Loading [MathJax]/jax/input/TeX/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >matplotlib图形的绘制

matplotlib图形的绘制

作者头像
用户8346838
发布于 2021-03-10 12:29:44
发布于 2021-03-10 12:29:44
2.3K00
代码可运行
举报
文章被收录于专栏:KevinKevin
运行总次数:0
代码可运行

matplotlib是Python编程语言及其数值数学扩展包 NumPy的可视化操作界面。它利用通用的图形用户界面工具包,如Tkinter, wxPython, QtGTK+,向应用程序嵌入式绘图提供了应用程序接口API)。此外,matplotlib还有一个基于图像处理库(如开放图形库OpenGL)的pylab接口,其设计与MATLAB非常类似--尽管并不怎么好用SciPy就是用matplotlib进行图形绘制。

与MATLAB的比较

pyplot是matplotlib的一个模块,它提供了一个类似MATLAB的接口。 matplotlib被设计得用起来像MATLAB,具有使用Python的能力。免费是其优点

与 Gnuplot的比较

gnuplot和matplotlib都是成熟的开源项目。 它们都可以产生多种不同绘图类型。 虽然很难指定一种某人能做而他人不能做的图形类型,但它们仍然具有不同的优点和缺点:

优点

缺点

Matplotlib

带有内置代码的默认绘图样式与Python的深度集成Matlab风格的编程接口(对一些人来说是优点,但对于其他人来说可能是缺点)。图形绘制相较Gnuplot更加美观

高度依赖其他包,如Numpy。只适用于Python:很难/不可能在Python以外的语言中使用。 (但可以从Julia通过PyPlot软件包使用)

Gnuplot

跨语言解决方案:可以用作通过管道或文件以不同语言编写的应用程序(例如GNU Octave,Maxima,JavaGnuplotHybrid)中的绘图引擎。独立程序:没有外部依赖。处理大型数据集时非常快。更容易操纵绘图细节

旧的默认绘图样式:通常需要小的调整以产生有吸引力的图。在开发中活跃成员的数量较少(与Matplotlib相比)。

  • 带有内置代码的默认绘图样式
  • 与Python的深度集成
  • Matlab风格的编程接口(对一些人来说是优点,但对于其他人来说可能是缺点)。
  • 图形绘制相较Gnuplot更加美观
  • 高度依赖其他包,如Numpy。
  • 只适用于Python:很难/不可能在Python以外的语言中使用。 (但可以从Julia通过PyPlot软件包使用)

Gnuplot

  • 跨语言解决方案:可以用作通过管道或文件以不同语言编写的应用程序(例如GNU Octave,Maxima,JavaGnuplotHybrid)中的绘图引擎。
  • 独立程序:没有外部依赖。
  • 处理大型数据集时非常快。
  • 更容易操纵绘图细节
  • 旧的默认绘图样式:通常需要小的调整以产生有吸引力的图。
  • 在开发中活跃成员的数量较少(与Matplotlib相比)。

matplotlib 三层架构

1.Backend层 后端

处理底层的实际绘制 Canvas(画布类)

2.Artist 美工

figure:画板

axes:绘制区域

3.scripting 脚本

坐标轴,线等实际的绘制

matplotlib图形的绘制

将数据进行可视化,更直观的呈现

使数据更加客观、更具说服力

折线图 plt.plot()

