散点图

#导入必要的模块

import numpy as np

import matplotlib.pyplot as plt

#产生测试数据

x = np.arange(1,10)

y = x

fig = plt.figure()

ax1 = fig.add_subplot(111)

#设置标题

ax1.set_title('Scatter Plot')

#设置X轴标签

plt.xlabel('X')

#设置Y轴标签

plt.ylabel('Y')

#画散点图

ax1.scatter(x,y,c = 'r',marker = 'o')

#设置图标

plt.legend('x1')

#显示所画的图

plt.show()

折线图

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 10)

y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, 'ro-')

plt.plot(x, y2, 'g*:', ms=10)

plt.show()

柱状图

import numpy as np

import matplotlib.pyplot as plt

size = 5

a = np.random.random(size)

b = np.random.random(size)

c = np.random.random(size)

d = np.random.random(size)

x = np.arange(size)

total_width, n = 0.8, 3     # 有多少个类型，只需更改n即可

width = total_width / n

x = x - (total_width - width) / 2

plt.bar(x, a,  width=width, label='a')

plt.bar(x + width, b, width=width, label='b')

plt.bar(x + 2 * width, c, width=width, label='c')

plt.legend()

plt.show()

饼状图

import numpy as np

import matplotlib.pyplot as plt

labels = 'A', 'B', 'C', 'D'

fracs = [15, 30.55, 44.44, 10]

explode = [0, 0.1, 0, 0] # 0.1 凸出这部分，

plt.axes(aspect=1)  # set this , Figure is round, otherwise it is an ellipse

#autopct ，show percet

plt.pie(x=fracs, labels=labels, explode=explode,autopct='%3.1f %%',

        shadow=True, labeldistance=1.1, startangle = 90,pctdistance = 0.6

        )

'''

labeldistance，文本的位置离远点有多远，1.1指1.1倍半径的位置

autopct，圆里面的文本格式，%3.1f%%表示小数有三位，整数有一位的浮点数

shadow，饼是否有阴影

startangle，起始角度，0，表示从0开始逆时针转，为第一块。一般选择从90度开始比较好看

pctdistance，百分比的text离圆心的距离

patches, l_texts, p_texts，为了得到饼图的返回值，p_texts饼图内部文本的，l_texts饼图外label的文本

'''

plt.show()

气泡图

import pandas as pd

from matplotlib import pyplot as plt

crime=pd.read_csv("crimeRatesByState2005.csv")

fig,ax=plt.subplots(figsize=(10,5))

crime=crime[1:]

population=crime["population"].values

state=crime["state"].values

murder=crime["murder"].values

burglary=crime["burglary"].values

ax.scatter(murder,burglary,s=population/40000,alpha=0.6)

ax.set(xlim=(0,11),ylim=(200,1300),\

       xlabel="Murder per 100,000 population",\

       ylabel="Burglary per 100,000 population",\

       title="Murder & Burglary in USA")

for i,j,z in zip(murder,burglary,state):

    ax.text(x=i-0.3,y=j-0.1,s=z,fontsize=7)

ax.spines["top"].set_visible(False)

ax.spines["left"].set_visible(False)

ax.spines["right"].set_visible(False)

plt.show()

雷达图

# encoding: utf-8

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 显示中文

labels = np.array([u'总场次', u'吃鸡数', u'前十数',u'总击杀']) # 标签

dataLenth = 4  # 数据长度

data_radar = np.array([63, 1, 15, 13]) # 数据

angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False)  # 分割圆周长

data_radar = np.concatenate((data_radar, [data_radar[0]]))  # 闭合

angles = np.concatenate((angles, [angles[0]]))  # 闭合

plt.polar(angles, data_radar, 'bo-', linewidth=1)  # 做极坐标系

plt.thetagrids(angles * 180/np.pi, labels)  # 做标签

plt.fill(angles, data_radar, facecolor='r', alpha=0.25)# 填充

plt.ylim(0, 70)

plt.title(u'2018的绝地求生战绩')

plt.show()

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 用来正常显示中文标签

plt.rcParams['font.sans-serif']=['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus']=False  

# 读取本地 unrate.csv 文件

unrate = pd.read_csv('unrate.csv')

print(unrate.head())

