标签:ax2 plot plt 方式 day4 科学 ax x1 数据
1 创建ndarray的三种方式
从python的基础数据结构转化:
a=[1,2,3] a1=np.array(a)
通过numpy内置函数生成
a2=np.arange(10)
从文件读取
a3=np.loadtxt(r’D:\shuju.csv’,delimiter=’,’,skiprows=1,usecols=(1,4,6),unpack=False)
2 numpy中调用函数的两种方法
方法一:np.func(x)
方法二:x.func()
注:对于sort函数,使用方法1将生成一个新的array,原来的x不变化,使用方法2则是直接改变了当前的x
3 基本图形绘制
3.1 散点图
主要用来观察两个变量的相关性。
常用的4个参数为尺寸,颜色,标记,透明度,如:
plt.scatter(x,y,s=20,c=’r’,marker=’<’,alpha=0.3)
3.2 折线图
主要用来观察变量随时间的变化趋势。
常用的3个参数,线型,颜色,标记,如:
plt.plot(x,y,linestyle=’-‘,color=’red’,marker=’<’
3.3 条形图
主要用来比较不同分类的大小,通常数据量较小。
常用的2个参数,颜色,宽度,如:
plt.bar(left=index,height=y,color=’blue’,width=0.8)
如果需要画成水平方向,则:
plt.barh(left=0,bottom=index,height=y,color=’red’,width=0.8)
3.4 直方图
用来表示数据的分布情况。
plt.hist(x,color=’red’,bins=10,nomed=False)
绘制双变量直方图,如:
plt.hist2d(x,y,bins=40)
3.5 饼状图
主要用来显示一系列数据中各数据占总数的比例。
lab=[‘A’,’B’,’C’,’D’] x=[20,10,40,30] ex=[0,0.05,0,0] plt.pie(x,labels=lab,autopct=’%.02f%%’,explode=ex)
3.6 箱线图
主要用来显示一组数据的分散情况。
plt.boxplot(data)
3.7 颜色
颜色的设置有4中方法:
方法一:使用内置标识,有8种颜色,如红色,黄色,绿色等
方法二:使用阴影方式
方法三:使用十六进制方式
方法四:使用基于RGB的元组方式
3.8 样式
点的样式:23种
线的样式:4种
3.9 样式字符串
可以将颜色、点的样式、线的样式写在一起,如’ro-.’
4 图形绘制的3种方式比较
4.1 pylab
matplotlib与numpy结合,接近于matlab,不推荐使用
4.2 pyplot
高层封装的方式,使用简单
4.3 面向对象的方式
更接近于底层,自定义能力更强
注:实战中推荐基于项目情况,综合使用pyplot和面向对象的方式
5 子图绘制
5.1 通过面向对象绘制
fig=plt.figure() ax1=fig.add_subplot(121) ax1.plot(x1,x1*x1) ax2=fig.add_subplot(122) ax2.plot(x1,x1)
5.2 通过pyplot绘制
x1=np.arange(10) plt.subplot(121) plt.plot(x1,x1*x1) plt.subplot(122) plt.plot(x1,x1)
6 多图绘制
通过创建多个figure对象,可以画出多个图形:
fig1=plt.figure() ax1=fig1.add_subplot(111) ax1.plot(x,y) fig2=plt.figure() ax2=fig2.add_subplot(111) ax2.plot(x,y)
7 网格绘制
7.1 pyplot交互式
plt.grid(True)
此外,还可以通过plt.grid()设置网格颜色,线型等
7.2 面向对象式
ax.grid(True)
8 添加图例
8.1 pyplot方式
plt.plot(x,y,label=’hello’) plt.legend()
8.2 面向对象式
plt.plot(x,y,label=’hello’) ax.legend()
9 坐标轴范围调整
三种方式:
方式一:plt.axis([值1,值2,值3,值4])
方式二:plt.xlim([值1,值2])
方式三:plt.xlim(xmin=值1,xmax=值2)
10 坐标轴刻度调整
plt.plot(x,y) ax=plt.gca() ax.locator_params(‘x’,nbins=5)
对于日期,相对要复杂一些,采用面向对象的方式:
start=datetime.datetime(2015,1,1) stop=datetime.datetime(2016,1,1) delta=datetime.timedelta(days=1) dates=mpl.dates.drange(start,stop,delta) y=np.random.rand(len(dates)) ax=plt.gca() ax.plot_date(dates,y) date_format=mpl.dates.DateFormatter(‘%y-%m-%d’) 设置窗口日期格式 ax.xaxis.set_major_formatter(date_format) fig.autofmt_xdate() 自适应窗口显示日期方式 plt.show()
11 添加坐标轴
11.1 pyplot方式
plt.twinx() plt.plot(x1,y1)
11.2 面向对象方式
ax2=ax1.twinx() ax2.plot(x,y2) ax2.set_ylabel(‘Y2’)
标签:ax2,plot,plt,方式,day4,科学,ax,x1,数据 来源: https://www.cnblogs.com/zhuome/p/11620347.html
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。