Python数据可视化(一)图表组成元素

news2025/1/12 19:51:59

1.1绘制 matplotlib 图表组成元素的主要函数

matplotlib 是如何组织内容的?在一个图形输出窗口中,底层是一个 Figure实例,我们通常称之为画布,包含一些可见和不可见的元素。

在画布上,自然是图形,这些图形就是 Axes 实例,Axes 实例几乎包含了我们要介绍的 matplotlib

组成元素,例如坐标轴、刻度、标签、线和标记等。Axes 实例有 x 轴和 y 轴属性,也就是可以使用

Axes.xaxis 和 Axes.yaxis 来控制 x 轴和 y 轴的相关组成元素,例如刻度线、刻度标签、刻度线定位器

和刻度标签格式器。

通过matplotlib.pyplot 模块的 API我们可以操作这些组成元素,通过调用 API 中的函数,我们就可以快速了解应该如何绘制这些组成元素了,例如 matplotlib.pyplot.xlim()和 matplotlib.pyplot.ylim()就是控制 x 轴和 y 轴的数值显示范围。

下面,我们就用下面这幅图来初识绘制 matplotlib 的图表组成元素的主要函数。

1.2准备数据

我们导入第三方包 NumPy 和快速绘图模块 pyplot,其中科学计算包 NumPy 是 matplotlib 库的基

础,也就是说,matplotlib 库是建立在 NumPy 基础之上的 Python 绘图库。上面图形的数据生成代码实

现如下:

import matplotlib.pyplot as plt
import numpy as np

现在,我们就可以定义一些完成上面图形所需要的数据了,代码如下:

x = np.linspace(0.5,3.5,100)
y = np.sin(x)
y1 = np.random.randn(100) 

函数 linspace(0.5,3.5,100)是表示在 0.5 至 3.5 之间均匀地取 100 个数,函数 randn(100)表

示在标准正态分布中随机地取 100 个数。

1.3绘制 matplotlib 图表组成元素的函数用法

1.3.1函数 plot()——展现变量的趋势变化

函数功能:展现变量的趋势变化。

调用签名:plt.plot(x,y,ls="-",lw=5,label="plot figure")

参数说明:

x:x 轴上的数值。

y:y 轴上的数值。

ls:折线图的线条风格。

lw:折线图的线条宽度。

label:标记图形内容的标签文本。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.cos(x)
plt.plot(x,y,ls="-",lw=2,label="plot figure")
plt.legend()
plt.show()

(2)运行结果如下图:

1.3.2 函数 scatter()——寻找变量之间的关系

函数功能:寻找变量之间的关系。

调用签名:plt.scatter(x,y1,c="b",label="scatter figure")

参数说明:

x:x 轴上的数值。

y:y 轴上的数值。

c:散点图中的标记的颜色。

label:标记图形内容的标签文本。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.random.rand(1000)
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.show()

(2)运行结果如图

1.3.3函数 xlim()——设置 x 轴的数值显示范围

函数功能:设置 x 轴的数值显示范围。

调用签名:plt.xlim(xmin,xmax)

参数说明

xmin:x 轴上的最小值。

xmax:x 轴上的最大值。

平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数 ylim()上。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,8,1000)
y = np.random.rand(1000)
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.xlim(0,8)
plt.ylim(0,1)
plt.show()

(2)运行结果如下图:

1.3.4 函数 xlabel() / xlabel()——设置 x 轴的标签文本

函数功能:设置 x 轴的标签文本。

调用签名:plt.xlabel(string)

参数说明:

string:标签文本内容。

平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数 ylabel()上。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,1000)
y = np.cos(x)
plt.plot(x,y,ls="-.",lw=5,c="c",label="plot figure") # label="plot figure"图形标签
plt.legend()
plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.show()

(2)运行结果如图

1.3.5函数 grid()——绘制刻度线的网格线

函数功能:绘制刻度线的网格线。

调用签名:plt.grid(linestyle=":",color="b")

参数说明

linestyle:网格线的线条风格。

color:网格线的线条颜色。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,1000)
y = np.cos(x)
plt.plot(x,y,ls="-.",lw=5,c="r",label="plot figure")
plt.legend()
plt.grid(linestyle=":",color="b")
plt.show()

(2)运行结果如图

1.3.6函数 axhline()——绘制平行于 x 轴的水平参考线

函数功能:绘制平行于 x 轴的水平参考线。

Python 数据可视化之 matplotlib 实践

调用签名:plt.axhline(y=0.0,c="r",ls="--",lw=2)