# pd.to_datetime() 将数据转换成datetime类型

unrate['DATE'] = pd.to_datetime(unrate['DATE'])

print(unrate.head(12))

# plt.plot()画折线图

plt.plot()

# plt.show()显示图形

plt.show()

       DATE  VALUE

0  1948/1/1    3.4

1  1948/2/1    3.8

2  1948/3/1    4.0

3  1948/4/1    3.9

4  1948/5/1    3.5

         DATE  VALUE

0  1948-01-01    3.4

1  1948-02-01    3.8

2  1948-03-01    4.0

3  1948-04-01    3.9

4  1948-05-01    3.5

5  1948-06-01    3.6

6  1948-07-01    3.6

7  1948-08-01    3.9

8  1948-09-01    3.8

9  1948-10-01    3.7

10 1948-11-01    3.8

11 1948-12-01    4.0

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 用来正常显示中文标签

plt.rcParams['font.sans-serif']=['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus']=False  

# 读取本地 unrate.csv 文件

unrate = pd.read_csv('unrate.csv')

first_twelve = unrate[0:12]

print (first_twelve)

plt.plot(first_twelve['DATE'], first_twelve['VALUE'])

plt.show()

         DATE  VALUE

    //    3.4

    //    3.8

    //    4.0

    //    3.9

    //    3.5

    //    3.6

    //    3.6

    //    3.9

    //    3.8

   //    3.7

  //    3.8

  //    4.0

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 用来正常显示中文标签

plt.rcParams['font.sans-serif']=['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus']=False  

# 读取本地 unrate.csv 文件

unrate = pd.read_csv('unrate.csv')

first_twelve = unrate[0:12]

plt.plot(first_twelve['DATE'], first_twelve['VALUE'])

# plt.xticks设置x轴坐标，rotation设置x刻度旋转角度

plt.xticks(rotation=45)

#print (help(plt.xticks))

plt.show()

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 用来正常显示中文标签

plt.rcParams['font.sans-serif']=['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus']=False  

# 读取本地 unrate.csv 文件

unrate = pd.read_csv('unrate.csv')

first_twelve = unrate[0:12]

plt.plot(first_twelve['DATE'], first_twelve['VALUE'])

plt.plot(first_twelve['DATE'], first_twelve['VALUE'])

# plt.xticks设置x轴坐标，rotation设置x刻度旋转角度

plt.xticks(rotation=90)

# plt.xlabel()设置x轴标题

#plt.xlabel('Month')

plt.xlabel('月份')

#plt.ylabel('Unemployment rate')

plt.ylabel('失业率')

# plt.title()设置标题

plt.title('1948年失业率走势')

plt.show()

2.子图

在一张纸上画多张图

import matplotlib.pyplot as plt

# 创建画板

fig = plt.figure()

#.add_subplot添加子图

ax1 = fig.add_subplot(2,2,1)

ax2 = fig.add_subplot(2,2,2)

#ax3 = fig.add_subplot(2,2,3)

ax4 = fig.add_subplot(2,2,4)

#ax4 = fig.add_subplot(224)

plt.show()

import matplotlib.pyplot as plt

import numpy as np

# 创建画板

fig = plt.figure()

#fig = plt.figure(figsize=(8, 15))#figsize=(8, 15)设置画板大小

#.add_subplot添加子图

ax1 = fig.add_subplot(2,1,1)

ax2 = fig.add_subplot(2,1,2)

ax1.plot(np.random.randint(1,5,5), np.arange(5))

# np.random.randint(low,high,size),生成在[low,high)随机整数，low默认是0，size是元素个数，size是元组时，生成矩阵

ax2.plot(np.arange(10)*3, np.arange(10))

plt.show()

# 随机生成 5 个整数的 5 个整数

print(np.random.randint(1,5,5))

# 随机生成 1 到 5 的整数， 3 行 3 列

print(np.random.randint(1,5,(3,3)))

[    ]

[[  ]

 [  ]

 [  ]]

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 用来正常显示中文标签

plt.rcParams['font.sans-serif'] = ['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus'] = False

