Python酷玩之旅_数据分析入门(matplotlib)

news2024/10/19 22:40:43

导览

  • 前言
  • matplotlib入门
    • 1. 简介
      • 1.1 Pairwise data
      • 1.2 Statistical distributions
      • 1.3 Gridded data
      • 1.4 Irregularly gridded data
      • 1.5 3D and volumetric data
    • 2. 实践
      • 2.1 安装
      • 2.2 示例
  • 结语
  • 系列回顾

前言

翻看日历,今年的日子已划到了2024年10月19日,今天的北京是一个空气清新,略感秋冻的“湛蓝湛蓝”的日子。寒露已过,霜降即来,这显然是一个晚秋的标志,奈何岁月匆匆。
不过北京的秋天,总是能唤醒人们对自然的情趣。因为老舍先生曾经说过一句话:“北平之秋就是人间的天堂,也许比天堂更繁荣一点呢”。当你置身其中, 也许会赞叹吧?期待这个秋天缓缓落幕!——碎碎念

北京的秋天没有3个月聊不完,咱们还是先聊聊别的吧,换个频道吧。
数据分析是目前行业领域关键的业务技能了,不管你是什么行业、什么领域,几乎都离不开它。但是在大数据的背景下,你会怎么办?是否看到一堆数据,无从下手?

Python作为数据科学的利器,在此刻凸显出了它的优势。那么博主今天介绍一下它是如何为我们的数据分析工作提供帮助的。话不多说,这里隆重介绍一个python利器——matplotlib
在这里插入图片描述

matplotlib入门

1. 简介

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。——百度百科

简单讲是一个基于Python的数据可视化工具。
它支持的数据类型包括Pairwise、Statistical distributions、Gridded、Irregularly gridded和3D and volumetric。

1.1 Pairwise data

简单理解为给定一个X,必须对应一个Y,成对出现。
在这里插入图片描述

1.2 Statistical distributions

简单理解为单变量的统计分布。
在这里插入图片描述

1.3 Gridded data

可以理解为一个多维的网格化数据。
在这里插入图片描述

1.4 Irregularly gridded data

可以理解为不规则多维的网格化数据。
在这里插入图片描述

1.5 3D and volumetric data

可以理解为3D立体化数据。
在这里插入图片描述

详细资料可参考官网:旋转门,同时博主也推荐一个中文网站:学习教程。

2. 实践

知道了它的作用后,我们开始小试牛刀,先来安装吧。

2.1 安装

如未安装,直接使用,会提示如下异常:
在这里插入图片描述
我们可以在Pycharm——>terminal窗口输入:

# 使用清华源
 pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib

回车后,可以看到开始安装了:
在这里插入图片描述
如看到如下提示,代表成功:
在这里插入图片描述

2.2 示例

博主举一个 Pairwise data的样例吧,比如折线图。

# 导入pyplot
import matplotlib.pyplot as plt

xdata = [1, 2, 3, 4, 5]
ydata = [1, 4, 9, 16, 25]

# 设置图形的style, 通过plt.style.available获取all style
plt.style.use('seaborn-v0_8')

# 定义一个多plot的图表
fig, ax = plt.subplots()
# 图表标题
ax.set_title('Squares')
# x轴标题
ax.set_xlabel('Value', fontsize=14)
# y轴标题
ax.set_ylabel('Sq Value', fontsize=14)
# 刻度样式
ax.tick_params(axis='both', which='major', labelsize=14)
# 画图,指定x、y轴data
ax.plot(xdata, ydata, linewidth=3)

# 显示图形
plt.show()

执行后,我们可以看到下图:
在这里插入图片描述
这是一个典型的数据分析图形,随着X的变化分析Y的变化趋势。

结语

matplotlib是一个常用的基于Python的数据分析工具,博主以一个简单的示例进行说明,其他图形的使用方法可参考推荐的中文教程进行尝试,相信它会为的工作提供丰富的数据呈现手段。

系列回顾

Python酷玩之旅_如何正确使用pipreqs完成依赖导出(解决UnicodeDecodeError)
Python酷玩之旅_如何在Centos8顺利安装Python最新版(3.12)
Python酷玩之旅_如何连接MySQL(mysql-connector-python)


在这里插入图片描述

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/2218801.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

网络空间安全之一个WH的超前沿全栈技术深入学习之路(一:渗透测试行业术语扫盲)作者——LJS

欢迎各位彦祖与热巴畅游本人专栏与博客 你的三连是我最大的动力 以下图片仅代表专栏特色 [点击箭头指向的专栏名即可闪现] 专栏跑道一 ➡️网络空间安全——全栈前沿技术持续深入学习 专栏跑道二➡️ 24 Network Security -LJS ​ ​ ​ 专栏跑道三 ➡️ MYSQL REDIS Advanc…

vue登录页面

这里写目录标题 登录业务流程表单如何进行校验自定义校验规则整个表单的统一内容校验 封装登录接口axios的二次封装整个项目api的统一管理 调用接口 登录业务流程 表单如何进行校验 ElementPlus表单组件内置了表单校验功能,只需要按照组件要求配置必要参数即可 1.…

【880线代】线性代数一刷错题整理

第一章 行列式 2024.8.20日 1. 2. 3. 第二章 矩阵 2024.8.23日 1. 2024.8.26日 1. 2. 3. 4. 5. 2024.8.28日 1. 2. 3. 4. 第四章 线性方程组 2024.9.13日 1. 2. 3. 4. 5. 2024.9.14日 1. 第五章 相似矩阵 2024.9.14日 1. 2024.9.15日 1. 2. 3. 4. 5. 6. 7. 2024.9.…

