可视化工具mataplotlib使用笔记一×常用图表

首先介绍关于Numpy的简单使用

numpy是python的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

numpy将python变成一种免费的强大的Matlab系统

创建ndarray对象，有三种创建方式

1.从python的基础数据对象转化

2.通过numpy内的函数生成

3.从硬盘，数据库（文件）读取数据

索引和切片

1.print(c[1:5])

2.print(c[:5])

3.print(c[::-1])

numpy常用函数

min,max,median,mean,variance,sort

1.np.f()

2.x.f()

"""

numpy是python的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

numpy将python变成一种免费的强大的Matlab系统

创建ndarray对象，有三种创建方式

1.从python的基础数据对象转化

2.通过numpy内的函数生成

3.从硬盘，数据库（文件）读取数据

索引和切片

1.print(c[1:5])

2.print(c[:5])

3.print(c[::-1])

numpy常用函数

min,max,mean,sort,median...

"""

importnumpyasnp

#1.从python的基础数据对象转化

a = [1,2,3,4]

x1 = np.array(a)

print(x1)

print(type(x1))

#2.通过numpy内的函数生成

x2 = np.arange(11)

print(x2)

#3.从硬盘，数据库（文件）读取数据

x3 = np.loadtxt("shuju.txt",delimiter=" ",skiprows=1,usecols=(,1),unpack=False)

print(x3[:5])

#这就是unpack=对应False，True区别

x4,x5 = np.loadtxt("shuju.txt",delimiter=" ",skiprows=1,usecols=(,1),unpack=True)

print(x4)

print(x5)

#索引和切片

# 1.print(c[1:5])

# 2.print(c[:5])

# 3.print(c[::-1])

print(x2[1:8],x2[5:],x2[::2])

返回结果：

要读取的文件、文件名、或生成器。

数据类型，默认float。

注释。

分隔符，默认是空格。

跳过前几行读取，默认是0，必须是int整型。

：要读取哪些列，0是第一列。例如，usecols = （1,4,5）将提取第2，第5和第6列。默认读取所有列。

如果为，将分列读取。

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

一、绘制散点图

importnumpyasnp

importmatplotlib.pyplotasplt

#关于散点图，表示描述相关性，正相关，负相关。。。。

x4,x5 = np.loadtxt("shuju.txt",delimiter=" ",skiprows=1,usecols=(,3),unpack=True)

plt.scatter(x4,x5,s=5,c='r',alpha=0.5)#s表示图形面积，c表示颜色，alpha表示透明度

plt.show()

二、绘制折线图

importnumpyasnp

importmatplotlib.pyplotasplt

#关于散点图，表示描述相关性，正相关，负相关。。。。

x2,x3,x4 = np.loadtxt("shuju.txt",delimiter=" ",skiprows=1,usecols=(,2,3),unpack=True)

plt.plot(x2,x3,"-",c="r",marker="p")

plt.plot(x2,x4,"-.",c="g",marker="o")

plt.show()

三、绘制条形图

importnumpyasnp

importmatplotlib.pyplotasplt

x2,x3,x4 = np.loadtxt("shuju.txt",delimiter=" ",skiprows=1,usecols=(,2,3),unpack=True)

n =5

y = [15,25,10,18,30]

index = np.arange(n)

p1 = plt.bar(left=index,height=y,bottom=None,color="red",width=0.5)

plt.show()

水平条形图绘制：

importnumpyasnp

importmatplotlib.pyplotasplt

x2,x3,x4 = np.loadtxt("shuju.txt",delimiter=" ",skiprows=1,usecols=(,2,3),unpack=True)

n =5

y = [15,25,10,18,30]

index = np.arange(n)

# p1 = plt.bar(left=0,height=0.5,bottom=index,color="green",width=y,orientation="horizontal")

p1 = plt.barh(left=,height=0.5,bottom=index,color="green",width=y)

plt.show()

绘制层叠的条形图：

importnumpyasnp

importmatplotlib.pyplotasplt

#左右层叠

x2,x3,x4 = np.loadtxt("shuju.txt",delimiter=" ",skiprows=1,usecols=(,2,3),unpack=True)

n =5

y1 = [15,25,10,18,30]

y2 = [31,42,18,35,21]

bar_width =0.3

index = np.arange(n)

plt.bar(index,y1,bar_width,color="b")

plt.bar(index+bar_width,y2,bar_width,color="green")

plt.show()

importnumpyasnp

importmatplotlib.pyplotasplt

#上下层叠

x2,x3,x4 = np.loadtxt("shuju.txt",delimiter=" ",skiprows=1,usecols=(,2,3),unpack=True)

n =5

y1 = [15,25,10,18,30]

y2 = [31,42,18,35,21]

bar_width =0.3

index = np.arange(n)

plt.bar(index,y1,bar_width,color="b")

plt.bar(index,y2,bar_width,color="green",bottom=y1)

plt.show()

四、绘制直方图

绘制双变量直方图

五、绘制饼图

importmatplotlib.pyplotasplt

labels ='A','B,','C','D','E'

fracs = [30,20,19,16,15]

explode = [0.02,0.04,0.06,0.08,0.1]#跳跃突出显示

plt.axes(aspect=1)#使饼图100%圆

plt.pie(x=fracs,labels=labels,autopct='%.0f%%',explode=explode,shadow=True)#shadow使其显示阴影

plt.show()

六、绘制箱形图

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

待续。。。。。。。。。