# 读取本地 unrate.csv 文件

unrate = pd.read_csv('unrate.csv')

unrate['DATE'] = pd.to_datetime(unrate['DATE'])

# dt.month获取datetime类型值的月份

unrate['MONTH'] = unrate['DATE'].dt.month

fig = plt.figure(figsize=(6,3))

plt.plot(unrate[0:12]['MONTH'], unrate[0:12]['VALUE'], c='r')

plt.plot(unrate[12:24]['MONTH'], unrate[12:24]['VALUE'], c='blue')

plt.show()

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 用来正常显示中文标签

plt.rcParams['font.sans-serif'] = ['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus'] = False

# 读取本地 unrate.csv 文件

unrate = pd.read_csv('unrate.csv')

unrate['DATE'] = pd.to_datetime(unrate['DATE'])

# dt.month获取datetime类型值的月份

unrate['MONTH'] = unrate['DATE'].dt.month

fig = plt.figure(figsize=(10, 6))

colors = ['red', 'blue', 'green', 'orange', 'black']

for i in range(5):

    start_index = i * 12

    end_index = (i + 1) * 12

    subset = unrate[start_index:end_index]

    plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i])  # c设置颜色

plt.show()

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 用来正常显示中文标签

plt.rcParams['font.sans-serif'] = ['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus'] = False

# 读取本地 unrate.csv 文件

unrate = pd.read_csv('unrate.csv')

unrate['DATE'] = pd.to_datetime(unrate['DATE'])

# dt.month获取datetime类型值的月份

unrate['MONTH'] = unrate['DATE'].dt.month

fig = plt.figure(figsize=(10,6))

colors = ['red', 'blue', 'green', 'orange', 'black']

for i in range(5):

    start_index = i*12

    end_index = (i+1)*12

    subset = unrate[start_index:end_index]

    label = str(1948 + i)

    # linewidth设置线宽

    plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i], label=label,linewidth=10)

plt.legend(loc='upper left')

plt.xticks(size=15)

plt.yticks(size=15)

plt.xlabel('Month, Integer',size=20)

plt.ylabel('Unemployment Rate, Percent')

plt.title('Monthly Unemployment Trends, 1948-1952')

plt.show()

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 用来正常显示中文标签

plt.rcParams['font.sans-serif'] = ['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus'] = False

# 读取本地 unrate.csv 文件

unrate = pd.read_csv('unrate.csv')

unrate['DATE'] = pd.to_datetime(unrate['DATE'])

# dt.month获取datetime类型值的月份

unrate['MONTH'] = unrate['DATE'].dt.month

plt.figure(figsize=(10,6))

x = np.arange(-2*np.pi,2*np.pi,0.01)

#x = np.arange(-2*np.pi,2*np.pi,0.01)

x1 = np.arange(-2*np.pi,2*np.pi,0.2)

y = np.sin(3*x1)/x1

y2 = np.sin(2*x)/x

y3 = np.sin(x)/x

# linestyle设置线的风格，marker设置点的风格

plt.plot(x1,y,c='b',linestyle='--',marker='^')

plt.plot(x,y2,c='r',linestyle='-.')

plt.plot(x,y3,c='g')

ax = plt.gca()  # 获取Axes对象

#plt.gca().spines[]图的边框，set_color()设置边框的颜色

#ax.spines['right'].set_color('none')

#ax.spines['top'].set_color('none')

#ax.xaxis.set_ticks_position('bottom')

# ax.spines['bottom']获取下边框，即x轴,set_position设置轴的位置

#ax.spines['bottom'].set_position(('data',0))

#ax.yaxis.set_ticks_position('left')

# #ax.spines['left']获取左边框，即y轴

#ax.spines['left'].set_position(('data',0))

# 设置要显示的刻度值

#plt.xticks([-2*np.pi,-np.pi,0,np.pi,2*np.pi])

# 设置要显示的刻度值，并将其进行替换成自定义字符串

#plt.xticks([-2*np.pi,-np.pi,0,np.pi,2*np.pi],['-2π','π','0','π','2π'],size=15)

# 设置x轴坐标范围

#plt.xlim((-np.pi,np.pi))

# 设置y轴坐标范围

#plt.ylim((0,3))

plt.show()