蚂蚁华东师范大学:从零开始学习定义和解决一般优化问题LLMOPT

🎯 推荐指数:🌟🌟🌟 📖 title:LLMOPT: Learning to Define and Solve General Optimization Problems from Scratch 🔥 code:https://github.com/caigaojiang/LLMOPT &am…

YOLOv11改进-卷积-空间和通道重构卷积SCConv

本篇文章将介绍一个新的改进模块——SCConv(小波空间和通道重构卷积),并阐述如何将其应用于YOLOv11中,显著提升模型性能。为了减少YOLOv11模型的空间和通道维度上的冗余,我们引入空间和通道重构卷积。首先,…

如何开启华为交换机 http

系列文章目录 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 例如:第一章 Python 机器学习入门之pandas的使用 提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目…

pc轨迹回放制作

亲爱的小伙伴,在您浏览之前,烦请关注一下,在此深表感谢! 课程主题:pc轨迹回放制作 主要内容:制作车辆轨迹操作页,包括查询条件、动态轨迹回放、车辆轨迹详情表单等 应用场景:车辆…

14.归一化——关键的数据预处理方法

引言 在人工智能(AI)和机器学习中,归一化(Normalization)是一个重要的预处理步骤。它的主要目的是将数据转换到某个特定的范围。归一化可以帮助模型更高效地学习和提高预测的准确性。归一化在数据预处理方法中占据核心…

Jupyter Notebook中 Save and Export Notebook As不显示选项

问题 Jupyter Notebook中 Save and Export Notebook As 不显示选项(保存和导出没有选项) 解决 在jupyter notebook所在环境卸载jupyter_contrib_nbextensions,这是我之前安装的一个扩展工具集,从而导致上面的问题。 pip unin…

自动化数据处理:使用Selenium与Excel打造的数据爬取管道

随着互联网信息爆炸式增长,获取有效数据成为决策者的重要任务。人工爬取数据不仅耗时且效率低下,因此自动化数据处理成为一种高效解决方案。本文将介绍如何使用Selenium与Excel实现数据爬取与处理,结合代理IP技术构建一个可稳定运行的数据爬取…

Nodejs使用http模块创建Web服务器接收解析RFID读卡器刷卡数据

本示例使用设备: https://item.taobao.com/item.htm?spma21dvs.23580594.0.0.1d292c1buHvw58&ftt&id22173428704 Javascript源码 //引用http模块创建web服务器,监听指定的端口获取以GET、POST、JSON等方式上传的数据,并回应驱动读卡…

图像梯度-Sobel算子、scharrx算子和lapkacian算子

文章目录 一、认识什么是图像梯度和Sobel算子二、Sobel算子的具体使用三、scharrx算子与lapkacian(拉普拉斯)算子 一、认识什么是图像梯度和Sobel算子 图像的梯度是指图像亮度变化的空间导数,它描述了图像在不同方向上的强度变化。在图像处理和计算机视觉中&#x…

CUDA error: out of memory问题

加载模型时,模型也不大,GPU内存也完全够,但就是出现这个CUDA内存溢出问题。 究其原因,在于model.load_state_dict(torch.load(‘pretrain-model.pth’, map_locationdevice))这个代码省略了map_locationdevice 通过torch.load加载…

YOLOv11来了 | 自定义目标检测

概述 YOLO11 在 2024 年 9 月 27 日的 YOLO Vision 2024 活动中宣布:https://www.youtube.com/watch?vrfI5vOo3-_A。 YOLO11 是 Ultralytics YOLO 系列的最新版本,结合了尖端的准确性、速度和效率,用于目标检测、分割、分类、定向边界框和…

问题清除指南|alimama-creative/FLUX-Controlnet-Inpainting 运行注意事项

前言:近日验证想法需要用到inpainting技术,选择了https://github.com/alimama-creative/FLUX-Controlnet-Inpainting进行测试,在实现过程中遇到几个小问题,在此分享一下解决经验。 1. 下载预训练模型到本地 由于在huggingface官网…

React Agent 自定义实现

目录 背景 langchin 中的 agent langchin 中 agent 的问题 langchain 的 agent 案例 自定义 React Agent 大模型 工具定义 问题设定 问题改写,挖掘潜在意图 React Prompt 下一步规划 问题总结 代码 背景 之前使用过 langchian 中的 agent 去实现过一些…

WordPress监控用户行为回放插件

在数字营销的世界里,了解用户行为是提升用户体验和转化率的关键。nicen-replay 插件,它能够让您轻松回放用户在网站上的每一步操作,从点击到滚动,再到表单填写,每一个细节都清晰可见 nicen-replay,是一款可…

C#从零开始学习(类型和引用)(4)

类型 本章所有的代码都放在 https://github.com/hikinazimi/head-first-Csharp 整型 byte: 0~255sbyte: -128~127short: -32768~32767int: -2147483648~2147483647long: -9223372036854775808~9223372036854775807 以u开头的无符号整数 ushort,uint,ulong 浮点 float: (6~9…

RHCE【远程连接服务器】

目录 一、远程连接服务器简介 二、加密技术简介 SSH工作过程: (1)版本协商阶段 (2)密钥和算法协商阶段 (3)认证阶段 (4)会话请求阶段 (5&#xff0…

KUKA外部自动配置(上)

通过外部PLC对机器人自动运行进程进行控制,其控制原理是:外部PLC通过外部自动运行接口向机器人控制系统发出机器人进程的相关信号(如:运行许可、故障确认、程序启动等),机器人控制系统向外部PLC系统发送有关…