Python绘制的好看统计图

plt.contourf绘制等高线图cmap参数设置 cmap支持的参数如下: ‘Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r 阅读详情

代码

sx = ['Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG', 'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap', 'CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens', 'Greens_r', 'Greys', 'Greys_r', 'OrRd', 'OrRd_r', 'Oranges', 'Oranges_r', 'PRGn', 'PRGn_r', 'Paired', 'Paired_r', 'Pastel1', 'Pastel1_r', 'Pastel2', 'Pastel2_r', 'PiYG', 'PiYG_r', 'PuBu', 'PuBuGn', 'PuBuGn_r', 'PuBu_r', 'PuOr', 'PuOr_r', 'PuRd', 'PuRd_r', 'Purples', 'Purples_r', 'RdBu', 'RdBu_r', 'RdGy', 'RdGy_r', 'RdPu', 'RdPu_r', 'RdYlBu', 'RdYlBu_r', 'RdYlGn', 'RdYlGn_r', 'Reds', 'Reds_r', 'Set1', 'Set1_r', 'Set2', 'Set2_r', 'Set3', 'Set3_r', 'Spectral', 'Spectral_r', 'Wistia', 'Wistia_r', 'YlGn', 'YlGnBu', 'YlGnBu_r', 'YlGn_r', 'YlOrBr', 'YlOrBr_r', 'YlOrRd', 'YlOrRd_r', 'afmhot', 'afmhot_r', 'autumn', 'autumn_r', 'binary', 'binary_r', 'bone', 'bone_r', 'brg', 'brg_r', 'bwr', 'bwr_r', 'cividis', 'cividis_r', 'cool', 'cool_r', 'coolwarm', 'coolwarm_r', 'copper', 'copper_r', 'cubehelix', 'cubehelix_r', 'flag', 'flag_r', 'gist_earth', 'gist_earth_r', 'gist_gray', 'gist_gray_r', 'gist_heat', 'gist_heat_r', 'gist_ncar', 'gist_ncar_r', 'gist_rainbow', 'gist_rainbow_r', 'gist_stern', 'gist_stern_r', 'gist_yarg', 'gist_yarg_r', 'gnuplot', 'gnuplot2', 'gnuplot2_r', 'gnuplot_r', 'gray', 'gray_r', 'hot', 'hot_r', 'hsv', 'hsv_r', 'inferno', 'inferno_r', 'jet', 'jet_r', 'magma', 'magma_r', 'nipy_spectral', 'nipy_spectral_r', 'ocean', 'ocean_r', 'pink', 'pink_r', 'plasma', 'plasma_r', 'prism', 'prism_r', 'rainbow', 'rainbow_r', 'seismic', 'seismic_r', 'spring', 'spring_r', 'summer', 'summer_r', 'tab10', 'tab10_r', 'tab20', 'tab20_r', 'tab20b', 'tab20b_r', 'tab20c', 'tab20c_r', 'terrain', 'terrain_r', 'turbo', 'turbo_r', 'twilight', 'twilight_r', 'twilight_shifted', 'twilight_shifted_r', 'viridis', 'viridis_r', 'winter', 'winter_r']
for j in range(0,len(sx)+1):
    import matplotlib.pyplot as plt
    import random as r
    import matplotlib as m
    m.rc('font',family='fangsong')
    x = []
    y = []
    s = []
    c = []
    alpha = []
    #色系。
    for i in range(1,100):
        x.append(r.uniform(0,10))
        y.append(r.uniform(0,10))
        s.append(r.randint(10,1600))   #大小
        c.append(r.uniform(1,2000))  #个数
        alpha.append(r.uniform(0.1,0.9))
    plt.scatter(x,y,s=s,c=c,cmap=sx[j],alpha=alpha)    #cmap可以等于:'Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG', 'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap', 'CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens', 'Greens_r', 'Greys', 'Greys_r', 'OrRd', 'OrRd_r', 'Oranges', 'Oranges_r', 'PRGn', 'PRGn_r', 'Paired', 'Paired_r', 'Pastel1', 'Pastel1_r', 'Pastel2', 'Pastel2_r', 'PiYG', 'PiYG_r', 'PuBu', 'PuBuGn', 'PuBuGn_r', 'PuBu_r', 'PuOr', 'PuOr_r', 'PuRd', 'PuRd_r', 'Purples', 'Purples_r', 'RdBu', 'RdBu_r', 'RdGy', 'RdGy_r', 'RdPu', 'RdPu_r', 'RdYlBu', 'RdYlBu_r', 'RdYlGn', 'RdYlGn_r', 'Reds', 'Reds_r', 'Set1', 'Set1_r', 'Set2', 'Set2_r', 'Set3', 'Set3_r', 'Spectral', 'Spectral_r', 'Wistia', 'Wistia_r', 'YlGn', 'YlGnBu', 'YlGnBu_r', 'YlGn_r', 'YlOrBr', 'YlOrBr_r', 'YlOrRd', 'YlOrRd_r', 'afmhot', 'afmhot_r', 'autumn', 'autumn_r', 'binary', 'binary_r', 'bone', 'bone_r', 'brg', 'brg_r', 'bwr', 'bwr_r', 'cividis', 'cividis_r', 'cool', 'cool_r', 'coolwarm', 'coolwarm_r', 'copper', 'copper_r', 'cubehelix', 'cubehelix_r', 'flag', 'flag_r', 'gist_earth', 'gist_earth_r', 'gist_gray', 'gist_gray_r', 'gist_heat', 'gist_heat_r', 'gist_ncar', 'gist_ncar_r', 'gist_rainbow', 'gist_rainbow_r', 'gist_stern', 'gist_stern_r', 'gist_yarg', 'gist_yarg_r', 'gnuplot', 'gnuplot2', 'gnuplot2_r', 'gnuplot_r', 'gray', 'gray_r', 'hot', 'hot_r', 'hsv', 'hsv_r', 'inferno', 'inferno_r', 'jet', 'jet_r', 'magma', 'magma_r', 'nipy_spectral', 'nipy_spectral_r', 'ocean', 'ocean_r', 'pink', 'pink_r', 'plasma', 'plasma_r', 'prism', 'prism_r', 'rainbow', 'rainbow_r', 'seismic', 'seismic_r', 'spring', 'spring_r', 'summer', 'summer_r', 'tab10', 'tab10_r', 'tab20', 'tab20_r', 'tab20b', 'tab20b_r', 'tab20c', 'tab20c_r', 'terrain', 'terrain_r', 'turbo', 'turbo_r', 'twilight', 'twilight_r', 'twilight_shifted', 'twilight_shifted_r', 'viridis', 'viridis_r', 'winter', 'winter_r'
    plt.title('色系: '+sx[j])
    plt.show()

