【数据分析可视化】公式、坐标轴

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

公式

# 公式
plt.title('equals',fontsize=15)
plt.xlim([1,8])
plt.ylim([1,5])
plt.text(2,4,r'$\alpha \beta \pi \lambda \omega$',size=15)
plt.text(4,4,r'$\sin(0)=\cos(\frac{\pi}{2})$',size=20)
plt.text(2,2,r'$\lim_{x \rightarrow y} \frac{1}{x^3}$',size=8)
plt.text(4,2,r'$\sqrt[4]{x}=\sqrt{y}$',size=20)
plt.show()
# 公式
plt.title('equals',fontsize=15)
plt.xlim([-4,4])
plt.ylim([-4,4])
plt.text(-2,2,r'NWNU',alpha=0.5,size=25,bbox=dict(facecolor='red', alpha=0.1))
plt.text(-2,0,r'y=sin(x)',size=20,bbox=dict(facecolor='red'))
plt.text(0,-2,r'y=cos(x)',size=20,bbox=dict(facecolor='BLUE'))

plt.show()
# xy
x = np.linspace(0,10,1000)
y = np.sin(x)
z = np.cos(x**2)
x
array([ 0.        ,  0.01001001,  0.02002002,  0.03003003,  0.04004004,
0.05005005,  0.06006006,  0.07007007,  0.08008008,  0.09009009,
0.1001001 ,  0.11011011,  0.12012012,  0.13013013,  0.14014014,
0.15015015,  0.16016016,  0.17017017,  0.18018018,  0.19019019,
0.2002002 ,  0.21021021,  0.22022022,  0.23023023,  0.24024024,
0.25025025,  0.26026026,  0.27027027,  0.28028028,  
y
array([ 0.        ,  0.01000984,  0.02001868,  0.03002552,  0.04002934,
0.05002916,  0.06002396,  0.07001275,  0.07999452,  

普通线段图

# 线段图
plt.plot(x,y,'r',linewidth=2,label='sin(x)')
plt.legend()
<matplotlib.legend.Legend at 0x1207d1a50>
plt.plot(x,z,'g--',linewidth=3,label='cos(x^2)')
plt.legend()
<matplotlib.legend.Legend at 0x120916850>

坐标轴

# 坐标轴https://www.cnblogs.com/ahochen/p/10702817.html
x = np.linspace(-1, 1, 10)
y1 = 2*x
y2 = x*x
plt.figure()
plt.plot(x, y1)
plt.plot(x, y2, color="blue", linestyle="--", linewidth=1.0)

plt.xlabel("x label")
plt.ylabel("y label")

x_stick = np.linspace(-1, 1, 5)
plt.xticks(x_stick)
plt.yticks([1, 2, 3, 4], ["$bad\ xixi$", "$ordinary$", "$good$", "$best$"])

ax = plt.gca()
#使用spines设置边框，共有（"left","right","top","bottom"）四种选项，使用set_color()设置颜色
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")
#将底部边框放大y=0的位置
ax.spines["bottom"].set_position(("data", 0))
ax.spines["left"].set_position(("data", 0))
# 所有位置：top，bottom，both，default，none
ax.xaxis.set_ticks_position('top')
ax.xaxis.set_label_position('top')
# 所有位置：left，right，both，default，none
ax.yaxis.set_ticks_position('right')
ax.yaxis.set_label_position('right')

plt.show()

0 条评论

• 【数据分析与可视化】matplotlib简单绘图之subplot

[<matplotlib.lines.Line2D at 0x116769150>]

• 红黑树

每个结点不是红色就是黑色 不可能有连在一起的红色结点 根结点都是黑色 每个红色结点的两个子结点都是黑色 任一结点到其子树中每个叶子节点的路径都有相同数量...

• Python可视化学习（饼状图,坐标系...）

今天资源君带大家学习一下Python的可视化，何谓可视化呢？我们常常听说Python的数据分析，数据分析中很重要的一个就是将数据展示出来，如何展示出来呢...

• 用Python分析了1980~2015年考研英语真题词汇，原来考研英语应该这样考！

我们渐渐长大，从一开始的初生牛犊不怕虎到渐渐惧怕孤独，从一开始的单打独斗到渐渐合群躲避孤独。不巧的是，考研就是一个孤单修炼的事情，没有任何人能够去帮你，于是二十...

• matplotlib基础手册：pyplot手册

matplotlib.pyplot 是一个函数集合，使 matplotlib 能够像 MATLAB 一样进行绘图。每一个 pyplot 函数都会改变 figur...

• 数据分析篇（一）

首先我们需要安装matplotlib模块：pip install matplotlib

• 通过ODBC接口访问人大金仓数据库

国产化软件和国产化芯片的窘境一样，一方面市场已经存在性能优越的同类软件，成本很低，但小众的国产化软件不仅需要高价买入版权，并且软件开发维护成本高；另一方面，...

• AI根据人们走路的姿态和方式判定情绪

走路的姿态可能会说明你在特定时刻的感受，例如，当你感到压抑或沮丧时，你更有可能耷拉着肩膀。