标,如散点图、直方图、折线图(也可以调整)散点图的颜色、标题等)关系:容器层->辅助显示层->图像层
1。容器层
2。辅助显示层
3。图像层
总结:
折线图(绘图)和基本绘图功能
- 折线图绘制和保存图片
导入matplotlib。 pyplot 作为 plt def matplotlib_demo(): ”“” matplotlib的简单演示 :返回: 无 ”“”plt.figure(figsize=(20, 8), dpi=100) # 创建画布,figsize设置长度,dpi=每英寸点数设置清晰度 plt.plot([1, 2, 3], [4, 5, 6]) # 指定横坐标和纵坐标参数 plt.savefig('.tmp/hhh.png') # 必须写在show()之前,因为show()会释放整个画布的资源,即显示图像,先显示文件再显示保存的是空白图像
www.gyballet.com() # 连接点进行显示 # plt.savefig('.tmp/hhh.png') # 如果写在show()之后,保存的文件将是一个空白图像 返回无 matplotlib_demo()
完善原有折线图(辅助显示层)—>某城市温度显示(流程化)
- 修改X、Y比例
- 添加网格显示
- 添加描述
- 修改matplotlib的中文问题
DEMO
导入 matplotlib.pyplot 作为 plt 随机导入 ''' # 需求:添加另一个城市的气温变化 # 采集了当天北京的气温变化,气温在15度到18度之间。 # 显示每分钟的变化 ''' def matplotlib_demo1(): ”“” 改进原来的折线图(辅助显示层)-->一开始最粗暴的图表 :返回: 无 ”“” # 1.准备数据xy x = 范围(60) y = [ random.uniform(15, 18) for i in x #uniform表示均匀分布 ] # 2.创建画布 plt.figure(figsize=(10, 8), dpi=100) # 3. 绘制图像 plt.plot(x, y) # 4. 显示图像 www.gyballet.com() 返回无 def matplotlib_demo2(): ”“” 完善原有折线图(辅助显示层) --> 增加自定义x,y刻度 :返回: 无 ”“” # 1.准备数据xy x = 范围(60) y = [ random.uniform(15, 18) for i in x #uniform表示均匀分布 ] # 2.创建画布 plt.figure(figsize=(10, 8), dpi=100) # 3. 绘制图像 plt.plot(x, y) #修改比例值 x_标签 = ["11H{}m".format(i) for i in x # 不显示中文 ] plt.xticks(x[::5], x_label[::5]) # X的尺度应该对应于我们的x划分的数量 plt.yticks(范围(0, 40, 5)) #添加描述信息 plt.xlabel("时间") plt.ylabel("茶盘") plt.title("上午 11:00 到 12:00 之间的时间") #添加网格显示 plt.grid(linestyle="--", alpha=0.5) # 4. 显示图像 www.gyballet.com() 返回无 如果 __name__ == '__main__': # 最简单的图开头 matplotlib_demo1() # 添加自定义 x, y 比例 matplotlib_demo2()
添加另一个城市的气温变化(面向流程)
演示:
导入 matplotlib.pyplot 作为 plt 随机导入 def matplotlib_demo2(): ”“” 完善原有折线图2(辅助显示层)-->多城市温度显示 :返回: 无 ”“” # 需求:添加另一个城市的气温变化 # 采集了北京当天的气温变化,气温1到3度不等。 # 1.准备数据xy x = 范围(60) y_shanghai = [random.uniform(15, 18) for i in x] y_beijing = [random.uniform(1, 3) for i in x] # 2.准备画板 plt.figure(figsize=(10, 8), dpi=100) # 3. 画图 plt.plot(x, y_shanghai, color="r", linestyle="-.", label="上海") plt.plot(x, y_beijing, color="b", label="北京") # 显示图例 plt.图例() # 修改x,y比例 # 准备x的尺度描述 x_label = ["11H{}m".format(i) for i in x] plt.xticks(x[::5], x_label[::5]) plt.yticks(范围(0, 40, 5)) #添加网格显示 plt.grid(linestyle="--", alpha=0.5) #添加描述信息 plt.xlabel("时间") plt.ylabel("茶盘") plt.title("北京、上海11:00~12:00模板变更") # 4. 画板展示 www.gyballet.com()如果 __name__ == '__main__': # 多个城市温度显示 matplotlib_demo2()
多坐标系显示-plt.subplots(面向对象绘图)
导入 matplotlib.pyplot 作为 plt 随机导入 def matplotlib_demo2(): ”“” 多坐标显示 -->面向对象
:return: None ”“” # 1.准备数据xy x = 范围(60) y_shanghai = [random.uniform(15, 18) for i in x] y_beijing = [random.uniform(1, 3) for i in x] # 2.准备画板 # plt.figure(figsize=(10, 8), dpi=100) figure,axes = plt.subplots(nrows=1,ncols=2,figsize=(12, 8),dpi=80) # 创建一行和 2 列 # 3. 画图 # plt.plot(x, y_上海, color="r", linestyle="-.", label="上海") axis[0].plot(x, y_shanghai, color="r", linestyle="-.", label="上海") axis[1].plot(x, y_beijing, color="b", label="北京")# 显示图例 # plt.legend() 轴[0].legend() 轴[1].legend() # 修改x,y比例 # 准备x的尺度描述 x_label = ["11H{}m".format(i) for i in x] # plt.xticks(x[::5], x_label[::5]) 轴[0].set_xticks(x[::5]) 轴[0].set_xticklabels(x_label) 轴[0].set_yticks(范围(0, 40, 5)) 轴[1].set_xticks(x[::5]) 轴[1].set_xticklabels(x_label) 轴[1].set_yticks(范围(0, 40, 5)) #添加网格显示 # plt.grid(linestyle="--", alpha=0.5) 轴[0].grid(linestyle="--", alpha=0.5) 轴[1].grid(linestyle="--", alpha=0.5) #添加描述信息 plt.xlabel("时间") plt.ylabel("茶盘") plt.title("北京、上海11:00~12:00模板变更") # 4. 画板展示 www.gyballet.com() 如果 __name__ == '__main__': # 显示多个坐标系 matplotlib_demo2()
