学习
实践
活动
工具
TVP
写文章

Python matplotlib 绘制双Y轴曲线图的示例代码

Matplotlib简介 Matplotlib是非常强大的python画图工具 Matplotlib可以画图线图、散点图、等高线图、条形图、柱形图、3D图形、图形动画等。 Matplotlib安装 pip3 install matplotlib#python3 双X轴的 可以理解为共享y轴 ax1=ax.twiny() ax1=plt.twiny() 双Y轴的 可以理解为共享x轴 ax1=ax.twinx() ax1=plt.twinx() 自动生成一个例子 x = np.arange(0., np.e, 0.01) y1 = np.exp(-x) y2 = np.log(x) fig = plt.figure() ax1 = fig.add_subplot(111) ax1.plot(x, y1) ax1.set_ylabel('Y values for 总结 到此这篇关于Python matplotlib 绘制双Y轴曲线图的文章就介绍到这了,更多相关Python matplotlib 曲线图内容请搜索ZaLou.Cn以前的文章或继续浏览下面的相关文章希望大家以后多多支持

1.6K20

Python实现股价的简单移动平均值(SMA)

前不久收到清华大学出版社赠送的《深入浅出Python量化交易实战》一书,也答应了出版社要写一些读书笔记,今天就来交作业了。 根据书中的内容,我自己也做了一点改进的工作——用Python绘制出股价的5日均线和20日均线。众所周知,5日均线是短线交易的生死线,而20日均线是中长线趋势的分水岭。 = fig.add_subplot(111, ylabel='Price') price['Adj Close'].plot(ax=ax1, color='g', lw=2., legend=True ) price.ma5.plot(ax=ax1, color='r', lw=2., legend=True) price.ma20.plot(ax=ax1, color='b', lw=2., legend 如果大家对类似的内容感兴趣,不妨也阅读一下这本《深入浅出Python量化交易实战》。我个人感觉跟着代码敲一敲,自己动手改进一下,还是很有乐趣的。

82020
  • 广告
    关闭

    年末·限时回馈

    热卖云产品年终特惠,2核2G轻量应用服务器6.58元/月起,更多上云必备产品助力您轻松上云

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Matplotlib数据可视化:饼图与箱线图

    1.2 基础作图 labels = 'Python组', 'Java组', 'C组', 'Go组' sizes = [25, 45, 30, 10] fig = plt.figure(figsize= (8, 4)) ax1 = fig.add_subplot(111) ax1.pie(sizes, labels=labels) ax1.axis('equal') # Equal aspect ratio =(8, 4)) explode1 = (0.1, 0.1, 0.1, 0.1) ax1 = fig.add_subplot(121) ax1.pie(sizes, explode=explode1 labels = 'Python组', 'Java组', 'C组', 'Go组' sizes = [25, 45, 30, 10] explode = (0.1, 0, 0, 0) fig1, ax1 labels = 'Python组', 'Java组', 'C组', 'Go组' sizes = [25, 45, 30, 10] explode = (0.1, 0, 0, 0) fig1, ax1

    37350

    数据清洗 Chapter02 | Matplotlib常用图形

    数据可视化 数据可视化借助图形,图标等手段,从数据集中抽取有效信息,并对其进行展观 从视觉上快速感知、了解数据集 多维度观察“平面”数据 二、Matplotlib Matplotlib是Python 2、折线图 1 ax1 = plt.subplot(111) ax1.plot(iris['Sepal.Length'], 'k--', label='Sepal.Length') # 'k- -' 为折现的形状或颜色,label为图例的名称 ax1.legend(loc='best') # 设置图例的位置 ax1 ? ') ax1 ? ') ax1 ?

    25431

    python matplotlib实现将图例放在图外

    import pandas as pd import numpy as np import matplotlib.pyplot as plt fig = plt.figure(1) ax1 = fig.add_subplot df4 = pd.DataFrame(np.random.randn(3,5),columns = ['one','two','three','four','five']) df1.plot(ax = ax1 可以看出ax1,ax2,ax3中的图例都被移除了,但是上图还不是很美观?有没有什么办法将图例放到图外面呢? 请看: import pandas as pd import numpy as np import matplotlib.pyplot as plt fig = plt.figure(1) ax1 = 以上这篇python matplotlib实现将图例放在图外就是小编分享给大家的全部内容了,希望能给大家一个参考。

