Python數據可視化matplotlib.pyplot

Acceml 發布于2019-07-31 10:37 / 1137人閱讀

摘要：刪除數據點的輪廓設置每個坐標軸的取值范圍使用顏色映射允許你給散點圖中的各個點指定顏色。默認為藍色點和黑色輪廓，在散點圖包含的數據點不多時效果很好。但繪制很多點時，黑色輪廓可能會粘連在一起。

1.安裝matplotlib

pip install matplotlib

2.繪制簡單圖形

import matplotlib.pyplot as plt

#圖形輸入值
input_values = [1,2,3,4,5]
#圖形輸出值
squares = [1,4,9,16,25]

#plot根據列表繪制出有意義的圖形，linewidth是圖形線寬，可省略
plt.plot(input_values,squares,linewidth=5)
#設置圖標標題
plt.title("Square Numbers",fontsize = 24)
#設置坐標軸標簽
plt.xlabel("Value",fontsize = 14)
plt.ylabel("Square of Value",fontsize = 14)
#設置刻度標記的大小
plt.tick_params(axis="both",labelsize = 14)
#打開matplotlib查看器，并顯示繪制圖形
plt.show()

3.繪制點

import matplotlib.pyplot as plt

#繪制散點圖(傳如一對x和y坐標，在指定位置繪制一個點)
plt.scatter(2,4)
#設置輸出樣式
plt.scatter(3,5,s=200)
plt.show()

4.繪制一系列的點

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.自動計算數據

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)

#設置每個坐標軸的取值范圍（x軸取值，y軸取值）
plt.axis([0,1100,0,1100000])
plt.show()

6.刪除數據點的輪廓

import matplotlib.pyplot as plt

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

#matplotlib允許你給散點圖中的各個點指定顏色。默認為藍色點和黑色輪廓，在散點圖包含的 數據點不多時效果很好。但繪制很多點時，黑色輪廓可能會粘連在一起。
#edgecolor="none"刪除數據點的輪廓
plt.scatter(x_values,y_values,edgecolor="none", s=40)


#設置每個坐標軸的取值范圍
plt.axis([0,1100,0,1100000])
plt.show()

7.自定義顏色c=""直接傳顏色或元組都可以

import matplotlib.pyplot as plt

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

#matplotlib允許你給散點圖中的各個點指定顏色。默認為藍色點和黑色輪廓，在散點圖包含的 數據點不多時效果很好。但繪制很多點時，黑色輪廓可能會粘連在一起。
#edgecolor="none"刪除數據點的輪廓
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)


#設置每個坐標軸的取值范圍
plt.axis([0,1100,0,1100000])
plt.show()

8.使用顏色映射

import matplotlib.pyplot as plt

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

#matplotlib允許你給散點圖中的各個點指定顏色。默認為藍色點和黑色輪廓，在散點圖包含的 數據點不多時效果很好。但繪制很多點時，黑色輪廓可能會粘連在一起。
#edgecolor="none"刪除數據點的輪廓
plt.scatter(x_values, y_values,c=y_values,cmap=plt.cm.Blues, edgecolor="none", s=40)


#設置每個坐標軸的取值范圍
plt.axis([0,1100,0,1100000])
plt.show()

9.自動保存圖表

import matplotlib.pyplot as plt

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

#matplotlib允許你給散點圖中的各個點指定顏色。默認為藍色點和黑色輪廓，在散點圖包含的 數據點不多時效果很好。但繪制很多點時，黑色輪廓可能會粘連在一起。
#edgecolor="none"刪除數據點的輪廓
plt.scatter(x_values, y_values,c=y_values,cmap=plt.cm.Blues, edgecolor="none", s=40)


#設置每個坐標軸的取值范圍
plt.axis([0,1100,0,1100000])
# plt.show()
#參數1指定要以什么樣的文件名保存圖表，保存和代碼的同目錄下，第二個參數表示要將多余的空白區域剪掉，要保留空白區域，可省略第二個參數
plt.savefig("squares_plot.png",bbox_inches="tight")

10.隨機漫步（繪制隨機漫步圖）

from random import choice

class RandomWalk(object):
    """一個生成隨機漫步數據的類"""
    def __init__(self, num_points = 5000):
        """初始化隨機漫步的屬性"""
        #存儲隨機漫步次數的變量
        self.num_points = num_points
        #所有隨機漫步都始于(0,0)
        #分別存儲隨機漫步經過的每個點的x和y坐標
        self.x_values = [0]
        self.y_values = [0]
        

    def fill_walk(self):
        """計算隨機漫步包含的所有點"""

        #不斷漫步，直到列表達到指定的長度
        while len(self.x_values) < self.num_points:
            #決定前進方向以及沿這個方向前進的距離
            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

            #拒絕原地踏步
            if x_step == 0 and y_step == 0:
                continue

            #計算下一個點的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

繪制隨機漫步圖

import matplotlib.pyplot as plt

from random_walk import RandomWalk


#創建一個RandomWalk實例，并將其包含的點都繪制出來

rw = RandomWalk()

rw.fill_walk()