参数说明

y:水平参考线的出发点。

c:参考线的线条颜色。

ls:参考线的线条风格。

lw:参考线的线条宽度。

平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数 axvline()上。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-10,10,1000)
y = np.cos(x)
plt.xlim(-10,10)
plt.ylim(-2,2)
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.axhline(y=1.0,c="r",ls="--",lw=2)
plt.axhline(y=-1.0,c="r",ls="--",lw=2)
plt.axvline(x=0.0,c="r",ls="--",lw=2)
plt.show()

(2)运行结果如图

1.3.7 函数 axvspan()——绘制垂直于 x 轴的参考区域

函数功能:绘制垂直于 x 轴的参考区域。

调用签名:plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=0.3)。

参数说明

xmin:参考区域的起始位置。

xmax:参考区域的终止位置。

facecolor:参考区域的填充颜色。

alpha:参考区域的填充颜色的透明度。

平移性:上面的函数功能、调用签名和参数说明可以平移到函数 axhspan()上。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.cos(x)
plt.plot(x,y,ls="-.",lw=2,c="r",label="plot figure")
plt.legend()
plt.axvspan(xmin=4.0,xmax=6.0,facecolor="b",alpha=0.3)
plt.axhspan(ymin=0.0,ymax=0.5,facecolor="b",alpha=0.3)
plt.show()

(2)运行结果如图

1.3.8函数 annotate()——添加图形内容细节的指向型注释文本

函数功能:添加图形内容细节的指向型注释文本。

调用签名:plt.annotate(string,xy=(np.pi/2,1.0),xytext=((np.pi/2)+0.15,1.5),weight="bold", color="b",

arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))。

参数说明

string:图形内容的注释文本。

xy:被注释图形内容的位置坐标。

xytext:注释文本的位置坐标。

weight:注释文本的字体粗细风格。

color:注释文本的字体颜色。

arrowprops:指示被注释内容的箭头的属性字典。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x)
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.annotate("maximum",
xy=(np.pi/2,1.0),
xytext=((np.pi/2)+1.0,.8),
weight="bold",
color="r",
arrowprops 
=dict(arrowstyle="->",connectionstyle="arc3",color="r"))
plt.show()

(2)运行结果如图

1.3.9函数 text()——添加图形内容细节的无指向型注释文本

函数功能:添加图形内容细节的无指向型注释文本。

调用签名:plt.text(x,y,string,weight="bold",color="r")。

Python 数据可视化之 matplotlib 实践

参数说明

x:注释文本内容所在位置的横坐标。

y:注释文本内容所在位置的纵坐标。

string:注释文本内容。

weight:注释文本内容的粗细风格。

color:注释文本内容的字体颜色。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.cos(x)
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.text(3.10,0.09,"y=cos(x)",weight="bold",color="r")
plt.show()

(2)运行结果如图

1.3.10函数 title()——添加图形内容的标题

函数功能:添加图形内容的标题。

调用签名:plt.title(string)。

参数说明

string:图形内容的标题文本。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.cos(x)
plt.plot(x,y,ls="-.",lw=3,c="c",label="plot figure")
plt.legend()
plt.title("y=cos(x)")
plt.show()

(2)运行结果如图

1.3.11 函数 legend()——标示不同图形的文本标签图例

函数功能:标示不同图形的文本标签图例。

调用签名:plt.legend(loc="lower left")。

参数说明

loc:图例在图中的地理位置。

调用展示

(1)代码实现

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x)
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend(loc="lower left")
plt.show()