    2.5K10

    数据分析实战—北京二手房房价分析

    北京二手房房价分析与预测 目的:本篇给大家介绍一个数据分析的初级项目,目的是通过项目了解如何使用Python进行简单的数据分析。 plt.style.use("fivethirtyeight") sns.set_style({'font.sans-serif':['simhei','Arial']}) %matplotlib inline # 检查Python = 3: raise Exception('请使用Python 3 来完成此项目') 然后导入数据,并进行初步的观察,这些观察包括了解数据特征的缺失值,异常值,以及大概的描述性统计。 =20, ax=ax1, color='r') sns.kdeplot(df['Size'], shade=True, ax=ax1) # 建房时间和出售价格的关系 sns.regplot(x='Size 总结 本次分享旨在让大家了解如何用Python做一个简单的数据分析,对于刚刚接触数据分析的朋友无疑是一个很好的练习。

    1.2K30

    python版InferCNVpy加速运算

    本质上,inferCNVpy这个包是InferCNV的python版重现。主要还是遵循R包版本的计算步骤,进行了少量修改。 Windows下可参考: Windows下安装anconda,可参考 搭建 Python 高效开发环境:Pycharm + Anaconda 通过R里面的reticulate包桥接使用Windows的conda infercnvpy umap-learn 0.5.2版本有一点bug,如果下面的UMAP图像显示异常,可以考虑用pip做一个降级 在Linux环境下利用Jupyter Notebook编译器运行下述python fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots( 2, 2, figsize=(12, 11), gridspec_kw=dict(wspace=0.5 ) ) ax4.axis("off") sc.pl.umap(adata, color="cnv_leiden", ax=ax1, show=False) sc.pl.umap(adata, color

    49121

    Python 量化交易神书面世,赠送 5 本

    前不久,收到清华大学出版社赠送的 《深入浅出Python量化交易实战》 一书,也答应了出版社要写一些读书笔记,今天就来交作业了。 下面是我参考书中内容做的一些简单尝试,仅供学习参考。 这本书对于使用Python玩量化的初学者们,还是很友好的,感兴趣可以考虑入手一本看看。 笔记① 用Python绘制出股价的5日均线和20日均线。 Close'].rolling(20).mean() price.tail() 数据中就可以看到了: 为了便于观察,我用代码画了个图: fig = plt.figure(figsize=(16,9)) ax1 = fig.add_subplot(111, ylabel='Price') price['Adj Close'].plot(ax=ax1, color='g', lw=2., legend=True ) price.ma5.plot(ax=ax1, color='r', lw=2., legend=True) price.ma20.plot(ax=ax1, color='b', lw=2., legend

    22020

    python实现对招聘信息中数据类岗位的分析与预测

    Python爬虫框架Scrapy实战之定向批量获取职位招聘信息 2分钟完成30*15页拉勾网职位需求关键词的抓取 一.数据获取: 利用python爬取了拉勾网的部分数据,后嫌样本过少,在泰迪杯上直接下载了相关招聘类数据 print(data.head()) plt.plot(data) plt.title("数据类岗位的分布情况") plt.show() fig = plt.figure(figsize=(12,8)) ax1 =fig.add_subplot(211) fig = sm.graphics.tsa.plot_acf(data,lags=20,ax=ax1) plt.title('原始数据的自相关图') ax2 = fig.add_subplot(211) diff1 = data.diff(1).dropna() diff1.plot(ax=ax1) plt.title('一阶差分') ax2= fig.add_subplot =fig.add_subplot(211) fig = sm.graphics.tsa.plot_acf(diff1,lags=20,ax=ax1) plt.title('一阶差分的自相关图') ax2

    1.7K90

    气象编程|利用Python对夏季降水和同期大西洋海温进行SVD分析

    作者 | 摸鱼咯 链接 | https://www.jianshu.com/p/354b7cd158ec 犹豫了很久要不要讲SVD的python实现,今天还是写了吧,纠结的原因在于我对SVD也是新手理解 核心代码 首先是讲下核心代码,官方文档参考[1] git clone https://github.com/Yefee/xMCA.git cd xMCA python setup.py install fig, (ax1, ax2) = plt.subplots(2, 2, figsize=(12, 5)) lp[0].plot(ax=ax1[0]) le[0].plot(ax=ax1[1]) rp , ax2) = plt.subplots(2, 2, figsize=(12, 5)) lhe[0].plot(ax=ax1[0]) rhe[0].plot(ax=ax1[1]) lphet[0].where 文章链接:绘图(4)[2]图很丑,同时也说明用夏季降水和北大西洋海温做的SVD效果并不理想,关于SVD的分析还是要多参考文献中的描述,我只是以例子来说明SVD的Python实现。

