Matplotlib作业3

最新推荐文章于 2026-01-01 15:45:23 发布

原创

最新推荐文章于 2026-01-01 15:45:23 发布 · 469 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #数据分析 #数据挖掘

本文档是关于Matplotlib的作业，主要内容包括：展示墨尔本1981年至1990年的月均温度变化，并绘制数据的散点图及边际分布图，涉及数据可视化和分析。

作业

1. 墨尔本1981年至1990年的每月温度情况

请利用数据，画出如下的图：

# 数据导入代码
# 导入包
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  #用来正常显示负号

ex1 = pd.read_csv('data/layout_ex1.csv')
ex1.head()

	Time	Temperature
0	1981-01	17.712903
1	1981-02	17.678571
2	1981-03	13.500000
3	1981-04	12.356667
4	1981-05	9.490323

# 配置正则表达式
t_raw = '(\d{4})-0?(\d{1,2})'
t_raw_data = ex1.Time.str.extract(t_raw)

ex1

	Time	Temperature
0	1981-01	17.712903
1	1981-02	17.678571
2	1981-03	13.500000
3	1981-04	12.356667
4	1981-05	9.490323
...	...	...
115

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

long Rookie

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Matplotlib作业一

RookieWantToFly的博客

12-14

1921

import matplotlib.pyplot as plt import numpy as np fig,ax = plt.subplots() # 包含axes的figure ax.plot([1,2,3,4],[1,4,3,2]) matplotlib.pyplot可以直接在当前axes上绘制图像，如果用户未指定axes，matplotlib会自动创建一个 plt.plot([1,2,3,4],[1,4,3,2]) 在matplotlib中，图像是由不同元素组成的，通常图像是一个包含四个层次的

【Matplotlib基础03】布局格式定方圆

weixin_45480097的博客

07-17

1231

说到布局，除了坐标轴、标题的位置和大小，还有就是子图的摆放。之前说了通过subplot和subplots都能添加子图，但是未曾详细说明，第三篇就是专门讲子图的设置与技巧。先把所需要的库导入plt.rcParams['font.sans-serif']=['SimHei']#用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False#用来正常显示负号。...

参与评论您还未登录，请先登录后发表或查看评论

以题促学02_matplotlib画图_墨尔本1981年至1990年的每月温度情况折线图

YangTinTin的博客

01-18

846

墨尔本1981年至1990年的每月温度情况，利用数据，画出如下图：代码： from matplotlib import pyplot as plt import pandas as pd import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 data=pd.read_csv('../data/l

Matplotlib（二）

wangjp的博客

04-16

371

1. 墨尔本1981年至1990年的每月温度情况请利用数据，画出如下的图： import numpy as np import pandas as pd import matplotlib.pyplot as plt ex1 = pd.read_csv('./layout_ex1.csv') pat = '(\d{4})-(\d{2})' ex1.Time.str.extract(pat)# 注意extract 与 extractall 的区别。 ''' in extract ,it will sh

数据可视化组队学习：《Task03 - 布局格式定方圆》笔记

雨化于画

12-20

439

前言《第三回：布局格式定方圆》笔记。 1 子图 1.1 使用 plt.subplots 绘制均匀状态下的子图 """ figsize 参数可以指定整个画布的大小 sharex 和 sharey 分别表示是否共享横轴和纵轴刻度 tight_layout 函数可以调整子图的相对大小使字符不会重叠 """ fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True) fig.suptitle('样例1', size=20

Matplotlib：Matplotlib作业

02-12

这个“Matplotlib作业”将带你深入探索Matplotlib的功能，学习如何利用它来制作专业级别的数据可视化。在Python环境中，Jupyter Notebook是一个极其重要的工具，它允许我们将代码、解释文本和图表集成到一个易于...

matplotlib-challenge:作业5

04-18

在本“matplotlib-challenge:作业5”中，我们将深入探讨Python数据可视化库matplotlib的使用，特别是在Jupyter Notebook环境中。matplotlib是Python科学计算生态系统中的核心工具，用于创建高质量的静态、动态甚至...