3.柱形图

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from numpy import arange

li = [1.2, 2.2, 1.5, 4.5, 2.5]

bar_positions = arange(5) + 1

print (bar_positions)

print (type(bar_positions))

plt.figure(figsize=(10,6))

# plt.bar ()画柱状图

plt.bar(bar_positions, li, 0.5)

plt.show()

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from numpy import arange

num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue', 'Fandango_Stars']

li = [1.2, 2.2, 1.5, 4.5, 2.5]

bar_positions = arange(5) + 1

print (bar_positions)

plt.figure(figsize=(10,6))

plt.bar(bar_positions, li, 0.5,color=['r','g','b'])

plt.xticks(bar_positions,num_cols,rotation=0, size=10)

plt.xlabel('Rating Source')

plt.ylabel('Average Rating')

plt.title('Average User Rating For Avengers: Age of Ultron (2015)')

for x,y in zip(bar_positions,li):#设置在柱子上显示文字注释

    plt.text(x,y,'%.2f'%y,ha="center", va="bottom",size=14)

    #plt.text()设置添加图中文本注释，依次传入坐标和字符串内容，size设置字的大小

    #ha设置horizontalalignment水平对齐方式，va设置verticalalignment：垂直对齐方式

plt.show()

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from numpy import arange

num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue', 'Fandango_Stars']

li = [1.2, 2.2, 1.5, 4.5, 2.5]

bar_positions = arange(5) + 1

print (bar_positions)

bar_positions = arange(5) + 1

plt.figure(figsize=(10,6))

plt.barh(bar_positions,li, 0.5,color=['r','orange','y','g','k'])

plt.yticks(bar_positions,num_cols,rotation=0, size=10)

plt.xlabel('Average Rating')

plt.ylabel('Rating Source')

plt.title('Average User Rating For Avengers: Age of Ultron (2015)')

for x,y in zip(li,bar_positions):#设置在柱子上显示文字注释

    plt.text(x,y,'%.2f'%x,ha="left", va="center",size=14)

plt.show()

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from numpy import arange

# 用来正常显示中文标签

plt.rcParams['font.sans-serif']=['SimHei']

# 用来正常显示负号

plt.rcParams['axes.unicode_minus']=False  

pdData = pd.read_csv('pandas作业.csv')

positive = pdData[pdData['Admitted'] == 1]

negative = pdData[pdData['Admitted'] == 0] 

fig = plt.figure(figsize=(10,5))

plt.scatter(positive['Exam1'], positive['Exam2'], s=30, c='b', marker='o', label='通过')

# s设置点的大小，c设置颜色，marker设置点的形状，label设置图例

plt.scatter(negative['Exam1'], negative['Exam2'], s=30, c='r', marker='x', label='淘汰')

plt.legend()#显示图例

plt.xlabel('科目1分数')#设置横坐标标题

plt.ylabel('科目2分数')