    1.9K32

    matplotlib的多图合并

    Matplotlib是一个python的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。 matplotlib画图 用matplotlib简单绘图 a 使用subplot函数 import matplotlib.pyplot as plt plt.figure(figsize = (6,5)) ax1 = plt.subplot(3,1,1) ax1.set_title("ax1 title") plt.plot([0,1],[0,1]) #这种情况下如果再数的话以334为标准了, #把上面的第一行看成是 ) #第一个参数shape也就是我们网格的形状 #第二个参数loc,位置,这里需要注意位置是从0开始索引的 #第三个参数colspan跨多少列,默认是1 #第四个参数rowspan跨多少行,默认是1 ax1 = plt.subplot(gs[0,:]) ax1.set_title("ax1 title") ax2 = plt.subplot(gs[1,:2]) ax2.plot([1,2],[3,4],

    78830

    Matplotlib 中文用户指南 8.2 我们最喜欢的秘籍

    例如: # old style fig = plt.figure() ax1 = fig.add_subplot(221) ax2 = fig.add_subplot(222, sharex=ax1, sharey=ax1) ax3 = fig.add_subplot(223, sharex=ax1, sharey=ax1) ax3 = fig.add_subplot(224, sharex=ax1, sharey=ax1) Fernando Perez 提供了一个很好的顶级方法,来一次性创建subplots()(注意末尾的s),并为所有子图开启x和y共享。 fig, axs = plt.subplots(2, 2, sharex=True, sharey=True) axs[0,0].plot(x) 修复常见的日期问题 matplotlib 允许你本地绘制 python 2008-10-10, 2008-10-13, 2008-10-14], dtype=object) 字段日期的numpy记录数组的dtype是| O4,这意味着它是一个 4 字节的 python

    2220

    Python笔记:matplotlib 三维图表绘制方法简介

    1. python三维图表绘制方法简介 python三维图表的绘制算是二维图表的一个进阶版本,本质上和二维图表的绘制并无差别,唯一的区别在于使用的库略有差异。 numpy.cos(theta) y = r * numpy.sin(theta) z = numpy.linspace(0, 2, 200) fig = plt.figure(figsize=(12, 7)) ax1 numpy.linspace(-2, 2, 10) xx, yy = numpy.meshgrid(x, y) z = xx ** 2 - yy ** 2 fig = plt.figure(figsize=(12, 7)) ax1 numpy.meshgrid(x, y) print(xx.shape, yy.shape) z = xx ** 2 - yy ** 2 fig = plt.figure(figsize=(12, 7)) ax1 参考链接 https://matplotlib.org/tutorials/toolkits/mplot3d.html Python三维绘图–Matplotlib

    85020

    python+windows画图工具--复现别人论文中的colormap

    图片然后,放到python中,将这一连串RGB定义为一个array,再使用 `ListedColormap` 函数定义为一个新的colormap,这样就可以在绘图的过程中使用了。 python中的代码如下所示:``` pythonimport numpy as npimport cmaps import matplotlib.pyplot as pltimport matplotlib #####################生成画板#####################################fig=plt.figure(figsize=(10,8),dpi=150)ax1 fc1=fig.colorbar(mpl.cm.ScalarMappable(norm=norm,cmap=new_cmap), cax=ax1

    5320

    Python绘制真正意义上的3D体素色温图

    01 — 准备工作 python环境: jupyter notebook。 用以无缝绘制每个像素格 ax.set_xlabel('X');ax.set_ylabel('Y');ax.set_zlabel('Z') ax.set_title('3D Voxel Map') #新建区域ax1 figure的百分比,从figure 0%的位置开始绘制, 高是figure的80% left, bottom, width, height = 0.1, 0.1, 0.05, 0.8 #获得绘制的句柄 ax1 xyzminvalue, vmax=xyzmaxvalue) #色温colorbar的数值范围可选择实际xyz数组中的数值范围(其实不应该从0开始) cb1 = mpl.colorbar.ColorbarBase(ax1 edgecolor=None, with 'hsv' colormap 总结: 本帖详细具体地介绍了python代码实现三维色温图绘制, 大家可以此为基础掌握python语言的基本绘图使用.

