我的编程空间,编程开发者的网络收藏夹
学习永远不晚

python数据可视化plt库实例详解

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

python数据可视化plt库实例详解

先看下jupyter和pycharm环境的差别
左边是jupyter----------------------------------------------------------右边是pycharm

在这里插入图片描述

以下都是使用pycharm环境

1.一个窗口画出一个线性方程


import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1,个数为11的等差数列
print(x)
y = 2*x
plt.plot(x,y)
plt.show()

在这里插入图片描述

2.两个窗口分别画出一个线性方程


import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1,个数为11的等差数列
y1 = 2*x
y2 = 3*x
# 一个figure就是一个窗口
plt.figure()
plt.plot(x,y1)
# 一个figure就是一个窗口
plt.figure()
plt.plot(x,y2)
# 显示
plt.show()

在这里插入图片描述

3.一个窗口画出两个线性方程


import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1,个数为11的等差数列
y1 = 2*x
y2 = 3*x
# 一个figure就是一个窗口
plt.figure()
plt.plot(x,y1)
plt.plot(x,y2)
# 显示
plt.show()

在这里插入图片描述

4.定义画图的样式


import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1,个数为11的等差数列
y = 2*x
# 一个figure就是一个窗口
plt.figure(num=1)
plt.plot(x,y)
plt.figure(num=2)
# color是线条的颜色
plt.plot(x,y,color='red')
plt.figure(num=3)
# linestyle 是线条的样式
plt.plot(x,y,linestyle='--')
plt.figure(num=4)
# linewidth 是线条的宽度
plt.plot(x,y,linewidth=3)
# 显示
plt.show()

在这里插入图片描述

5.设置xy轴的范围,标签,刻度


import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1,个数为11的等差数列
y = 2*x
plt.figure(num=1)# 这里是figure1
plt.plot(x,y)
plt.figure(num=2)# 这里是figure2
plt.plot(x,y)
plt.xlim(0,3)# 设置x轴范围
plt.ylim(0,3)# 设置y轴范围
plt.xlabel('this is x')# 设置x轴标签
plt.ylabel('this is y')# 设置y轴标签
plt.figure(num=3)# 这里是figure3
plt.plot(x,y)
# 设置x轴刻度
x_ticks = np.linspace(1,3,3)
plt.xticks(x_ticks)
plt.figure(num=4)# 这里是figure4
plt.plot(x,y)
plt.ylim(0,3)# 设置y轴范围
plt.yticks([1,2],['bad','good'])# 设置y轴刻度
# 显示
plt.show()

在这里插入图片描述

6.设置图例


import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1,个数为11的等差数列
y1 = 2*x
y2 = 3*x
plt.figure()
plt.plot(x,y1,label='y1')
plt.plot(x,y2,label='y2')
plt.legend()
# 显示
plt.show()

在这里插入图片描述

7.散点图


import numpy as np
import matplotlib.pyplot as plt

x = np.random.randint(0,50,1024)
y = np.random.randint(0,50,1024)

plt.scatter(x,y,s=20)
# 隐藏 x 轴刻度
plt.xticks(())
# 显示
plt.show()

在这里插入图片描述

8.柱状图


import numpy as np
import matplotlib.pyplot as plt

n = 6
x = np.arange(n)
print(x)
# 生成6个数,这6个数在0到1正态分布
y = np.random.uniform(0,1,n)
print(y)
plt.bar(x,y)

# 显示
plt.show()

在这里插入图片描述

9.柱状图显示高度


import numpy as np
import matplotlib.pyplot as plt
n = 6
X = np.arange(n)
Y = np.random.uniform(0,1,n)

plt.figure(num=1)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,y)

plt.figure(num=2)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,"%.2f"%y)

plt.figure(num=3)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,"%.2f"%y,ha='center')

plt.figure(num=4)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y+0.01,"%.2f"%y,ha='center')
# 显示
plt.show()

