matplotlib入门03-散点图

最新推荐文章于 2024-09-11 16:40:51 发布

原创最新推荐文章于 2024-09-11 16:40:51 发布 · 399 阅读

0 ·

CC 4.0 BY-SA版权

快乐的小阿白

文章标签：

#python #数据可视化

Matplotlib 专栏收录该内容

7 篇文章

订阅专栏

本文详细介绍了散点图的用途与特点，利用气温变化数据作为实例，演示了如何使用matplotlib库在Python中绘制并逐步优化散点图，包括调整坐标轴、添加中文显示、注释与文字说明。

散点图[2020年03月]

1.散点图的作用及特点

特点是能直观表现出影响因素和预测对象之间的总体关系趋势。优点是能通过直观醒目的图形方式反映变量间关系的变化形态，以便决定用何种数学表达方式来模拟变量之间的关系。散点图不仅可传递变量间关系类型的信息，也能反映变量间关系的明确程度。这时需要进一步作出拟合曲线。本篇暂时不涉及。

2 . 同样以气温变化作为样本数据。

每天最高温度： [10, 9, 8, 7, 9, 10, 15, 6, 11, 11, 16, 14, 12, 16, 18]

3.开始做图，老规矩先做一个简单的图，然后逐渐优化

#导入包  
from matplotlib import pyplot as plt 
import numpy as np 

#先画一个简单的图形，然后慢慢优化

#设置画布的大小。
plt.figure(figsize=(20,8),dpi=80)

#设置x轴y轴 
x_ticks =  [10, 9, 8, 7, 9, 10, 15, 6, 11, 11, 16, 14, 12, 16, 18]
 #温度 
y_ticks = np.range(1,len(x_ticks)+1)

#绘制图形
plt.scatter(x_ticks,y_ticks)

#保存图形
plt.save() #可传路径

#展示图形
plt.show()

4 图形优化

在上面我们已经画好了图形，下面我们就来优化图形。

设置x轴y轴

优化x轴y轴显示   
x_ticks_c = ["2020年3月{}号".format(i) for i in x_ticks]
plt.xticks(x_ticks,x_ticks_c,rotation = -90,fontproperties = my_font)
y_ticks_c = ["{}℃".format(i) for i in range(min(y_ticks),max(y_ticks)+1)]    plt.yticks(range(min(y_ticks),max(y_ticks)+1),y_ticks_c)

设置中文显示(mac版)

from matplotlib import font_manager
my_font = font_manager.FontProperties(字体存放路径)

设置轴名称标题

plt.xlabel("日期",fontproperties = my_font)
plt.ylabel("温度",fontproperties = my_font)
plt.title("2020年3月份北京时最高温度日报", fontproperties = my_font)

添加文字

 #添加文字信息
plt.text(15,18,"温度真的是越来越高了哇",fontproperties = my_font)
    
#添加注释 
plt.annotate("今天的温度真低哇",xy=(4,7),xytext=(4,11),arrowprops={'headwidth':10,'facecolor':'r'},fontproperties = my_font)