用来展示数据的变化趋势

(两张图放在同一个画布中)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 导入matplotlib.pyplot
import matplotlib.pyplot as plt
# 设置图片大小 长高和清晰度 figsize为元组 长和高 dpi是代表清晰度
plt.figure(figsize=(20,8),dpi=100)
# 指定X轴数据
x1 = [1,2,3,4,5,6,7]
# 指定Y轴数据
y1 = [1,5,6,3,8,4,8]
y2 = [2,7,7,6,8,9,9]
# 绘制折线图  color 线条颜色  linestyle 线条样式  label 线条标签  linewidth 线条宽度 marker 节点显示类型 markerfacecolor 节点颜色 markersize 节点大小
plt.plot(x1,y1,color="y",linestyle="--",label="我的折线图",linewidth=2,marker="o",markerfacecolor='blue',markersize=10)
plt.plot(x1,y2,color="b",label="他的折线图",linewidth=3,marker="o",markerfacecolor="k",markersize=10)
# 自定义刻度 x轴
xticks = ["1月","2月","3月","4月","5月","6月","7月"]
# rotation代表刻度字的倾斜度
plt.xticks(x1,xticks,rotation=45)# 设置坐标刻度值的大小以及刻度值的字体
# 设置x轴y轴以及标题的字体大小
fontdict = {'weight': 'normal','size': 30}
# 横坐标描述
plt.xlabel('month',fontdict=fontdict)
# 纵坐标描述
plt.ylabel('result',fontdict=fontdict)
# 标题
plt.title("my result",fontdict=fontdict)
# 设置XY轴刻度字体的大小
plt.tick_params(labelsize=20)
# 坐标轴上显示具体的数据
for a, b in zip(x1, y1):
    plt.text(a, b, b, ha='center', va='bottom', fontsize=30)
# 坐标轴上显示具体的数据
for a, b in zip(x1, y2):
    plt.text(a, b, b, ha='center', va='bottom', fontsize=30)
# 指定标签的位置 loc 0代表最佳位置
plt.legend(loc=0,fontsize=20)
# 显示图片
plt.show()

两张图放置在不同的画布中

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 导入matplotlib.pyplot
import matplotlib.pyplot as plt
# 开启字画布 nrows 代表行 ncols 代表列 figsize 画布大小  dpi 清晰度
fig,axes = plt.subplots(nrows=2,ncols=3,figsize=(30,10),dpi=100)
#调整整体空白
fig.tight_layout()
#调整子图间距
plt.subplots_adjust(wspace =0.2, hspace =0.5)
# 指定X轴数据
x1 = [1,2,3,4,5,6,7]
# 指定Y轴数据
y1 = [1,5,6,3,8,4,8]
y2 = [2,7,7,6,8,9,9]
# 设置x轴y轴以及标题的字体大小
fontdict = {'weight': 'normal','size': 30}


# 定义函数,将相同设置的放入同一个函数
def setAxes(axe,y,obj,x1):
    #指定绘图区域
    plt.sca(axe)
    # 指定标签的位置 loc 0代表最佳位置
    plt.legend(loc=0,fontsize=20)
    # 坐标轴上显示具体的数据
    for a, b in zip(x1, y):
        plt.text(a, b, b, ha='center', va='bottom', fontsize=30)
    # 自定义刻度 x轴
    xticks = ["1月","2月","3月","4月","5月","6月","7月"]
    plt.xticks(x1,xticks)
    # 横坐标描述
    plt.xlabel('month',fontdict=fontdict)
    # 纵坐标描述
    plt.ylabel('result',fontdict=fontdict)
    # 标题
    plt.title("{}'s result".format(obj),fontdict=fontdict)
    # 增加对高点
    plt.annotate(
        '',  # 显示字符串
        xy=(x1[y.index(max(y))], max(y)),  # 箭头位置
        xytext=(x1[y.index(max(y))] + 0.5,max(y)-1),  # 文本位置
        arrowprops=dict(facecolor='red', shrink=0.1, width=2)  # facecolor:箭头颜色;shrink:箭头的起始和结束位置两侧的空白大小;width:箭头宽度
    )
    # 对文本进行设置
    plt.text(x1[y.index(max(y))]+0.5, max(y)-1, '最高点', fontsize=20, style='italic',color='mediumvioletred')
    # 设置XY轴刻度字体的大小
    plt.tick_params(labelsize=20)
    
    
# 绘制折线图
axes[0,0].plot(x1,y1,color="b",linestyle="-.",label="A的折线图",linewidth=2,marker="o",markerfacecolor='blue',markersize=10)
axes[0,1].plot(x1,y2,color="y",linestyle="-",label="B的折线图",linewidth=3,marker="o",markerfacecolor="k",markersize=10)
axes[0,2].plot(x1,y1,color="k",linestyle="--",label="C的折线图",linewidth=2,marker="o",markerfacecolor='blue',markersize=10)
axes[1,0].plot(x1,y2,color="g",linestyle=":",label="D的折线图",linewidth=3,marker="o",markerfacecolor="k",markersize=10)
axes[1,1].plot(x1,y1,color="c",linestyle="-.",label="E的折线图",linewidth=2,marker="o",markerfacecolor='blue',markersize=10)
axes[1,2].plot(x1,y2,color="r",linestyle="-.",label="F的折线图",linewidth=3,marker="o",markerfacecolor="k",markersize=10)


