Python数据分析-Matplotlib1

news2024/9/24 23:22:31

一、折线图的绘制

1.数据分析流程

2.运用Matplot绘制折线图

#encoding=utf-8
import random
from matplotlib import pyplot as plt #绘图工具库
from matplotlib import font_manager #解决中文显示问题
from cProfile import label
#设置字体方式
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size = 14)
#设置图片的宽高figsize,以及分辨度dpi
plt.figure(figsize=(20,8),dpi = 80)

x = range(0,120)#设置坐标x的值
y_1 = [random.randint(20,35) for i in range(0,120)]#设置坐标y的值
y_2 = [random.randint(20,35) for i in range(0,120)]


_x_ticks = ["10点{}分".format(i) for i in x if i < 60]
_x_ticks = ["11点{}分".format(i-60) for i in x if i > 60]
#fontproperties=my_font用于设置显示中文字体,rotation表示顺时针旋转的度数
plt.xticks(x[::5],_x_ticks[::2],rotation=90,fontproperties=my_font)#x轴的刻度表示
plt.xlabel("时间",fontproperties=my_font)#x轴的标签
plt.ylabel("温度 单位(0c)",fontproperties=my_font)#y轴的标签
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)
#绘制网格,alpha:透明度
plt.grid(alpha = 0.4)
#绘图(plot:绘图),color:线条颜色,linestyle:线条风格,linewidth:线条粗细
plt.plot(x,y_1,label="温度1",linestyle=":")
plt.plot(x,y_2,label="温度2",linestyle="-.")
#添加图例,loc默认为右上角
plt.legend(prop=my_font,loc = "upper right")
#显示
plt.show()from matplotlib import font_manager #解决中文显示问题
from cProfile import label
#设置字体方式
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size = 14)
#设置图片的宽高figsize,以及分辨度dpi
plt.figure(figsize=(20,8),dpi = 80)

x = range(0,120)#设置坐标x的值
y_1 = [random.randint(20,35) for i in range(0,120)]#设置坐标y的值
y_2 = [random.randint(20,35) for i in range(0,120)]


_x_ticks = ["10点{}分".format(i) for i in x if i < 60]
_x_ticks = ["11点{}分".format(i-60) for i in x if i > 60]
#fontproperties=my_font用于设置显示中文字体,rotation表示顺时针旋转的度数
plt.xticks(x[::5],_x_ticks[::2],rotation=90,fontproperties=my_font)#x轴的刻度表示
plt.xlabel("时间",fontproperties=my_font)#x轴的标签
plt.ylabel("温度 单位(0c)",fontproperties=my_font)#y轴的标签
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)
#绘制网格,alpha:透明度
plt.grid(alpha = 0.4)
#绘图(plot:绘图),color:线条颜色,linestyle:线条风格,linewidth:线条粗细
plt.plot(x,y_1,label="温度1",linestyle=":")
plt.plot(x,y_2,label="温度2",linestyle="-.")
#添加图例,loc默认为右上角
plt.legend(prop=my_font,loc = "upper right")
#显示
plt.show()

3.画图结果展示

二、散点图的绘制

1.运用Matplotlib中的scatter绘制离散图

#encoding=utf-8
from matplotlib import pyplot as plt
from matplotlib import font_manager
from matplotlib.font_manager import FontProperties
my_font = font_manager.FontProperties(fname = r"c:\windows\fonts\simsun.ttc",size=14)
x_3 = range(1,32)
x_10 = range(51,82)
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#使用scatter方法绘制散点图,和之前的折线图唯一的区别,显示散点图
plt.scatter(x_3,y_3,label="三月份")
plt.scatter(x_10,y_10,label="十月份")
#调整x轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],rotation = 45, fontproperties = my_font)
#添加图例
plt.legend(prop=my_font,loc="upper right")
#添加描述信息
plt.xlabel("时间",fontproperties = my_font)
plt.ylabel("温度",fontproperties = my_font)
plt.title("标题",fontproperties = my_font)
plt.show()

2.代码运行效果:

三、条形图绘制

1.使用Matplotlib中的bar绘制条形图:

