图 4.1

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 x=np.linspace(-2*np.pi, 2*np.pi, 200)
y=np.sin(x)
y1=np.cos(x) plt.plot(x,y, label=r"$\sin(x)$")
plt.plot(x,y1,label=r"$\cos(x)$") plt.legend(loc="lower left") plt.title("正弦函数和余弦函数的折线图")
plt.show()

--------------------------------------------------------------------------

图 4.2

 

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 x=np.arange(0, 2.1, 0.1)
y=np.power(x, 3)
y1=np.power(x,2)
y2=np.power(x, 1) plt.plot(x, y, ls='-', lw=2, label='$x^{3}$')
plt.plot(x, y1, ls='-', lw=2, label='$x^{2}$', c='r')
plt.plot(x, y2, ls='-', lw=2, label='$x^{1}$', c='y') plt.legend(loc='upper left', bbox_to_anchor=(0.05, 0.95), ncol=3,
title="power function", shadow=True, fancybox=True) plt.show()

--------------------------------------------------------------------------

图 4.3

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 x=np.linspace(-2, 2, 1000)
y=np.exp(x) plt.plot(x, y, ls="-", lw=2, color='g') plt.title("center demo") plt.title("Left Demo", loc="left", fontdict={"size":"xx-large","color":"r",
"family":"Times New Roman"}) plt.title("right demo", loc="right", family="Comic Sans MS", size=20, style="oblique",
color="c") plt.show()

--------------------------------------------------------------------------

图 4.4

 

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 elements=["面粉", "砂糖", "奶油", "草莓酱", "坚果"] weight=[40, 15, 20, 10, 15] colors=["#1b9e77", "#d95f02", "#7570b3", "#66a61e", "#e6ab02"] wedges, texts, autotexts=plt.pie(weight, autopct="%3.1f%%", textprops=dict(color="w"),
colors=colors) plt.legend(wedges, elements, fontsize=12, title="配料表", loc="center left",
bbox_to_anchor=(0.91, 0, 0.3, 1)) #调整百分比字体类型和大小
plt.setp(autotexts, size=15, weight="bold") #调整标签字体类型和大小
# plt.setp(texts, size=32) plt.title("果酱面包配料比例表") plt.show()

--------------------------------------------------------------------------

图 4.5

 

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 x=np.linspace(-2*np.pi, 2*np.pi, 200)
y=np.sin(x) plt.subplot(211)
plt.plot(x, y) plt.subplot(212)
plt.xlim(-2*np.pi, 2*np.pi)
plt.xticks(np.pi*np.arange(-4, 5)/2,
[r"$-2\pi$", r"$-3\pi/2$", r"$-2\pi$", r"$-\pi$", r"$0$",
r"$\pi/2$", r"$\pi$", r"$3\pi/2$", r"$2\pi$", ])
plt.plot(x, y) plt.show()

--------------------------------------------------------------------------

图 4.6

 

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 time=np.arange(1, 11, 0.5)
machinePower=np.power(time, 2)+0.7 plt.plot(time, machinePower, linestyle="-", linewidth=2, color="r") #逆序设置坐标轴刻度标签
plt.xlim(10, 1) plt.xlabel("使用年限")
plt.ylabel("机器功率") plt.title("机器损耗曲线") plt.grid(ls=":", lw=1, color="gray", alpha=0.5) plt.show()

--------------------------------------------------------------------------

图 4.7

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 labels=["A难度水平", "B难度水平", "C难度水平", "D难度水平"] students=[0.35, 0.15, 0.20, 0.30] explode=(0.1, 0.1, 0.1, 0.1) colors=["#377eb8", "#e41a1c", "#4daf4a", "#984ea3"] plt.pie(students, explode=explode, labels=labels, autopct="%1.1f%%", startangle=45,
shadow=True, colors=colors) colLabels=["A难度水平", "B难度水平", "C难度水平", "D难度水平"]
rowLabels=["学生选择试卷人数"] studentValues=[[350, 150, 200, 300]]
colColors=["#377eb8", "#e41a1c", "#4daf4a", "#984ea3"] plt.table(cellText=studentValues, cellLoc="center", colWidths=[0.25]*4,
colLabels=colLabels, colColours=colColors, rowLabels=rowLabels,
rowLoc="center", colLoc="center", loc="bottom", rowColours='r') plt.title("选择不同难度测试试卷的学生占比")
plt.show()

--------------------------------------------------------------------------

《Python数据可视化之matplotlib实践》 源码 第一篇 入门 第四章的更多相关文章

  1. Python数据可视化——使用Matplotlib创建散点图

    Python数据可视化——使用Matplotlib创建散点图 2017-12-27 作者:淡水化合物 Matplotlib简述: Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D ...