# 调用函数进行相关的设置
setAxes(axes[0,0],y1,"A",x1)
setAxes(axes[0,1],y2,"B",x1)
setAxes(axes[0,2],y1,"C",x1)
setAxes(axes[1,0],y2,"D",x1)
setAxes(axes[1,1],y1,"E",x1)
setAxes(axes[1,2],y2,"F",x1)

# 图片中的名称
fig.text(0.4, 0.5, "matplotlib折线图",fontsize=40,color='gray',alpha=0.4)

# 保存图片 格式  png  jpg  svg(s矢量图)
plt.savefig("a.png")

# 显示图片
plt.show()

散点图 plt.scatter()

数据的离散聚合程度

不同条件(维度)之间的内在关联关系

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 导入matplotlib.pyplot
import matplotlib.pyplot as plt
# 设置图片大小 长高和清晰度 figsize为元组 长和高 dpi是代表清晰度
plt.figure(figsize=(20,8),dpi=100)
# 指定X轴数据
x1 = range(1,32)
x2 = range(51,82)
# 指定Y轴数据
y1 = [11,15,16,9,12,18,14,20,14,17,18,21,12,15,14,17,18,29,16,17,10,17,15,16,15,21,21,26,23,27,22]
y2 = [21,26,25,20,21,29,16,19,17,16,17,19,22,18,17,26,21,16,17,15,11,15,5,13,17,9,11,18,12,18,6]

# 绘制散点图
plt.scatter(x1,y1,label="五月份",color="r")
plt.scatter(x2,y2,label="八月份",color="k")
# 更换坐标轴显示的刻度
xticks =["5月{}日".format(i) for i in x1]
xticks +=["8月{}日".format(i) for i in x1]
plt.xticks((list(x1)+list(x2))[::3],xticks[::3],rotation=45)
# 设置x轴y轴以及标题的字体大小
fontdict = {'weight': 'normal','size': 30}
# 横坐标描述
plt.xlabel('月份',fontdict=fontdict)
# 纵坐标描述
plt.ylabel('温度',fontdict=fontdict)
# 标题
plt.title("五月和八月气温的分布情况",fontdict=fontdict)
# 设置XY轴刻度字体的大小
plt.tick_params(labelsize=15)
# 设置标注信息
plt.legend(loc=0)
# 显示图形
plt.show()

柱状图

基本柱状图

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 基本柱状图
# 导入matplotlib.pyplot包
import matplotlib.pyplot as plt
# 设置图片大小 和 图片清晰度
plt.figure(figsize=(30,10),dpi=100)
# X轴坐标 以及X轴坐标对应的刻度
x = [1,2,3,4,5,6,7]
xticks = ["Mon","Tue","Wed","Thu","Fri","Sat","Sun"]
# y轴刻度
y = [24,25,25,27,29,30,19]
# 绘制柱状图
plt.bar(x,y,width=0.3,color="r")
plt.xticks(x,xticks)
# 设置x轴y轴以及标题的字体大小
fontdict = {'weight': 'normal','size': 25}
# 横坐标描述
plt.xlabel('一周',fontdict=fontdict)
# 纵坐标描述
plt.ylabel('温度(单位:摄氏度))',fontdict=fontdict)
# 标题
plt.title("这一周每天的温度情况",fontdict=fontdict)
# 设置XY轴刻度字体的大小
plt.tick_params(labelsize=25)
# 显示Y轴的具体数据
for a,b in zip(x,y):
    plt.text(a, b, b, ha='center', va='bottom', fontsize=30)
plt.show()

堆叠柱状图

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 堆叠柱状图
# 导入matplotlib.pyplot包
import matplotlib.pyplot as plt
# 设置图片大小 和 图片清晰度
plt.figure(figsize=(30,10),dpi=100)
# X轴坐标 以及X轴坐标对应的刻度
x = [1,2,3,4,5,6,7]
xticks = ["Mon","Tue","Wed","Thu","Fri","Sat","Sun"]
# y轴刻度
y1 = [240,250,250,270,290,300,190]
y2 = [240,220,230,290,260,310,200]
# 绘制柱状图
plt.bar(x,y1,width=0.3,fc="r",label="这周每天的收入")
plt.bar(x,y2,width=0.3,fc="y",label="上周每天的收入",bottom=y1,tick_label=xticks)
# 设置x轴y轴以及标题的字体大小
fontdict = {'weight': 'normal','size': 25}
# 横坐标描述
plt.xlabel('一周',fontdict=fontdict)
# 纵坐标描述
plt.ylabel('收入(单位:元)',fontdict=fontdict)
# 标题
plt.title("每天的收入情况",fontdict=fontdict)
# 设置XY轴刻度字体的大小
plt.tick_params(labelsize=25)
# 显示标注位置
plt.legend(loc=0,fontsize=20)
# 显示Y轴的具体数据
for a,b in zip(x,y1):
    plt.text(a, b, b, ha='center', va='bottom', fontsize=25)