(2)运行结果如图

1.4函数组合应用

对上面提到的函数进行一个综合性的运用

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm as cm
# define data
x = np.linspace(0.5,3.5,100)
y = np.sin(x)
y1 = np.random.randn(100)
# scatter figure
plt.scatter(x,y1,c="0.25",label="scatter figure")
# plot figure
plt.plot(x,y,ls="--",lw=2,label="plot figure")
# some clean up(removing chartjunk)
# turn the top spine and the right spine off
for spine in plt.gca().spines.keys():
    if spine == "top" or spine == "right":
        plt.gca().spines[spine].set_color("none")
# turn bottom tick for x-axis on
plt.gca().xaxis.set_ticks_position("bottom")
# set tick_line position of bottom
# leave left ticks for y-axis on
plt.gca().yaxis.set_ticks_position("left")
# set tick_line position of left
# set x,yaxis limit
plt.xlim(0.0,4.0)
plt.ylim(-3.0,3.0)
# set axes labels
plt.ylabel("y_axis")
plt.xlabel("x_axis")
# set x,yaxis grid
plt.grid(True,ls=":",color="r")
# add a horizontal line across the axis
plt.axhline(y=0.0,c="r",ls="--",lw=2)
# add a vertical span across the axis
plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=.3)
#set annotating info
plt.annotate("maximum",xy=(np.pi/2,1.0),
xytext=((np.pi/2)+0.15,1.5),weight="bold",color="r",
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="r"))
plt.annotate("spines",xy=(0.75,-3),
xytext=(0.35,-2.25),weight="bold",color="b",
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
plt.annotate("",xy=(0,-2.78),
xytext=(0.4,-2.32),
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
plt.annotate("",xy=(3.5,-2.98),
xytext=(3.6,-2.70),
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
# set text info
plt.text(3.6,-2.70,"'|' is tickline",weight="bold",color="b")
plt.text(3.6,-2.95,"3.5 is ticklabel",weight="bold",color="b")
# set title
plt.title("structure of matplotlib")
# set legend
plt.legend()
plt.show()

运行结果如下:

参考资料:《Python 数据可视化之 matplotlib 实践》第一章

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/179128.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

Java---微服务---RabbitMQ部署

RabbitMQ部署1.单机部署1.1.下载镜像1.2.安装MQ1.3访问管理端2.集群部署2.1.集群分类2.2.设置网络1.单机部署 我们在Centos7虚拟机中使用Docker来安装,如未安装dockr,请参考《Centos7安装Docker》 1.1.下载镜像 方式一:在线拉取 docker …

剑指Offer 第3天、第4天

剑指 Offer 05. 替换空格 class Solution { public:string replaceSpace(string s) {string res;for(auto e : s){if(e ){res%;res2;res0;}elserese;}return res;} }; 剑指 Offer 58 - II. 左旋转字符串 class Solution { public:string reverseLeftWords(string s, int n) {…

java spring IOC xml方式注入对象类型的list集合数据

我们新创建一个java项目 然后引入spring的基本依赖 在src下创建一个collectiontype 包 在 collectiontype 包下创建一个 Course类 参考代码如下 package collectiontype;//课程类 public class Course {//课程名称private String cname;public void setCname(String cname) …

Java---微服务---RabbitMQ入门与应用

RabbitMQ入门与应用1.初识MQ1.1.同步和异步通讯1.1.1.同步通讯1.1.2.异步通讯1.2.技术对比:2.快速入门2.1.安装RabbitMQ2.2.RabbitMQ消息模型2.3.导入Demo工程2.4.入门案例2.4.1.publisher实现2.4.2.consumer实现2.5.总结3.SpringAMQP3.1.Basic Queue 简单队列模型3…

浅析一条SQL在mysql中是如何执行的

一. Mysql内部组件结构 MySql大体分为server层和存储引擎层, server层 主要包括连接器、查询缓存、分析器、优化器、执行器等,涵盖 MySQL 的大多数核心服务功能,以及所有的内置函数(如日期、时间、数学和加密函数等)…

spring boot整合redis中间件与热部署实现

热部署 每次写完程序后都需要重启服务器&#xff0c;需要大量的时间&#xff0c;spring boot提供了一款工具devtools帮助实现热部署。 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-devtools</artifactId>…

1. python包管理pip工具

1. 何为pip&#xff1f; pip 是 python包管理工具&#xff0c;该工具提供了对 python包的查找、下载、安装、卸载的功能。 目前最新的 python版本已经预装了 pip。注意&#xff1a;python 2.7.9 或 python 3.4 以上版本都自带 pip 工具。之前在基础篇中我们已经安装了python3…

Java 23种设计模式(6.结构型模式-适配器模式)

结构型模式-适配器模式 代码分析 类图 代码 public class Target {//就是客户期待的接口&#xff0c;目标可以是具体&#xff0c;抽象的类&#xff0c;也可以是接口public String Request(){String msg "normal request";return msg;} }public class Adaptee {pub…

零基础学JavaWeb开发(二十五)之 vue快速入门

一、什么是VUE Vue 是一套用于构建用户界面的渐进式JavaScript框架&#xff0c;简化dom操作。 基于MVVM 是Model-View-ViewModel 的缩写&#xff0c;它是一种基于前端开发的架构模式&#xff0c;其核心是提供对View 和 ViewModel 的双向数据绑定&#xff0c;这使得ViewModel …