  2. python 数据可视化(matplotlib)

    matpotlib 官网 :https://matplotlib.org/index.html matplotlib 可视化示例:https://matplotlib.org/gallery/inde ...

  3. Python数据可视化库-Matplotlib(一)

    今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库 通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等 废 ...

  4. Python数据可视化之Matplotlib实现各种图表

    数据分析就是将数据以各种图表的形式展现给领导,供领导做决策用,因此熟练掌握饼图.柱状图.线图等图表制作是一个数据分析师必备的技能.Python有两个比较出色的图表制作框架,分别是Matplotlib和 ...

  5. STL源码剖析读书笔记--第四章--序列式容器

    1.什么是序列式容器?什么是关联式容器? 书上给出的解释是,序列式容器中的元素是可序的(可理解为可以按序索引,不管这个索引是像数组一样的随机索引,还是像链表一样的顺序索引),但是元素值在索引顺序的方向 ...

  6. 重温《STL源码剖析》笔记 第四章

    源码之前,了无秘密  ——侯杰 序列式容器 关联式容器 array(build in) RB-tree vector set heap   map priority-queue multiset li ...

  7. Python数据可视化利器Matplotlib,绘图入门篇,Pyplot介绍

    Pyplot matplotlib.pyplot是一个命令型函数集合,它可以让我们像使用MATLAB一样使用matplotlib.pyplot中的每一个函数都会对画布图像作出相应的改变,如创建画布.在 ...

  8. Python数据可视化库-Matplotlib(二)

    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 plt fig = plt.figure() ax1 = fig.a ...

  9. Python数据可视化之matplotlib

    常用模块导入 import numpy as np import matplotlib import matplotlib.mlab as mlab import matplotlib.pyplot ...

  10. python数据可视化(matplotlib)

随机推荐

  1. feildconfig

    <template> <div style="float:left;width: 100%"> <el-row> <el-col :spa ...

  2. 在System身份运行的.NET程序中以指定的用户身份启动可交互式进程

    今天在技术群里,石头哥向大家提了个问题:"如何在一个以System身份运行的.NET程序(Windows Services)中,以其它活动的用户身份启动可交互式进程(桌面应用程序.控制台程序 ...

  3. Bloom Filter布隆过滤器

    简介 本质上布隆过滤器是一种数据结构,比较巧妙的概率型数据结构(probabilistic data structure),特点是高效地插入和查询,可以用来告诉你 "某样东西一定不存在或者可 ...

  4. 【论文阅读】RAL 2022: Receding Moving Object Segmentation in 3D LiDAR Data Using Sparse 4D Convolutions

    参考与前言 Status: Finished Type: RAL Year: 2022 论文链接:https://www.ipb.uni-bonn.de/wp-content/papercite-da ...

  5. day01小程序快速入门

    这几天正式开始微信小程序的修炼了,就目前而言来看简直就是vue和react的结合体,所以在学小程序前,先把框架熟悉还是挺有用的. 一.简介 1.1与普通网页区别 二.第一个小程序 需要注册小程序开发账 ...

  6. 网络化的控制系统简介(NCS)

    作为一个搞物联网应用的,最近才接触到NCS这个概念.有点东西,赶紧记录一下. NCS由通过网络连通的控制环路组成,控制信号和反馈信号会在控制器和本地系统间交换.典型的方块图如下: 其中,本地(Plan ...

  7. P9358 题解

    不难发现,最开始有 \(n\) 条链,并且由于每个点最多有一个桥,所以我们的交换操作实际上等价于将相邻的两条链断开,然后将它们后半部分交换.并且每个点在路径中的相对位置不变. 于是考虑维护这些链. 有 ...

  8. vulnhub - w1r3s.v1.0.1

    vulnhub - w1r3s.v1.0.1 高质量视频教程 - b站红队笔记 靶机下载 本地环境 本机ip:192.168.157.131 w1r3s虚拟机设置NAT模式 信息收集 扫描网段得到攻击 ...

  9. Java 、C# Excel模板,数据一对多,主从表关系,导入到数据库

    思路 单表导入的比较容易,但是有的时候,可能会出现,一对多数据导入的,这个情况怎么办呢?先理解上面的图,后台获取数据的时候,除了"风险防控措施"外,其他字段先分组,"黄色 ...

  10. DeepViT:字节提出深层ViT的训练策略 | 2021 arxiv

    作者发现深层ViT出现的注意力崩溃问题,提出了新颖的Re-attention机制来解决,计算量和内存开销都很少,在增加ViT深度时能够保持性能不断提高 来源:晓飞的算法工程笔记 公众号 论文: Dee ...