#encoding=utf-8
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=14)
x = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死一战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
#设置图形大小
plt.figure(figsize=(20,15),dpi = 80)
#绘制条形图,横向
#plt.bar(range(len(x)),y,width = 0.3)
#绘制条形图,纵向
plt.barh(range(len(x)),y,height = 0.3,color="orange")
#刻度
plt.yticks(range(len(x)),x,fontproperties=my_font)
plt.grid(alpha=0.3)
#保存
plt.savefig("./movie.png")
plt.show()

2.结果显示为:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1517773.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

个人简历主页搭建系列-02:github 仓库作为联系方式

这篇文章暂时没有开始正式搭建网站。首先是最重要的注意事项&#xff1a;隐私。 真实姓名如果大家自己不介意的话其实我觉得还好&#xff0c;现在在互联网上想扒个姓名挺简单的&#xff0c;而且很多人都实名上网hh&#xff08;比如我的几位田径队学弟笑&#xff09;。 电话&a…

怎样基于“用户”思维让内容营销更有效

当下互联网流量见顶&#xff0c;内容已经成为互联网竞争新的制高点&#xff0c;可以说在数字化驱动的新时代下&#xff0c;“内容为王”仍然是真理。然后信息泛滥的时代下&#xff0c;如何让内容营销脱颖而出呢&#xff1f;媒介盒子认为“用户思维”是关键&#xff0c;今天就和…

2024.3.14jsp

一、实验目的 1、安装配置JSP运行环境 2、设置web服务目录&#xff0c;修改TomCAT服务器的端口号、访问web服务目录下的jsp页面。 二、实验项目内容&#xff08;实验题目&#xff09; 1、编写两个简单的JSP页面&#xff1b;参考第一章上机实验1、2 &#xff08;1&#xff09…

Spring Cloud Alibaba微服务从入门到进阶(四)(服务发现-Nacos )

Nacos是服务发现组件和配置服务器 作为服务发现注册组件Nacos Server 搭建Nacos Server 下载、启动 访问nacos,默认 用户/密码 nacos/nacos 将应用注册到nacos 加依赖 在SpringCloud子项目中&#xff0c;Feign是属于OpenFeign&#xff0c;Sentinel、Nacos是属于alibaba的&…

搭建个人智能家居 3 -第一个设备“点灯”

搭建个人智能家居 3 -第一个外设“点灯” 前言ESPHome点灯 HomeAssistant 前言 前面我们已经完成了搭建这个智能家居所需要的环境HomeAssistant和ESPHome&#xff0c;今天我们开始在这个智能家居中添加我们的第一个设备&#xff08;一颗LED灯&#xff09;&#xff0c;如果环境…

Mysql---库表操作

文章目录 前言一、pandas是什么&#xff1f;二、使用步骤 1.引入库2.读入数据总结 一.Mysql数据库简介 MySQL是一种关系型数据库管理系统&#xff0c;是最流行的开源数据库之一。它是由瑞典MySQL AB公司开发的&#xff0c;后来被Sun Microsystems收购&#xff0c;之后又被Oracl…

数码管的动态显示(三)

1.原理 data_reg寄存&#xff0c;只寄存符号位和数据位不包含小数点位。 动态数码管每个显示1ms&#xff0c;所以计数到5*10^4-1 为了将sel和seg同步&#xff0c;把sel打了一拍。 6位都使用到了可以这么计算&#xff0c;6位都显示的是数据。或者最高位显示的是小数点&#xff…

微软远程桌面RD Client:连接与管理的新境界

微软远程桌面RD Client&#xff1a;连接与管理的新境界 在数字化日益深入的今天&#xff0c;远程工作与管理已成为许多企业和个人的首选。微软远程桌面RD Client作为一款功能强大的远程连接工具&#xff0c;凭借其出色的性能和便捷的操作&#xff0c;受到了广泛的关注和好评。…

C# EPPlus导出dataset----Excel2绘制图像

一、生成折线图方法 /// <summary> ///生成折线图 /// </summary> /// <param name="worksheet">sheet页数据 </param> /// <param name="colcount">总列数</param> /// &l…

一、C#冒泡排序算法

一、C#冒泡排序算法 简介 冒泡排序算法是一种基础的排序算法&#xff0c;它的实现原理比较简单。核心思想是通过相邻元素的比较和交换来将最大&#xff08;或最小&#xff09;的元素逐步"冒泡"到数列的末尾。 实现原理 冒泡排序是一种简单的排序算法&#xff0c;其…