# 显示Y轴的具体数据
for a,b in zip(x,y2):
    plt.text(a, b + y1[y2.index(b)], b + y1[y2.index(b)], ha='center', va='bottom', fontsize=25)
plt.show()

并列柱状图

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 并列柱状图
# 导入matplotlib.pyplot包
import matplotlib.pyplot as plt
# 设置图片大小 和 图片清晰度
plt.figure(figsize=(30,10),dpi=100)
# X轴坐标 以及X轴坐标对应的刻度
width = 0.3  # 准状图的宽度
x1 = [1,2,3,4,5,6,7]
x2 = [i+width for i in x1]
xticks = ["Mon","Tue","Wed","Thu","Fri","Sat","Sun"]
# y轴刻度
y1 = [240,250,250,270,290,300,190]
y2 = [240,220,230,290,260,310,200]
# 绘制柱状图
plt.bar(x1,y1,width=width,fc="r",label="这周每天的收入")
# 增加底部的是y1
plt.bar(x2,y2,width=width,fc="y",label="上周每天的收入",tick_label=xticks)
# 设置x轴y轴以及标题的字体大小
fontdict = {'weight': 'normal','size': 25}
# 横坐标描述
plt.xlabel('一周',fontdict=fontdict)
# 纵坐标描述
plt.ylabel('收入(单位:元)',fontdict=fontdict)
# 标题
plt.title("每天的收入情况",fontdict=fontdict)
# 设置XY轴刻度字体的大小
plt.tick_params(labelsize=25)
# 显示标注位置
plt.legend(loc=0,fontsize=20)
# 显示Y轴的具体数据
for a,b in zip(x1,y1):
    plt.text(a, b, b, ha='center', va='bottom', fontsize=25)

# 显示Y轴的具体数据
for a,b in zip(x2,y2):
    plt.text(a, b, b, ha='center', va='bottom', fontsize=25)
plt.show()

条形柱状图

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 条形柱状图
# 导入matplotlib.pyplot包
import matplotlib.pyplot as plt
# 设置图片大小 和 图片清晰度
plt.figure(figsize=(30,10),dpi=100)
# X轴坐标 以及X轴坐标对应的刻度
x = [1,2,3,4,5,6,7]
xticks = ["Mon","Tue","Wed","Thu","Fri","Sat","Sun"]
# y轴刻度
y = [24,25,25,27,29,30,19]
# 绘制柱状图
plt.barh(x,y,color="r")
plt.yticks(x,xticks)
# 设置x轴y轴以及标题的字体大小
fontdict = {'weight': 'normal','size': 25}
# 横坐标描述
plt.ylabel('一周',fontdict=fontdict)
# 纵坐标描述
plt.xlabel('温度(单位:摄氏度))',fontdict=fontdict)
# 标题
plt.title("这一周每天的温度情况",fontdict=fontdict)
# 设置XY轴刻度字体的大小
plt.tick_params(labelsize=25)
# 显示Y轴的具体数据
for a,b in zip(x,y):
    plt.text(b, a, b, ha='center', va='bottom', fontsize=30)
plt.show()

直方图

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 直方图
# 设置图片大小  清晰度
plt.figure(figsize=(30,8),dpi=100)
# x轴数据
a=[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]
# 组距
d = 5
# 需要分成多少组  既可以传多少个组  可以传入每个坐标的节点
num = (max(a)-min(a))//d + 1 if (max(a)-min(a))%d==0 else (max(a)-min(a))//d + 2
# x轴的区间划分
bin = [min(a)+d*i for i in range(num)]
# 直方图
plt.hist(a,bin)
plt.xticks(bin)
plt.tick_params(labelsize=20)
fontdict = {'weight': 'normal','size': 30}
plt.xlabel("电影观看时长",fontdict=fontdict)
plt.ylabel("电影的观看量",fontdict=fontdict)
plt.title("不同电影三天的票房对比",fontdict=fontdict)
# 网格线
plt.grid(linestyle="-",alpha=0.6)
# 显示图片
plt.show()

