Python数据分析学习笔记026

温馨提示:手机横屏阅读本文,体验更好

今天继续学习:

python数据分析绘图的基础方法

上篇学习了对数据结果进行简单加工后在不同子图中绘制图形的基本方法。

今天接着昨天的工作,试着给图形增添一些元素,比如轴标签、图标题、以及重要数据的标记等。

1、需要用到模块

matplotlib的pyplot pandas

先引入这两个武器:

import matplotlib.pyplot as plt

import pandas

2、准备工作:

接着昨天的工作,在下面这张图上为fig图片和axes子图组添加元素。

3、添加图片和子图的小标题、Y轴上标上单位标签:

fig.suptitle("Netflow Capital Trend",x=0.5,y=0.98,ha="center",size=18)

axes[1].set_title("netflow scatter for 000001.SZ")

axes[1].set_title("netflow&bignetflow Trend for 000001.SZ")

4、找到累积值的峰值点并反求出峰值出现的位置(序号索引):

5、根据第4步得出的值,在子图上标注netflow和bignetflow峰值出现的时间点:

axes[1].annotate("netflow peak at "+datex,xy=(xloc,peak1),xytext=(xloc-20,peak1*0.8),arrowprops=dict(facecolor='red', shrink=0.05))

axes[1].annotate("bignetflow peak at "+datex2,xy=(xloc2,peak2),xytext=(xloc2-25,peak2*0.8),arrowprops=dict(facecolor='green', shrink=0.05))

子图的annotate方法用于在图形中进行标注,其中开关"xy="用于指定要标注点的位置,开关"xytext="用于指定标注文本的位置,一般来说,文本要偏移标注点一定的距离,显示效果才比较好,具体偏离多少,需要根据实际项目数据的情况来设定,"arrowprops="开关用于设置标注箭头的属性(颜色、形状...)

最后绘制的图形效果如下:

今天就先总结到这儿,如果大家有什么问题,可在公众号后台给我留言,在我能力圈内的,尽快给大家回复。

下篇预告:

继续学习matplotlib绘图模块的其他一些方法

笔记同步于“知乎”专栏:

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181204G1EMS200?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券