在这里插入图片描述

10.等高线图


import numpy as np
import matplotlib.pyplot as plt

def f(X,Y):
    return X+Y

n = 256
x = np.linspace(0,3,n)
y = np.linspace(0,3,n)
X,Y=np.meshgrid(x,y)
plt.figure()
plt.contourf(X,Y,f(X,Y),4,cmap=plt.cm.hot)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
plt.contour(X,Y,f(X,Y),9)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
C = plt.contour(X,Y,f(X,Y),9)
plt.clabel(C,inline=True)
# 显示
plt.show()

在这里插入图片描述

11.一个窗口多个子图


import matplotlib.pyplot as plt

plt.figure()
# 两行两列的第一个位置,不加逗号也可以
plt.subplot(2,2,1)
plt.plot([0,1],[0,1])
# 两行两列的第二个位置,不加逗号也可以
plt.subplot(2,2,2)
plt.plot([0,2],[0,2])
# 两行两列的第三个位置,不加逗号也可以
plt.subplot(223)
plt.plot([0,3],[0,3])
# 两行两列的第四个位置,不加逗号也可以
plt.subplot(224)
plt.plot([0,4],[0,4])

plt.figure()
# 两行两列的第一个位置,不加逗号也可以
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])
# 两行两列的第二个位置,不加逗号也可以
plt.subplot(2,3,4)
plt.plot([0,2],[0,2])
# 两行两列的第三个位置,不加逗号也可以
plt.subplot(235)
plt.plot([0,3],[0,3])
# 两行两列的第四个位置,不加逗号也可以
plt.subplot(236)
plt.plot([0,4],[0,4])
# 显示
plt.show()

在这里插入图片描述

12.常用子图显示


plt.figure(figsize=(20,10))
for i in range(40):
    plt.subplot(4,10,i+1)
    plt.xticks()
    plt.yticks()
    plt.grid(False)
    plt.imshow(train_images[i],cmap=plt.cm.binary_r)
    plt.title(train_labels[i])
plt.show()

在这里插入图片描述

13.格子布局放置子图


import matplotlib.pyplot as plt

plt.figure()

# 三行三列的布局,从0行0列开始,占一行三列
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax1.plot([0,1],[0,1])
ax1.set_title('this is ax1')
# 三行三列的布局,从1行0列开始,占一行两列
ax2 = plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
# 三行三列的布局,从1行2列开始,占两行一列
ax3 = plt.subplot2grid((3,3),(1,2),colspan=1,rowspan=2)
# 三行三列的布局,从2行0列开始,占一行一列
ax4 = plt.subplot2grid((3,3),(2,0),colspan=1,rowspan=1)
# 三行三列的布局,从2行1列开始,占一行一列
ax5 = plt.subplot2grid((3,3),(2,1),colspan=1,rowspan=1)
# 显示
plt.show()

在这里插入图片描述

以上就是python可视化数据plt库实例的详细内容,更多关于python可视化数据plt库的资料请关注编程网其它相关文章!

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

python数据可视化plt库实例详解

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

Python数据可视化详解

数据可视化是一种将庞杂抽象的数据转化为直观易懂的图形的数据呈现技术,它能帮助我们快速把握数据的分布和规律,更加轻松地理解和探索信息,本文通过代码图片详细介绍了Python数据可视化,感兴趣的小伙伴可以参考阅读
2023-05-16

Python数据可视化库-Matplot

我们接着上次的继续讲解,先讲一个概念,叫子图的概念。我们先看一下这段代码import matplotlib.pyplot as pltfig = plt.figure()ax1 = fig.add_subplot(3,2,1)ax2 = f
2023-01-31

Leaflet 数据可视化实现地图下钻示例详解

这篇文章主要为大家介绍了Leaflet数据可视化实现地图下钻示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
2023-01-04

Python可视化函数plt.scatter详解

这篇文章主要介绍了Python可视化函数plt.scatter详解, 关于matplotlib的scatter函数有许多活动参数,如果不专门注解,是无法掌握精髓的,本文专门针对scatter的参数和调用说起,并配有若干案例,需要的朋友可以参考下
2023-05-15

Python数据可视化举例分析

这篇文章主要介绍“Python数据可视化举例分析”,在日常操作中,相信很多人在Python数据可视化举例分析问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”Python数据可视化举例分析”的疑惑有所帮助!接下来
2023-06-16

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录