标签：plt Python Matplotlib df Part2 values angles np import
1 绘制密度图
1.1 密度图
import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde
# 创建数据
data = [1.2]*8 + [2.2]*5 + [3.6]*8 + [4.9]*5 + [5.3]*2 + [6.6]*6
# 创建一个密度函数，从X轴给这个函数一个值时，它在Y轴上返回相应的值
density = gaussian_kde(data)
density.covariance_factor = lambda : .25
density._compute_covariance()
# 创建数集并绘图
data2 = np.linspace(0, 9, 300)
plt.plot(data2,density(data2))
plt.show()OUTPUT:
1.2 二维密度图
import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import kde
# 创建数据
x = np.random.normal(size=800)
y = x * 3 + np.random.normal(size=800)
nbins=500
k = kde.gaussian_kde([x,y])
x1, y1 = np.mgrid[x.min():x.max():nbins*1j, y.min():y.max():nbins*1j]
z1 = k(np.vstack([x1.flatten(), y1.flatten()]))
# 绘制
plt.pcolormesh(x1, y1, z1.reshape(x1.shape), shading='auto')
plt.show()OUTPUT:
2 绘制雷达图
2.1 单组雷达图
import matplotlib.pyplot as plt
import pandas as pd
from math import pi
# 创建数据
df = pd.DataFrame({
'group': ['A','B','C','D'],
'wri': [18, 5, 28, 9],
'ora': [23, 10, 9, 20],
'com': [18, 36, 27, 29],
'org': [7, 32, 35, 16],
'lea': [26, 15, 32, 18]
})
cate=list(df)[1:]
N = len(cate)
values=df.loc[0].drop('group').values.flatten().tolist()
values += values[:1]
values
# 雷达图的角度设置
angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]
# 绘图及各参数设置
ax = plt.subplot(111, polar=True)
plt.xticks(angles[:-1], cate, color='grey', size=15)
ax.set_rlabel_position(0)
plt.yticks([10,20,30], ["10","20","30"], color="grey", size=8)
plt.ylim(0,40)
ax.plot(angles, values, linewidth=1, linestyle='solid')
ax.fill(angles, values, 'b', alpha=0.1)
plt.show()OUTPUT:
2.2 多组雷达图
import matplotlib.pyplot as plt
import pandas as pd
from math import pi
# 创建数据
df = pd.DataFrame({
'group': ['A','B','C','D'],
'wri': [18, 5, 28, 9],
'ora': [23, 10, 9, 20],
'com': [18, 36, 27, 29],
'org': [7, 32, 35, 16],
'lea': [26, 15, 32, 18]
})
cate=list(df)[1:]
N = len(cate)
values=df.loc[0].drop('group').values.flatten().tolist()
values += values[:1]
values
# 雷达图的角度设置及图初始化
angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]
ax = plt.subplot(111, polar=True)
# 将一组放置在第二组上方
ax.set_theta_offset(pi / 2)
ax.set_theta_direction(-1)
# 设置图上各参数
plt.xticks(angles[:-1], cate, color='grey', size=15)
ax.set_rlabel_position(0)
plt.yticks([10,20,30], ["10","20","30"], color="grey", size=8)
plt.ylim(0,40)
# 绘制雷达图-A组
values=df.loc[0].drop('group').values.flatten().tolist()
values += values[:1]
ax.plot(angles, values, linewidth=1, linestyle='solid', label="group A")
ax.fill(angles, values, 'b', alpha=0.1)
# 绘制雷达图-B组
values=df.loc[1].drop('group').values.flatten().tolist()
values += values[:1]
ax.plot(angles, values, linewidth=1, linestyle='solid', label="group B")
ax.fill(angles, values, 'r', alpha=0.1)
# 图例
plt.legend(loc='upper right', bbox_to_anchor=(0.1, 0.1))
plt.show()OUTPUT:
3 绘制环形图（甜甜圈图）
import matplotlib.pyplot as plt
# 创建数据
size_of_groups=[12,15,9,39]
# 先绘制饼图
plt.pie(size_of_groups)
# 在饼图中添加白色的圆
my_circle=plt.Circle( (0,0), 0.7, color='white')
p=plt.gcf()
p.gca().add_artist(my_circle)
plt.show()OUTPUT:
4 绘制时间序列图
4.1 时间序列图
import matplotlib.pyplot as plt
import numpy as np
# 创建数据
data=np.cumsum(np.random.randn(1000,1))
# 绘制
plt.plot(data)OUTPUT:
4.2 多组时间序列图
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
# 创建数据
df=pd.DataFrame({'x_values': range(1,11), 'y1_values': np.random.randn(10), 'y2_values': np.random.randn(10)+range(1,11), 'y3_values': np.random.randn(10)+range(11,21) })
# 绘制多线时间序列图
plt.plot( 'x_values', 'y1_values', data=df, marker='', color='olive', linewidth=2, label="f1")
plt.plot( 'x_values', 'y2_values', data=df, marker='', color='olive', linewidth=2, label="f2")
plt.plot( 'x_values', 'y3_values', data=df, marker='', color='olive', linewidth=2, linestyle='dashed', label="f3")
plt.legend()
plt.show()OUTPUT:
5 面积图
import numpy as np
import matplotlib.pyplot as plt
# 创建数据
x=range(1,30)
y=[1,3,6,9,4,9,5,6,8,3,5,3,2,6,1,5,6,8,7,4,2,6,2,5,8,7,3,9,8]
# 绘制并设置图形相关参数
plt.fill_between( x, y, color="skyblue", alpha=0.2)
plt.plot(x, y, color="Slateblue", alpha=0.6)
plot.show()OUTPUT:
标签：plt,Python,Matplotlib,df,Part2,values,angles,np,import 来源： https://blog.csdn.net/Luminoll/article/details/122735049
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。