标签：需要 bmp spec class size 总结 inf bin 使用
Numpy是Python开源的数值计算扩展，可用来存储和处理大型矩阵，比Python自身数据结构要高效；
matplotlib是一个Python的图像框架，使用其绘制出来的图形效果和MATLAB下绘制的图形类似。
在使用Python绘制图表前，我们需要先安装两个库文件numpy和matplotlib
pip install numpy
pip install matplotlib
import numpy as np from pylab import * num=100 sigma=20 x=num+sigma*np.random.randn(20000) #样本数量 plt.hist(x,bins=100,color="green",normed=True) #bins显示有几个直方,normed是否对数据进行标准化 plt.show() #显示图像
plt.savefig() #保存图片
运行结果：
import numpy as np from pylab import * value=[22,13,34] index=["root","admin","lyshark"]
#index=np.arange(5) plt.bar(left=index,height=value,color="green",width=0.5) plt.show()
运行结果：
import numpy as np from pylab import * x=np.linspace(-10,10,100) y=x**3 plt.plot(x,y,linestyle="--",color="green",marker="<") plt.show()
运行结果：
import numpy as np from pylab import * x=np.random.randn(1000) y=x+np.random.randn(1000)*0.5 plt.scatter(x,y,s=5,marker="<") #s表示面积 Marker表示图形 plt.show()
运行结果：
import numpy as np from pylab import * labels="cangjingkong","jizemingbu","boduoyejieyi","xiaozemaliya" fracs=[45,10,30,15] plt.axes(aspect=1) explode=[0,0.05,0,0] plt.pie(x=fracs,labels=labels,autopct="%0f%%",explode=explode) plt.show()
运行结果：
主要用于显示数据的分散情况。图形分为上边缘、上四分位数、中位数、下四分位数、下边缘。外面的点时异常值
import numpy as np from pylab import * np.random.seed(100) data=np.random.normal(size=(1000,4),loc=0,scale=1) labels=["A","B","C","D"] plt.boxplot(data,labels=labels) plt.show()
运行结果：
import numpy as np from pylab import * x=np.arange(1,11,1) plt.plot(x,x*2) plt.plot(x,x*3) plt.plot(x,x*4) plt.legend(["BoDuoYeJieYi","CangJingKong","JiaTengYing"]) plt.show()
运行结果：
标签：需要 bmp spec class size 总结 inf bin 使用
原文地址：https://www.cnblogs.com/LyShark/p/9152698.html