PGA高端项目:FPGA基于GS2971+GS2972架构的SDI视频收发,提供3套工程源码和技术支持

目录 1、前言免责声明 2、相关方案推荐本博已有的 SDI 编解码方案本方案的SDI接收图像缩放应用本方案的SDI接收纯verilog图像缩放纯verilog多路视频拼接应用本方案的SDI接收HLS图像缩放HLS多路视频拼接应用本方案的SDI接收OSD动态字符叠加输出应用本方案的SDI接收HLS多路视频融…

x6.js 从流程图组件库中拖拽组件到画布dnd使用

上一篇已经了解到了x6.js常用功能以及使用方法。但我们使用流程图的时候还少不了一个非常重要的功能那就是拖拽组件库里的组件进来。如下图&#xff1a; 首先是布局这块&#xff0c;拖拽组件库的视图中布局无需我们去写&#xff0c;我们只需把界面搭建好。 添加组件库 1.搭建布…

先验分布、后验分布、极大似然的一点思考

今天和组里同事聊天的时候&#xff0c;无意中提到了贝叶斯统计里先验分布、后验分布、以及极大似然估计这三个概念。同事专门研究如何利用条件概率做系统辨识的&#xff0c;给我画了一幅图印象非常深刻&#xff1a; 其中k表示时序关系。上面这个图表示后验分布是由先验分布与似…

pcl 直通滤波

pcl 直通滤波 处理某一个坐标轴方向上的点云 头文件等 #include<pcl/filters/passthrough.h>typedef pcl::PointXYZ PointT; typedef pcl::PointCloud<PointT> CloudT; typedef CloudT::Ptr CP; 主要代码 CP cloudTo(new CloudT);pcl::PassThrough<pcl::Poi…

【机器学习300问】37、什么是迁移学习?

一、什么是迁移学习&#xff1f; &#xff08;1&#xff09;它的出现是为了解决什么问题&#xff1f; 迁移学习是为了解决深度学习中由于数据不足导致的学习效果受限以及跨领域知识的有效利用等问题而发展起来的一种重要技术手段。 ① 缺少训练数据 在许多实际应用中&#xf…

新火种AI|GPT-4诞生1年,OpenAI把它放到了机器人上

作者&#xff1a;一号 编辑&#xff1a;美美 ChatGPT拥有了身体&#xff0c;机器人也有了灵魂。 从OpenAI在去年3月14日拿出GPT-4后&#xff0c;已经过了整整一年。显然&#xff0c;在GPT-4诞生之后的这一年&#xff0c;一切都迭代得太快了&#xff0c;从GPT-4展现多模态能力&…

ChatGPT-Next-Web SSRF漏洞+XSS漏洞复现(CVE-2023-49785)

0x01 产品简介 ChatGPT-Next-Web 是一种基于 OpenAI 的 GPT-3.5 、GPT-4.0语言模型的产品。它是设计用于 Web 环境中的聊天机器人,旨在为用户提供自然语言交互和智能对话的能力。 0x02 漏洞概述 2024年3月,互联网上披露CVE-2023-49785 ChatGPT-Next-Web SSRF/XSS 漏洞,未经…

尚硅谷SpringBoot3笔记 (二) Web开发

Servlet&#xff0c;SpringMVC视频推荐&#xff1a;53_尚硅谷_servlet3.0-简介&测试_哔哩哔哩_bilibili HttpServlet 是Java Servlet API 的一个抽象类&#xff0c;用于处理来自客户端的HTTP请求并生成HTTP响应。开发人员可以通过继承HttpServlet类并重写其中的doGet()、do…

Android Button点击事件

一.Button点击事件 <!-- activity_main.xml --> <?xml version"1.0" encoding"utf-8"?> <LinearLayout xmlns:android"http://schemas.android.com/apk/res/android" xmlns:tools"http://schemas.android.com/tools"…

导入fetch_california_housing 加州房价数据集报错解决(HTTPError: HTTP Error 403: Forbidden)

报错 HTTPError Traceback (most recent call last) Cell In[3], line 52 from sklearn.datasets import fetch_california_housing3 from sklearn.model_selection import train_test_split ----> 5 X, Y fetch_california_housing(retu…