【头歌】循环单链表的基本操作

循环单链表的基本操作第1关&#xff1a;循环单链表的插入操作任务描述本关任务&#xff1a;编写循环单链表的插入操作函数。相关知识对于单链表&#xff0c;每个结点只存储了其后继结点的地址。尾结点之后不再有任何结点&#xff0c;那么它的next域设置有两种方式&#xff1a;将…

Python爬虫网页解析神器Xpath详细讲解

1、XPath介绍 XPath 是一门在 XML 文档中查找信息的语言。最初是用来搜寻 XML 文档的&#xff0c;但同样适用于 HTML 文档的搜索。 2、安装lxml lxml是Python的第三方解析库&#xff0c;支持HTML和XML解析&#xff0c;而且效率极高&#xff0c;弥补了Python自带的xml标准库在…

Mybatis-Plus id生成策略控制

目录 id生成策略控制 不同的表应用不同的id生成策略 名称 TableId AUTO策略 除了AUTO这个策略以外&#xff0c;还有如下几种生成策略: 分布式ID是什么? INPUT策略 ASSIGN_ID策略 ASSIGN_UUID策略 雪花算法 ID生成策略对比 id生成策略控制 不同的表应用不同的id生成…

计算机组成原理 | 第六章:计算机的运算方法 | 进制转换 | 定点运算 | 浮点数运算

文章目录&#x1f4da;进位计数制&#x1f407;任意进制转十进制&#x1f407;十进制整数转换为n进制整数&#x1f407;十进制小数转换为n进制小数&#x1f407;二/八/十六进制的互换&#x1f4da;带符号的二进制数表示⭐️&#x1f407;原码表示法&#x1f407;补码表示法&…

“买卖股票的最佳时机” 系列——我来教你稳赚不亏~

目录 前言 一、买卖股票的最佳时机 ——>指定次数交易&#xff08;1次&#xff09; 1.1、dp定义 1.2、递推公式 1.3、遍历顺序 1.4、初始化 1.5、解题代码 二、买卖股票的最佳时机II ——>交易到结束 2.1、分析 2.2、解题代码 三、买股票的最佳时机III ——>…

【keepass】密码管理软件keepass的安全风险分析,如何在使用keepass的过程中避免泄露数据库信息和密码?

一、安全风险分析 1.1 不正规的来源 如果你使用非官方渠道获得keepass软件或某些插件&#xff0c;那么你的密码管理从一开始就没有安全性可言。因为这玩意是开源的啊&#xff0c;如果对方“很懂”&#xff0c;只要往里面植入一些代码&#xff0c;让你的数据库文件和密钥在后台…

react 项目 中 使用 Dllplugin 打包优化

webpack在build包的时候&#xff0c;有时候会遇到打包时间很长的问题&#xff0c;这里提供了一个解决方案&#xff0c;让打包如丝般顺滑~ 在用 Webpack 打包的时候&#xff0c;对于一些不经常更新的第三方库&#xff0c;比如 react&#xff0c;lodash&#xff0c;vue 我们希望…

C语言基础知识(37)

数组一维数组的定义&#xff1a;类型说明符 数组名【常量表达式】&#xff1b;先定义后引用&#xff1b;一维数组初始化时可以只对一部分元素初始化&#xff0c;在对全部数组元素初始化的时候可以部规定长度&#xff1b;但是若被定义的数组长度与提供的初始值不一样时&#xff…

【MySQL】MySQL索引夺命连环问「持续更新中」

文章目录1. 使用MySQL索引的原因2. 索引的三种常见底层数据结构以及优缺点3. 索引的常见类型以及它是如何发挥作用的&#xff1f;4. MyISAM 和 InnoDB 实现 B 树索引方式的区别是什么&#xff1f;5. InnoDB 为什么设计 B 树索引&#xff1f;6. 什么是覆盖索引和索引下推&#x…

【JavaSE专栏7】Java 常量、变量及其作用域

作者主页&#xff1a;Designer 小郑 作者简介&#xff1a;Java全栈软件工程师一枚&#xff0c;来自浙江宁波&#xff0c;负责开发管理公司OA项目&#xff0c;专注软件前后端开发&#xff08;Vue、SpringBoot和微信小程序&#xff09;、系统定制、远程技术指导。CSDN学院、蓝桥云…

Python论文绘图利器seaborn.lineplot

Python论文绘图利器seaborn.lineplot 提示&#xff1a;前言 Python论文绘图利器seaborn.lineplot 提示&#xff1a;写完文章后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录Python论文绘图利器seaborn.lineplot前言一、导入包二、加载数据三…