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

11.模擬多次隨機漫步

import matplotlib.pyplot as plt

from random_walk import RandomWalk


#只要程序處于活動狀態，就不斷的模擬漫步

while True:
    #創建一個RandomWalk實例，并將其包含的點都繪制出來
    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.給點著色

import matplotlib.pyplot as plt

from random_walk import RandomWalk


#只要程序處于活動狀態，就不斷的模擬漫步

while True:
    #創建一個RandomWalk實例，并將其包含的點都繪制出來
    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.重新繪制起點和終點

import matplotlib.pyplot as plt

from random_walk import RandomWalk


#只要程序處于活動狀態，就不斷的模擬漫步

while True:
    #創建一個RandomWalk實例，并將其包含的點都繪制出來
    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)
    
    #突出起點和終點
    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.隱藏坐標軸

while True:
    #創建一個RandomWalk實例，并將其包含的點都繪制出來
    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)
    
    #突出起點和終點
    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)

    #隱藏坐標軸
    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.增加點數（增加點數，將每個點的大小調小）

while True:
    #創建一個RandomWalk實例，并將其包含的點都繪制出來
    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)
    
    #突出起點和終點
    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)

    #隱藏坐標軸
    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.調整尺寸以適應屏幕

while True:
    #創建一個RandomWalk實例，并將其包含的點都繪制出來
    rw = RandomWalk(50000)
    rw.fill_walk()

    #設置繪圖窗口的尺寸
    #figure()用于指定圖表的寬度，高度，分辨率黑背景色figsize需要指定一個元組，單位英寸,dpi是分辨率，可傳可不傳
    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)
    
    #突出起點和終點
    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)

    #隱藏坐標軸
    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

云服務器 GPU云服務器 python可視化包數據可視化工具數據可視化工具大數據數據可視化大數據數據可視化

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/44135.html

Python學習筆記：數據可視化(一)

摘要：當數據發生變化時，這種演變過程隨之發生。是一種統計報告圖，由一系列高度不等的縱向條紋或線段表示數據分布的情況。 showImg(https://segmentfault.com/img/bVbnkP1?w=751&h=558); python相關基礎概念數據:離散的，客觀事實的數字表示信息：處理后的數據，為實際問題提供答案　　- 為數據提供一種關系或一個關聯后，數據就成了信...

Crazy_Coder 2019-07-31 11:07 評論0 收藏0
Python--matplotlib繪圖可視化知識點整理

摘要：本文作為學習過程中對一些常用知識點的整理，方便查找。所有繪圖操作僅對當前圖和當前坐標有效。表示把圖標分割成的網格。每個對象都是一個擁有自己坐標系統的繪圖區域。避免比例壓縮為橢圓數據可視化入門教程繪圖核心剖析如何調整子圖的大小本文作為學習過程中對matplotlib一些常用知識點的整理，方便查找。強烈推薦ipython無論你工作在什么項目上，IPython都是值得推薦的。利用ipyt...

nifhlheimr 2019-07-25 10:22 評論0 收藏0
詳解Python中matplotlib模塊的繪圖方式

　　matplotlib作為常見的可視化繪圖工具，在工作當中，應用還是比較的廣泛的，那么，我們要怎么使用python這門語言去進行繪圖呢？下面就給大家詳細解答下。　　1、matplotlib之父簡介　　matplotlib之父John D.Hunter已經去世，他的一生輝煌而短暫，但是他開發的的該開源庫還在繼續著輝煌。國內介紹的資料太少了，查閱了一番整理如下：　　1968出身于美國的田納西州代爾斯...

89542767 2022-11-13 23:00 評論0 收藏0
用 Matplotlib 庫生成動畫圖表

摘要：相對于靜態圖表，人類總是容易被動畫和交互式圖表所吸引。可以使用輕松生成圖表直方圖功率譜，條形圖，錯誤圖表，散點圖等。然而，也有一些方面落后于同類的庫。動畫使用一組固定的對象。稍后將用數據對行對象進行填充。現在用將它們轉換為動畫。翻譯：瘋狂的技術宅https://towardsdatascience.co... showImg(https://segmentfault.com/img...

call_me_R 2019-07-31 10:20 評論0 收藏0
用 Matplotlib 庫生成動畫圖表

摘要：相對于靜態圖表，人類總是容易被動畫和交互式圖表所吸引。可以使用輕松生成圖表直方圖功率譜，條形圖，錯誤圖表，散點圖等。然而，也有一些方面落后于同類的庫。動畫使用一組固定的對象。稍后將用數據對行對象進行填充。現在用將它們轉換為動畫。翻譯：瘋狂的技術宅https://towardsdatascience.co... showImg(https://segmentfault.com/img...

不知名網友 2019-06-26 18:54 評論0 收藏0