    1.7K30

    Python中利用Matplotlib绘制多图并合并展示

    大家好,最近在研究在搞Python的大作业,有个需求就是利用Matplotlib画几个像模像样的统计图然后合并在一张图中,因为此前很少用这方面的东西,所以折腾了不少时间,今天介绍一下。 ? 1 subplot多合一 其实,利用python 的matplotlib包下的subplot函数可以将多个子图放在同一个画板上。 用来正常显示负号 t=np.arange(0.0,2.0,0.1) s=np.sin(t*np.pi) plt.figure(figsize=(8,8), dpi=80) plt.figure(1) ax1 那么下面这几行代码大家都懂了吧: ax1 = plt.subplot(221) ax1.plot(t,s, color="r",linestyle = "--") ax2 = plt.subplot(222 - End - 参考资料: python笔记:matplotlib的简单快速入门之多图合并(2) https://blog.csdn.net/abc13526222160/article/details

    11.8K40

    Python在Finance上的应用3:处理股票数据基础

    欢迎来到Python for Finance教程系列的第3节。在本教程中,我们将使用股票数据进一步进行基本的数据处理和可视化。 ax1 = plt.subplot2grid((6,1), (0,0), rowspan=5, colspan=1) ax2 = plt.subplot2grid((6,1), (5,0), rowspan =1, colspan=1,sharex=ax1) 如果你想更进一步的了解subplot2grid, 请点击这里 subplots with Matplotlib tutorial. 第二个轴也有sharex = ax1,这意味着ax2将始终将其x轴与ax1的x轴对齐,反之亦然。 index_col=0) df['100ma'] = df['Adj Close'].rolling(window=100, min_periods=0).mean() print(df.head())ax1

    30310

    ChainerCV︱堪比Opencv--深度学习工具库(Faster R-CNN、SSD 和 SegNet)

    'camvid') labels = model.predict([img]) # plot label = labels[0] # (332, 500) fig = plot.figure() ax1 = fig.add_subplot(1, 2, 1) vis_image(img, ax=ax1) ax2 = fig.add_subplot(1, 2, 2) vis_semantic_segmentation segnet模型 其他的,如果你要自己训练segnet模型,请参考该页面 First, move to this directory (i.e., examples/segnet) and run: python https://raw.githubusercontent.com/alexgkendall/SegNet-Tutorial/master/CamVid/test/0001TP_008550.png python demo.py [--gpu <gpu>] [--pretrained_model <model_path>] 0001TP_008550.png 模型评估的函数: python eval_camvid.py

    75550

    siamfC

    args.o, args.t) # print("==========end==============") #Fire(processing) ''' 原来都是使用argparse库进行命令行解析,需要在python 而使用fire库不需要在python文件中设定命令行参数的代码,shell中指定函数名和对应参数即可 train.py def train(a,b): return a + b 第一种调用方法 train m in self.modules(): #第一次返回的是网络本身 m=SiameseAlexNet ''' #关于isinstance和type的比较 https://www.runoob.com/python /python-func-isinstance.html type不会认为子类是一种父类类型,不考虑继承关系. isinstance 会认为子类是一种父类类型,会考虑继承关系 ''' if isinstance # # ax1 = plt.subplot(445) # plt.imshow(instance_imgs_show[3,0,:,:],cmap='gray') # ax1 = plt.subplot

    6720

    Python气象绘图教程(三)

    python入门教程中会介绍open命令,和其他语言一样,是作为读取文件的命令。 第二步添加绘图区: ax1=fig.add_subplot(111) subplot命令是在画布上添加一个绘图区,括号里的内容转述为汉字为:“创建一个一行一列的绘图区(一行一列就只有一个绘图区),ax1 上述命令就是创建一个两行两列的子图区,分别为ax1,ax2,ax3,ax4。 理解了这个就可以引入数据画图了: fig=plt.figure(figsize=(7,4),dpi=200) ax1=fig.add_subplot(111) line1,=ax1.plot(times 原理是什么——刚才已经讲过了twin,在上面程序的第5行有ax2=ax1.twinx(),这代表新建了一个绘图区,但是两个绘图区共用x轴,按照官网手册介绍,ax2和ax1共用x轴,但是ax1使用左侧y轴

    2.1K30

    扫码关注腾讯云开发者

    领取腾讯云代金券