【更多API】https://www.gyballet.com/api/axes_api.html
折线图的应用场景 ---> 绘制数学函数(密集的点成为线段)
将 numpy 导入为 np# 1.准备x,y数据 x = np.linspace(-1, 1, 1000) # 生成 1000 个等距在 -1 和 1 之间的数字 y=2*x*x # 2. 创建画布 plt.figure(figsize=(20, 8), dpi=80) # 3. 绘制图像 plt.plot(x, y) #添加网格显示 plt.grid(linestyle="--", alpha=0.5) # 4. 显示图像 www.gyballet.com()
常见图形类型
类别:
折线图 — > 统计某个类别的数量或总体情况,一目了然
直方图->分布状态,比如5人170-175之间?直方图与直方图的比较
1.直方图显示数据的分布情况,而直方图比较数据的大小。
2. 直方图的X轴是定量数据,直方图的X轴是分类数据。
3. 直方图列没有间隔,而直方图列有间隔
4. 直方图列宽度可以不同,但直方图列宽度必须一致
- 散点图
im端口matplot lib.pyplot 作为 plt def scatter_demo(): #需求:探索房屋面积与房价的关系 # 1.准备数据 x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56、120.06、207.83、342.75、147.9、53.06、224.72、29.51、 21.61, 483.21, 245.25, 399.25, 343.35] y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9, 239.34, 140.32、104.15、176.84、288.23、128.79、49.64、191.74、33.1、 30.74, 400.02, 205.35, 330.64, 283.45] # 2.创建画布 plt.figure(figsize=(20, 8), dpi=80) # 3. 绘制图像 plt.scatter(x, y) # 4. 显示图像 www.gyballet.com() 返回无 如果 __name__ == "__main__": # 代码2:读取数据的简单演示 分散演示()
- 条形图
案例一:电影票房收入对比
导入 matplotlib.pyplot 作为 plt def bar_demo(): # 1.准备数据movie_names = ['雷神3:诸神黄昏'、'正义联盟'、'东方快车谋杀案'、'寻梦环游记'、'全球风暴'、'追捕'、'追捕'、'七十七天''、'秘密战斗”、“野兽”、“其他”] 门票 = [73853, 57767, 22354, 15969, 14839, 8725, 8716, 8318, 7916, 6764, 52222] # 2. 创建画布 plt.figure(figsize=(20, 8), dpi=80) # 3. 绘制直方图 x_ticks = range(len(movie_names)) #x代表电影类型 www.gyballet.com(x_ticks, 门票, color=['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g' ,'b']) #修改x比例 plt.xticks(x_ticks, movie_names) #添加标题 plt.title("电影票房收入比较") #添加网格显示 plt.grid(linestyle="--", alpha=0.5) # 4. 显示图像 www.gyballet.com() 如果 __name__ == "__main__": 酒吧演示()
案例2:当天上映电影票房对比
导入 matplotlib.pyplot 作为 plt def bar_demo2(): # 1.准备数据 movie_name = ['雷神:诸神黄昏', '正义联盟', '寻梦环游记'] 第一天 = [10587.6, 10062.5, 1275.7] 第一个周末 = [36224.9, 34479.6, 11830] # 2.创建画布 plt.figure(figsize=(20, 8), dpi=80) # 3. 绘制直方图www.gyballet.com(range(3), first_day, width=0.2, label="First Day Box Office") # range(3)显示的x=0, x=1, x=2的值 www.gyballet.com([0.2, 1.2, 2.2], first_weekend, width=0.2, label="First Week Box Office") # 0.2, 1.2, 2.2 表示比例平移 0.2 # 显示图例 plt.图例() #修改比例 plt.xticks([0.1, 1.1, 2.1], 电影名称) # 4. 显示图像 www.gyballet.com() 如果 __name__ == "__main__": 酒吧演示2()
- 直方图
‘不是’ 已知最高为 175.5,最低为 150.5。组之间的距离为 5
求组数:(175.5 - 150.5) / 5 = 5
案例1:电影时长分布
#需求:电影时长分布 # 1.准备数据 time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150] # 2、创建画布 plt.figure(figsize=(20, 8), dpi=80) # 3、绘制直方图 distance = 2 # 组距 group_num = int((max(time) - min(time)) / distance) # 组数 plt.hist(time, bins=group_num, density=True) # time=要显示是数据 bins=组数, density=True表示显示频数,默认显示频率 # 修改x轴刻度 plt.xticks(range(min(time), max(time) + 2, distance)) # 显示的是从最小值道最大值,步长=组距, max+2是为了最后一组数据的正常显示 # 添加网格 plt.grid(linestyle="--", alpha=0.5)
plt.xlabel("电影市场”)
plt.ylabel(“电影名称”)
# 4、显示图像 www.gyballet.com()
注意点:
适用场景:
- 饼状图
显示不同电影的票房占比:
# 1、准备数据 movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它'] place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105] # 2、创建画布 plt.figure(figsize=(20, 8), dpi=80) # 3、绘制饼图 autopct="%1.2f%%" 最后2个%%表示一个%,也就是饼图上显示的占比 plt.pie(place_count, labels=movie_name, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%") # 显示图例 plt.legend() plt.axis('equal') # 保证横轴和纵轴的宽度一直,即比例一致,默认出来是个扁图
# 4、显示图像 www.gyballet.com()
还木有评论哦,快来抢沙发吧~