大家可以看一看上一篇博客:动态规划——记忆化递归-优快云博客 你一定会对动态规划有新的了解

效果:

 

 

sns的color_palette以及plt的cmap 文章目录1.cmap2.palette 1.cmap cmap: 2.palette color_palette: 第二个就是上面几张图中颜色的名字,如下: ‘Accent’, ‘Accent_r’, ‘Blues’, ‘Blues_r’, ‘BrBG’, ‘BrBG_r’, ‘BuGn’, ‘BuGn_r’, ‘BuPu’, ‘BuPu_r’, ‘CMRmap’, ‘CMRmap_r’, ‘Dark2’, ‘Dark2_r’, ‘GnBu’, ‘GnBu_r’, ‘Greens’, ‘Gre 阅读详情

相关推荐

Python-Matplotlib可视化(10)——一文详解3D统计图的绘制

Matplotlib是Python的绘图库,它提供了一整套和 matlab 相似的命令 API,可以生成你所需的出版质量级别的图形,而制作3D图形的API与2D API非常相似。我们已经学习了一系列2D统计图的绘制,而在统计图中再添加一个维度可以展示更多信息。而且,在进行常规汇报或演讲时,3D图形也可以吸引更多的注意力。在本系列的最后一篇中,我们将探讨利用Matplotlib绘制三维统计图。借助Matplotlib库,可以方便的对进行数据分析,快速完成数据可视化。

盼小辉丶的博客 1万+

绘制热力图seaborn.heatmap,cmap设置颜色的参数

cmap的参数如下: Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges...

199铱 2万+

Python-Matplotlib可视化(1)——一文详解常见统计图的绘制

Matplotlib是Python的绘图库,它提供了一整套和 matlab 相似的命令 API,可以生成你所需的出版质量级别的图形,Matplotlib使绘图变得非常简单,在易用性和性能间取得了优异的平衡。借助Matplotlib库,可以方便的对进行数据分析,快速完成数据可视化。

盼小辉丶的博客 2万+

python中matplotlib的颜色及线条控制

https://www.cnblogs.com/darkknightzh/p/6117528.html cnames = { 'aliceblue': '#F0F8FF', 'antiquewhite': '#FAEBD7', 'aqua': '#00FFFF', 'aquamarine': '#7FFF...

qq_28565767的博客 564

Python-Matplotlib可视化(3)——自定义样式绘制精美统计图

Matplotlib是Python的绘图库,它提供了一整套和 matlab 相似的命令 API,可以生成你所需的出版质量级别的图形。matplotlib提供的所有绘图都带有默认样式。虽然这可以进行快速绘图,但有时可能需要自定义绘图的颜色和样式,以绘制更加精美、符合审美要求的图像。matplotlib的设计考虑到了此需求,很容易调整matplotlib图形的样式。 借助Matplotlib库,可以方便的对进行数据分析,快速完成数据可视化,从此告别加班。

