006.python科学计算库matplotlib(上)

import matplotlib.pyplot as plt

# 使用不同的pyplot函数，我们可以创建、定制和显示一个plot。例如，我们可以使用两个函数
plt.plot()
plt.show()

import matplotlib.pyplot as plt
import pandas as pd

# 使用不同的pyplot函数，我们可以创建、定制和显示一个plot。例如，我们可以使用两个函数
unrate = pd.read_csv('unrate.csv')
first_twelve = unrate[0:12]
plt.plot(first_twelve['DATE'], first_twelve['VALUE'])
plt.show()

import matplotlib.pyplot as plt
import pandas as pd

# 使用不同的pyplot函数，我们可以创建、定制和显示一个plot。例如，我们可以使用两个函数
unrate = pd.read_csv('unrate.csv')
first_twelve = unrate[0:12]
plt.plot(first_twelve['DATE'], first_twelve['VALUE'])
# 虽然y轴看起来不错，但x轴标记标签太过接近，无法阅读
# 我们可以旋转x轴刻度标签90度，这样它们就不会重叠
# 我们可以使用浮点数或整数值来指定旋转的程度
# rotation 指定x轴标签的角度
plt.xticks(rotation=45)
plt.show()

import matplotlib.pyplot as plt
import pandas as pd

# 使用不同的pyplot函数，我们可以创建、定制和显示一个plot。例如，我们可以使用两个函数
unrate = pd.read_csv('unrate.csv')
first_twelve = unrate[0:12]
plt.plot(first_twelve['DATE'], first_twelve['VALUE'])
# 虽然y轴看起来不错，但x轴标记标签太过接近，无法阅读
# 我们可以旋转x轴刻度标签90度，这样它们就不会重叠
# 我们可以使用浮点数或整数值来指定旋转的程度
# rotation 指定x轴标签的角度
plt.xticks(rotation=90)
# xlabel(): 接受一个字符串值，该值被设置为x轴标签
plt.xlabel('Month')
# ylabel(): 接受一个字符串值，该值被设置为y轴标签
plt.ylabel('Unemployment Rate')
# title(): 接受一个字符串值，该值被设置为plot标题
plt.title('Monthly Unemployment Trends, 1948')
plt.show()

import matplotlib.pyplot as plt

# figure 创建一个新图形
fig = plt.figure()
# add_subplot(first,second,index) first表示行数，second表示列数
ax1 = fig.add_subplot(3, 2, 1)
ax2 = fig.add_subplot(3, 2, 2)
ax2 = fig.add_subplot(3, 2, 6)
plt.show()

import matplotlib.pyplot as plt
import numpy as np

# figure 创建一个新图形
# figsize 宽度，高度以英寸为单位。如果没有提供，默认为rc图形
fig = plt.figure(figsize=(3, 3))
# add_subplot(first,second,index) first表示行数，second表示列数
ax1 = fig.add_subplot(2, 1, 1)
ax2 = fig.add_subplot(2, 1, 2)
# 随机值
ax1.plot(np.random.randint(1, 5, 5), np.arange(5))
ax2.plot(np.arange(10) * 3, np.arange(10))
plt.show()

import matplotlib.pyplot as plt
import pandas as pd

unrate = pd.read_csv('unrate.csv')
# 将DATE列转为日期格式
unrate['DATE'] = pd.to_datetime(unrate['DATE'])
unrate['MONTH'] = unrate['DATE'].dt.month
fig = plt.figure(figsize=(6, 3))
# 在figure上添加两条线段
plt.plot(unrate[0:12]['MONTH'], unrate[0:12]['VALUE'], c='red')
plt.plot(unrate[12:24]['MONTH'], unrate[12:24]['VALUE'], c='blue')
plt.show()

import matplotlib.pyplot as plt
import pandas as pd

unrate = pd.read_csv('unrate.csv')
# 将DATE列转为日期格式
unrate['DATE'] = pd.to_datetime(unrate['DATE'])
unrate['MONTH'] = unrate['DATE'].dt.month
fig = plt.figure(figsize=(10, 6))
colors = ['red', 'blue', 'green', 'orange', 'black']
# 五年的数据线段对比
for i in range(5):
    start_index = i * 12
    end_index = (i + 1) * 12
    subset = unrate[start_index:end_index]
    plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i])

plt.show()

import matplotlib.pyplot as plt
import pandas as pd

unrate = pd.read_csv('unrate.csv')
# 将DATE列转为日期格式
unrate['DATE'] = pd.to_datetime(unrate['DATE'])
unrate['MONTH'] = unrate['DATE'].dt.month
fig = plt.figure(figsize=(10, 6))
colors = ['red', 'blue', 'green', 'orange', 'black']
for i in range(5):
    start_index = i * 12
    end_index = (i + 1) * 12
    subset = unrate[start_index:end_index]
    label = str(1948 + i)
    plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i], label=label)
plt.legend(loc='best')
plt.show()

import matplotlib.pyplot as plt
import pandas as pd

unrate = pd.read_csv('unrate.csv')
# 将DATE列转为日期格式
unrate['DATE'] = pd.to_datetime(unrate['DATE'])
unrate['MONTH'] = unrate['DATE'].dt.month
fig = plt.figure(figsize=(10, 6))
colors = ['red', 'blue', 'green', 'orange', 'black']
for i in range(5):
    start_index = i * 12
    end_index = (i + 1) * 12
    subset = unrate[start_index:end_index]
    label = str(1948 + i)
    plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i], label=label)
plt.legend(loc='upper left')
plt.xlabel('Month, Integer')
plt.ylabel('Unemployment Rate, Percent')
plt.title('Monthly Unemployment Trends, 1948-1952')
plt.show()