饼图 plt.pie()

分布比例情况

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 饼图
# 设置图片大小 清晰度
plt.figure(figsize=(20,8),dpi=100)
# 需要进行分布的数据
movie_name = ['Cross', 'Cone', 'Egg', 'Teardrop', 'Chevron', 'Diamond', 'Cylinder','Rectangle', 'Flash', 'Cigar', 'Changing', 'Formation', 'Oval', 'Disk','Sphere', 'Fireball', 'Triangle', 'Circle', 'Light']
# 各个需要分布数据的具体数量
place_count = [  287,   383,   842,   866,  1187,  1405,  1495,  1620,  1717,2313,  2378,  3070,  4332,  5841,  6482,  7785,  9358,  9818, 20254]
# 进行饼图的绘制
plt.pie(x=place_count,labels=movie_name,autopct="%3.2f%%",colors=['b','r','g','y','c','m','y','k','c','g','g'])
# 设置图形的样式
plt.axis("equal")
# loc  0表示最佳位置
plt.legend(loc=0,fontsize=15)
# 设置标题
fontdict = {'weight': 'normal','size': 30}
plt.title("DEMO",fontdict=fontdict)
# 展示图形
plt.show()
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019/11/24 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Python常用画图代码(折线图、柱状图、饼图)
如何在论文中画出漂亮的插图?: https://www.zhihu.com/question/21664179
godweiyang
2021/01/27
3.3K0
Python常用画图代码(折线图、柱状图、饼图)
Matplotlib
请注意,本文编写于 980 天前,最后修改于 976 天前,其中某些信息可能已经过时。
曼亚灿
2023/05/17
9290
Matplotlib
使用matplotlib绘制折线图,柱状图,柱线混合图「建议收藏」
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/138667.html原文链接:https://javaforall.cn
全栈程序员站长
2022/09/02
4.1K0
使用matplotlib绘制折线图,柱状图,柱线混合图「建议收藏」
matplotlib 常用图绘制
通过做图表来分析数据实在是一个非常棒的方法,由于我偶尔忘记语法,还得翻之前的笔记,难受。下面就画了些常用的图,记一记,记一记。
AngelNH
2020/04/16
8940
matplotlib相关图形绘制(一)
  折线图用于显示随时间或有序类别而变化的趋势。折线图其实是由多个点连接在一起得到了,当点足够多的时候,折线图就变成了平滑的曲线。
朱小五
2020/03/05
1K0
matplotlib相关图形绘制(一)
如何用python画图——带你入门matplotlib
matplotlib是python中常用的一个可视化库,大多数的操作与MATLAB非常类似,所以对于从MATLAB迁移到python的朋友是非常友好的。matplotlib使用numpy进行数组运算,也支持pandas的Series直接用于matplotlib画图。
MeteoAI
2019/07/22
3K0
Matplotlib入门
标题中的英文首字母大写比较规范,但在python实际使用中均为小写。 2018年7月30日笔记 作者的集成开发环境是jupyter,Python版本为3.6 建议阅读本文的读者安装anaconda3,里面包含了jupyter、python3.6和matplotlib库 下载链接: https://pan.baidu.com/s/1kKCvpXAlTdRri4lSP6gykA 密码: pygy
潇洒坤
2018/09/10
2.1K0
Matplotlib入门
12个最常用的matplotlib图例 !!
折线图(Line Plot):用于显示数据随时间或其他连续变量的变化趋势。在实际项目中,可以用于可视化模型性能随着训练迭代次数的变化。
JOYCE_Leo16
2024/03/19
4820
12个最常用的matplotlib图例 !!
数据分析与数据挖掘 - 08图形绘制
Matplotlib是数据可视化工作中,最常用的一个可视化库。Matplotlib有非常多的图形,我们很难在短时间内将其掌握,所以我们首先要掌握的是画图的思路和常用的一些图形。创建一个图的步骤大致可以分为9步,当然这9步并不是每一次都需要,只要你知道一个完整的图形可以有这么多的步骤就可以。每一个步骤对应着一个操作和操作它的函数。
马一特
2020/10/09
2.6K0