数据分析大数据之路六 matplotlib 绘图工具的更多相关文章

数据分析大数据之路四 numpy 2
NumPy 数学函数 NumPy 提供了标准的三角函数:sin().cos().tan(import numpy as np a = np.array([0,30,45,60,90])print (' ...
数据分析大数据之路五 pandas 报表
pandas: 在内存中或对象,会有一套基于对象属性的方法, 可以视为 pandas 是一个存储一维表,二维表,三维表的工具, 主要以二维表为主一维的表, (系列(Series)) 二维的表, ...
数据分析大数据之路三 numpy
import numpy as np a = np.arange(9) b = a.reshape(3,3) print(b) print(b.max(axis=0)) # axis=0 示为 Y 轴 ...
CentOS6安装各种大数据软件第六章：HBase分布式集群的配置
相关文章链接 CentOS6安装各种大数据软件第一章:各个软件版本介绍 CentOS6安装各种大数据软件第二章:Linux各个软件启动命令 CentOS6安装各种大数据软件第三章:Linux基础 ...
胖子哥的大数据之路（7）- 传统企业切入核心or外围
一.引言昨天和一个做互联网大数据(零售行业)的朋友交流,关于大数据传统企业实施的切入点产生了争执,主要围绕两个问题进行了深入的探讨: 问题1:对于一个传统企业而言什么是核心业务,什么是外围业务? 问 ...
大数据之路week06--day07（Hadoop生态圈的介绍）
Hadoop 基本概念一.Hadoop出现的前提环境随着数据量的增大带来了以下的问题 (1)如何存储大量的数据? (2)怎么处理这些数据? (3)怎样的高效的分析这些数据? (4)在数据增长的情况 ...
胖子哥的大数据之路（10）- 基于Hive构建数据仓库实例
一.引言基于Hive+Hadoop模式构建数据仓库,是大数据时代的一个不错的选择,本文以郑商所每日交易行情数据为案例,探讨数据Hive数据导入的操作实例. 二.源数据-每日行情数据三.建表脚本 C ...
胖子哥的大数据之路（9）-数据仓库金融行业数据逻辑模型FS-LDM
引言: 大数据不是海市蜃楼,万丈高楼平地起只是意淫,大数据发展还要从点滴做起,基于大数据构建国家级.行业级数据中心的项目会越来越多,大数据只是技术,而非解决方案,同样面临数据组织模式,数据逻辑模式的问 ...
胖子哥的大数据之路（6）- NoSQL生态圈全景介绍
引言: NoSQL高级培训课程的基础理论篇的部分课件,是从一本英文原著中做的摘选,中文部分参考自互联网.给大家分享. 正文: The NoSQL Ecosystem 目录 The NoSQL Eco ...

随机推荐

java校验字符串是否为json格式
觉得挺好玩的一个问题,如何校验字符串是否为标准的json格式,刚开始的回答是jsonObject或者jsonArray转换一下,如果可以转换,说明为json字符串,如果不能就抛出异常,捕获异常. 但是 ...
错误：org.springframework.jdbc.support.SQLErrorCodesFactory - SQLErrorCodes loaded
使用spring+mybatis整合时报错:org.springframework.jdbc.support.SQLErrorCodesFactory - SQLErrorCodes loaded 错 ...
看不到git远程分支
1.先用fetch命令更新remote索引 $ git fetch 2.再查看remote分支,发现已经可以看到目标分支 $ git branch -a 3.再切换分支 $ git checkout ...
2018-2019-2 20165234 《网络对抗技术》 Exp4 恶意代码分析
实验四恶意代码分析实验目的 1.监控自己系统的运行状态,看有没有可疑的程序在运行. 2.分析一个恶意软件,就分析Exp2或Exp3中生成后门软件:分析工具尽量使用原生指令或sysinternals ...
将Chrome插件Momentum背景图片设为桌面壁纸
Momentum简介 Momentum插件是一款自动更换壁纸,自带时钟,任务日历和工作清单的chrome浏览器插件.官方的解释就是:替换你 Chrome 浏览器默认的“标签页”.里面的图片全部来自50 ...
LeetCode第十五题-找出数组中三数和为0的答案
3Sum 问题简介: 给定n个整数的数组nums,是否有元素a,b,c在nums中,使a + b + c = 0? 找到数组中所有唯一的三元组,它们的总和为零注:解决方案集不得包含重复的三元组例如 ...
[转] xgboost
还是不太明白,先mark一下 https://blog.csdn.net/v_july_v/article/details/81410574
python制作串口工具
# coding:utf-8import timeimport serialimport stringimport binasciiimport linecache FilePath="G: ...
如何在sublime安装ctags函数追踪插件
一.这个插件是需要下载执行软件才能够操作的,下载地址http://prdownloads.sourceforge.net/ctags/ctags58.zip 然后解压到自己喜欢的目录下,我是安装到 D ...
@validated 验证 List 参数在spring中
@PostMapping(value = "complete") public Vo complete(@Valid @RequestBody @Validated(Complet ...

数据分析 大数据之路 六 matplotlib 绘图工具

散点图

折线图

柱状图

饼状图

气泡图

雷达图

2.子图

在一张纸上画多张图

3.柱形图

数据分析 大数据之路 六 matplotlib 绘图工具的更多相关文章

随机推荐

热门专题

数据分析大数据之路六 matplotlib 绘图工具

数据分析大数据之路六 matplotlib 绘图工具的更多相关文章