9.matplotlib作业.ipynb

12-18

9.matplotlib作业.ipynb

Matplotlib 03-布局格式定方圆

qq_34903176的博客

12-20

540

Matplotlib 03-布局格式定方圆 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False 一、子图 1. 使用 plt.subplots 绘制均匀状态下的子图返回元素分别是画布和子图构成的列表，第一个数字为行，第二个为列 figsize

墨尔本气温预测.zip

03-12

时间序列数据广泛存在于量化交易，回归预测等机器学习应用，是最常见的数据类型。所以这里通过墨尔本十年气温变化预测的任务来整理一个时间序列数据挖掘的模板，方便以后查阅方便。这个模板可以用在大部分的时间序列预测任务，从股票价格波动，到四季气温变化，从大桥沉降预测，到城市用电预警等。通过本模板，可以掌握sklearn中常用的工具包以及深度神经网络的搭建Keras，能够学习到处理时间序列的方式，里边还包含了大量的数据可视化的套路。

时间序列数据挖掘：墨尔本十年气温变化（一）

qq_43874601的博客

08-01

6426

从股票价格波动，到司机气温变化，从大桥沉降预测，到城市用电预警，时间序列数据广泛存在于量化交易、回归预测等机器学习应用，是最常见的数据类型。接下来使用Python对一个经典的时间序列数据集：墨尔本十年气温变化数据集，进行以下工作：探索性数据挖掘和数据可视化：绘制折线图、热力图、箱型图、小提琴图、滞后图、自相关图，让枯燥的时间序列颜值爆表！对时间做特征工程：拓展时间数据纬度，这个代码模板也可以作为时间序列数据的通用预处理模板。使用三种机器学习模型建立回归拟合模型：岭回归、随机森林、神经网络，并可视化

Python-Matplotlib作业

qq_52851997的博客

04-23

2149

例11-1 给定11个点坐标，绘制简单折线图 (x,y) 。例11-2 绘制散点图 y = sin(x) 。例11-3 绘制4个子图，如图所示。将画布分为4块，其中：行row=2，列col=2，依次增加四个子图。例11-4 用画布的各种设置，绘制折线图：y = sin(x)，z = cos(x)。例11-5 绘制沪指综合指数收盘数据趋势图。例11-6 绘制：y = x **3 散点图（10个点）。例11-7 为...

Task3：第三回：布局格式定方圆

weixin_46336048的博客

09-19

433

matplotlib中子图处理方法，主要为Axes相关处理。

数据可视化教程作业打卡-第三回：布局格式定方圆

zhang35的博客

01-18

964

教程链接 https://github.com/datawhalechina/fantastic-matplotlib https://gitee.com/zhang35/fantastic-matplotlib/blob/main/第三回：布局格式定方圆.ipynb 作业 1. 墨尔本1981年至1990年的每月温度情况 ex1 = pd.read_csv('data/layout_ex1.csv') ex1.head() Time Temperature 0 1981-01 17.712903 1

GitHub 热榜项目 - 日榜(2026-1-1)

CoderJia的学习之路

01-01

326

本期GitHub热榜显示AI应用开发正全面渗透各技术领域，前沿项目聚焦于解决实际工程问题。Gemini的电脑使用预览和Timescale的pg-aiguide展示了AI与开发工具深度整合，通过MCP服务器提升代码生成质量。Pathway框架和docetl系统凸显流式ETL与LLM管道技术成熟，推动实时数据分析与RAG应用落地。同时，来自ResembleAI的Chatterbox和TrendRadar分别代表语音合成与智能信息聚合的技术突破，Deep-Live-Cam则体现单图视频生成技术的平民化趋势。这些项

Python 抽象属性 (@property + @abstractmethod) 详解

nvd11的专栏

12-28

289

本文介绍了在Python中使用@property和@abstractmethod组合定义抽象属性的方法。这种模式能够强制子类提供一个只读的数据接口，同时保持实现的灵活性。子类既可以用简单的类属性赋值实现，也可以通过@property方法动态计算属性值。这种设计使接口语义更清晰（表示特征而非动作），调用方式统一（都通过obj.field访问），并兼顾了简单静态配置和复杂动态逻辑两种实现需求。示例展示了静态配置和动态计算两种实现方式，体现了Python在抽象属性设计上的优势。

Vins-Fusion之 ROS2 Humble（二）