数据分析与数据挖掘 - 08图形绘制
matplotlib入门
MATlAB是美国MathWorks公司出品的商业数学软件,用于数据分析、无线通信、深度学习、量化金融与风险管理、机器人,控制系统等领域。MATLAB在数值计算方面首屈一指,也是使用最广泛的科研绘图软件之一。优点:编程效率高 便于矩阵计算。缺点:循环效率低 封装性不好。
用户2225445
2022/11/12
4.3K0
matplotlib入门
matplotlib 入门使用指南
1. pyplot模块 1.1. color的值 blue 1.2. Marker的值 point marker 1.3. LineStyles的值 solid line style 例子: 'b' # blue markers with default shape 'ro' # red circles 'g-' # green solid line '--' # dashed line with default color 'k^:' # black triangle_up mark
syy
2020/04/07
9680
我的机器学习matplotlib篇导入画出第一个图形颜色,标记,线型刻度、标题、标签和图例!创建子图
前言: matplotlib是python最常用的绘图库,能帮你画出美丽的各种图 导入 包含了中文显示,屏外显示 import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np %matplotlib tk #解决中文不显示问题 mpl.rcParams['font.sans-serif'] = ['SimHei'] mpl.rcParams['axes.unicode_minus'] = False 画出第
DC童生
2018/04/27
1.4K0
我的机器学习matplotlib篇导入画出第一个图形颜色,标记,线型刻度、标题、标签和图例!创建子图
【数据可视化】Matplotlib 从入门到精通学习笔记
如果将文本数据与图表数据相比较,人类的思维模式更适合于理解后者,原因在于图表数据更加直观且形象化,它对于人类视觉的冲击更强,这种使用图表来表示数据的方法被叫做数据可视化。
小小程序员
2022/11/22
5.4K0
【数据可视化】Matplotlib 从入门到精通学习笔记
Python3快速入门(十六)——Mat
Matplotlib是 Python 2D-绘图领域使用最广泛的套件,可以简易地将数据图形化,并且提供多样化的输出格式。 matplotlib有两个接口,一个是状态机层的接口,通过pyplot模块来进行管理;一个是面向对象的接口,通过pylab模块将所有的功能函数全部导入其单独的命名空间内。
py3study
2020/01/03
1.3K0
数据可视化基础与应用-03-matplotlib库从入门到精通01-05
本系列是数据可视化基础与应用的第03篇,主要介绍基于matplotlib实现数据可视化。
用户2225445
2024/03/21
8420
数据可视化基础与应用-03-matplotlib库从入门到精通01-05
Matplotlib
Matplotlib 官网 此篇笔记参考来源为《莫烦Python》 安装同之前所述,参考《Python初学基础》 基本使用 2.1 基本用法 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1, 1, 50) #使用np.linspace定义x:范围是(-1,1);个数是50 y = 2*x + 1 plt.figure() #定义一个图像窗口 plt.plot(x, y) plt.show()
闪电gogogo
2018/05/28
1.2K0
matplotlib学习之基本使用
1.figure学习2.设置坐标轴3.Legend 图例4.Annotation 标注5.tick能见度
公众号guangcity
2019/09/20
7870
matplotlib学习之基本使用
Python matplotlib绘制折线图
matplotlib是Python中的一个第三方库。主要用于开发2D图表,以渐进式、交互式的方式实现数据可视化,可以更直观的呈现数据,使数据更具说服力。
Python碎片公众号
2021/02/26
5.7K0
Python matplotlib绘制折线图
Python 绘图,我只用 Matplotlib(二)
上篇文章,我们了解到 Matplotlib 是一个风格类似 Matlab 的基于 Python 的绘图库。它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图。而且我们也可以方便地将它作为绘图控件,嵌入GUI应用程序中。本文主要走进 Matplotlib 的世界,初步学会绘制图形。
猴哥yuri
2018/08/16
1.5K0
用matplotlib在同一个画布显示20个 双y轴折线图
前几天在Python白银群【巭孬嫑勥烎】问了一个Python可视化的问题,这里拿出来给大家分享下。
Python进阶者
2023/08/31
2260
用matplotlib在同一个画布显示20个 双y轴折线图
相关推荐
Python常用画图代码(折线图、柱状图、饼图)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验