标签:翻译 att 原来 坐标 竖线 图标 param body border
参考书籍:Python语言程序设计基础+第2版本
图1
1.前言:
对于数据可视化的python库,matplotlib画廊可以直接制作各种图标。
图1为matplotlib库:
matplotlib是python优秀的2D绘图库,可以完成大部分的绘图需求,同时其可定制性也很强,可内嵌在tkinter等各种GUI框架里。
官方网站:https://matplotlib.org/users/index.html
官方教程:https://matplotlib.org/tutorials/index.html
官方例子:https://matplotlib.org/gallery/index.html
2.最简单的画廊:
import matplotlib.pyplot as plt
import numpy as np
Plot(x,y) #创建画布
Plot.show()
画布安静的功能介绍:
plt.scatter()散点图
1.散点图的基础知识:就是点点点点点点……图
语法:plt.scatter(x, y, s, c ,marker, alpha)
x,y: x轴与y轴的数据
s: 点的面积
c: 点的颜色
marker: 点的形状(标记)
alpha: 透明度(eng meaning:开端、最初)
备注:scatter英文翻译(来自有道词典): v. 撒播;散开;散布;驱散;散布于……上;散射(电磁辐射或粒子);(棒球)有效投(球)
n. 零星散布的东西;离差;散射
2.代码例子:
1 import numpy as np 2 3 import matplotlib.pyplot as plt 4 5 6 7 # 身高与体重的数据 8 9 height = [161, 170, 182, 175, 173, 165] 10 11 weight = [50, 58, 80, 70, 69, 55] 12 13 14 15 # 散点图 16 17 plt.scatter(height, weight) 18 19 plt.ylabel("height") 20 21 plt.xlabel("weight") 22 23 24 25 # 展示图标 26 27 plt.show()
3.相关性在此不做赘述:
正(y=x+np.random.randn(N))、负(y=-x+ np.random.randn(N)*0.5)、不相关(np.random.randn(N)= np.random.randn(N))
4. 实战项目以一股票的分析
1 #Code: 2 3 import numpy as np 4 5 import matplotlib.pyplot as plt 6 7 8 9 # 1.数据 10 11 open_data, close_data = np.loadtxt("000001.csv", delimiter=‘,‘, skiprows=1, usecols=(1, 4), unpack=True) #rows行,cols列 12 13 change_data = close_data - open_data 14 15 #前一天的数据 16 17 yesterday = change_data[:-1] 18 19 #后一条的数据 20 21 today = change_data[1:] 22 23 24 25 # 散点图 s (面积) c (颜色) marker (标记) alpha(透明度) 26 27 plt.scatter(yesterday, today, s=500, c="r", marker="^", alpha=0.5) 28 29 30 31 #展示图 32 33 plt.show()
plt.plot()折线图:
plot()函数就是常见的点对点连成线。无非就是线性和非线性的。
常见语法:Plot(x,y)
备注:缺省x的情况下,x的默认值是:range(len(y))。
还可以给它添加:
颜色(各种颜色首字母:青色cyan,黑色k(blue已经用了b),平红magenta),
线形(实现-, 虚线--, 虚点线-., 点线., 空类型’ ’:不显示线),
点的样式(点.和圆)
三角点
‘^‘ |
上三角点 |
‘<‘ |
左三角点 |
‘v‘ |
下三角点 |
‘>‘ |
右三角点 |
三叉点(奔驰点):‘1’表示下三叉点;2上;3左;4,右。
多边形:
其他形状点:
默认为一条蓝色实线。
补充:
color="green" 指定颜色为绿色
linestyle="dashed" 指定线形为dashed类型;dashed虚线
marker="o" 指定标记类型为o点
markerfacecolor="blue"指定标记的颜色为蓝色
markersize=20 指定标记的大小为20
plt.bar()与plt.barh条形图
plt.bai语法:
(x, height, width=0.8, bottom=None, \*, align=‘center‘, data=None, \*\*kwargs)
(X(输入),条高(输入),条宽,条起始位置,条中心位置,条色,边色,边宽,下标签…)
参考解释:官网说明
orientation默认是vertical(垂直)
用bar()画水平条形图:需要把:orientation="horizontal",然后把x与y的数据交换,再添加bottom=x,即可。
备注:
# 绘图 x= 起始位置, bottom= 水平条的底部(左侧), y轴, height 水平条的宽度, width 水平条的长度
p1 = plt.bar(x=0, bottom=y, height=0.5, width=x, orientation="horizontal")
pyplot.barh语法:水平条
使用barh()时,bottom改为left,然后宽变高,高变宽。
(y, width, height=0.8, left=None, \*, align=‘center‘, \*\*kwargs)
(y(输出,就是y轴),width(水平条的长度,就是原来的输入),height:水平条宽度,left:条形图左侧的起始位置(默认是0),align,)
bar:
(x, height, width=0.8, bottom=None, \*, align=‘center‘, data=None, \*\*kwargs)
(X(输入),条高(输入),条宽,条起始位置,条中心位置,条色,边色,边宽,下标签…)
# 绘图 y= y轴, left= 水平条的底部, height 水平条的宽度, width 水平条的长度
p1 = plt.barh(y, left=0, height=0.5, width=x)
添加图例于数据标签的条形图
1.先可选属性里添加label=“”,标签;再使用plt.lengd()
2.对于数据的标签,可以使用任意方向的标签来备注,再由x,y数据来确定坐标。
3.Tick_label=str,用来显示自定义坐标轴。
1 code解释: 2 3 默认的是竖值条形图 4 5 import numpy as np #导入numpy库 6 7 import matplotlib.pyplot as plt 8 9 import matplotlib 10 11 12 13 # 将全局的字体设置为黑体 14 15 matplotlib.rcParams[‘font.family‘] = ‘SimHei‘ 16 17 18 19 # 数据 20 21 N = 5 22 23 y = [20, 10, 30, 25, 15] 24 25 x = np.arange(N) 26 27 # 添加地名坐标 28 29 str1 = ("北京", "上海", "武汉", "深圳", "重庆") 30 31 32 33 # 绘图 x x轴, height 高度, 默认:color="blue", width=0.8 34 35 p1 = plt.bar(x, height=y, width=0.5, label="城市指标", tick_label=str1) 36 37 38 39 # 添加数据标签 40 41 for a, b in zip(x, y): 42 43 plt.text(a, b + 0.05, ‘%.0f‘ % b, ha=‘center‘, va=‘bottom‘, fontsize=10) 44 45 46 47 # 添加图例 48 49 plt.legend() 50 51 52 53 # 展示图形 54 55 plt.show()
plt.pie()饼状图
plt.pie(x, labels= )
语法:matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, \*, data=None)
解释:官网说明
未完待续....
标签:翻译 att 原来 坐标 竖线 图标 param body border
原文地址:https://www.cnblogs.com/BBS2013/p/12775397.html