盼小辉丶的博客 7330

Python-Matplotlib可视化(2)——自定义颜色绘制精美统计图

Matplotlib是Python的绘图库,它提供了一整套和 matlab 相似的命令 API,可以生成你所需的出版质量级别的图形。matplotlib提供的所有绘图都带有默认样式。虽然这可以进行快速绘图,但有时可能需要自定义绘图的颜色和样式,以对绘制更加精美、符合审美要求的图像。matplotlib的设计考虑到了此需求,很容易调整matplotlib图形的颜色和样式。 借助Matplotlib库,可以方便的对进行数据分析,快速完成数据可视化。

盼小辉丶的博客 2万+

使用python代码绘制好看的统计图

上述代码使用matplotlib和seaborn。

分享python,大模型,人工智能,机器学习相关的内容 784

Python-Matplotlib可视化(7)——多方面自定义统计图绘制

Matplotlib是Python的绘图库,它提供了一整套和 matlab 相似的命令 API,可以生成你所需的出版质量级别的图形。当我们使用一个绘图包时,我们需要其涵盖的内容极其多样:一方面,我们希望可以使用最少的代码和技巧创建任何类型的图形;另一方面,我们也希望能够灵活的自定义图形的所有方面。这是两个截然相反的目标,Matplotlib在这两个目标之间提供了优异的平衡,本文中,我们将看到如何在多个方面自定义图形。借助Matplotlib库,可以方便的对进行数据分析,快速完成数据可视化,从此告别加班。

盼小辉丶的博客 6098

python怎么画出好看的统计图_Python+matplotlib+numpy绘制精美的条形统计图

本文实例主要向大家分享了一个Python+matplotlib+numpy绘制精美的条形统计图的代码,效果展示如下:完整代码如下:import matplotlib.pyplot as pltfrom numpy import arangefrom numpy.random import randdef gbar(ax, x, y, width=0.5, bottom=0):X = [[.6, ....

weixin_39550258的博客 273

Python Plt颜色配色一览(热力图)

环境: python 3.7 可用配色: ['Accent','Accent_r','Blues','Blues_r','BrBG','BrBG_r','BuGn','BuGn_r','BuPu','BuPu_r','CMRmap','CMRmap_r',\ 'Dark2','Dark2_r','GnBu','GnBu_r','Greens','Greens_r','Greys','Greys_r','OrRd','OrRd_r','Oranges','Oranges_r',\ 'PRGn','PRGn_r','Paired','Paired_r','Pastel1','Pastel1_r'

STM32硬件SPI驱动ADS1255/1256避坑指南:从Cube MX配置到稳定采样实战

本文详细解析了使用STM32硬件SPI驱动高精度ADC芯片ADS1255/1256的完整流程与关键陷阱。重点阐述了Cube MX中SPI模式(必须为CPOL=1, CPHA=1)、数据帧格式(MSB First)及波特率(建议从256kHz起)的正确配置,并提供了分步读写时序的代码实现与逻辑分析仪调试方法,帮助开发者避开常见坑点,实现稳定可靠的高精度数据采样。

weixin_29193259的博客 362

python怎么画出好看的统计图_怎样绘制漂亮的统计图表|不一样的折线图

Hello大家好,怎样绘制漂亮的统计图表系列又和大家见面啦!上一期 怎样绘制漂亮的统计图表|柱状图的正确打开方式 讲了柱状图,这期我们来聊一聊折线图。上期在『早起python』与『可乐的数据分析之路』公众号给大家提供了本期的练习数据:数据集2,可以看到数据集2是日期和数值组成的数据,对于描述随时间变化的数据,最好用折线图,在Excel里非常简单的3步曲搞定:选中数据——点击插入——点击推荐的图表就...

weixin_39552538的博客 516

家庭网络中,路由器和交换机的连接顺序

它的目的是给路由器增加端口,用户访问互联网的速度比情况一要快,常用于办公网络、家庭成员多的场景。光纤入户首先连接的肯定是光猫,而在光猫的后面,是先连接交换机?还是应该接路由器呢?家庭网络中路由器和交换机的先后连接顺序。它目的是让更多的用户访问互联网。常用于一些超大型机房、网吧等。至于路由器和交换机的区别。两者之间很多功能都有兼容。但用户上网速度相对较慢。在技术日益迭代的今天。

m0_74075744的博客 1万+

python怎么画出好看的统计图_怎样绘制漂亮的统计图表|柱状图的正确打开方式...

前天我们在公众号『早起python』与『可乐的数据分析之路』开启了『怎样绘制漂亮的统计图表』系列专题,在两天的时间内我们收到一些粉丝提供的可视化结果,虽然参与的人并不多,但是已经足够我们说明问题了。下面开始点评时间。如果有获取数据集的读者会发现第一期的数据集非常简单。两组分类变量,在第一期的内容中我们已经提到了对于分类变量最好使用柱状图与饼图去描述,那么我们来看一下部分作品这位读者使用的软件一看就...

weixin_39598069的博客 448

chipseeker Y叔

这一次讲解非常重要的peak注释,注释在ChIPseeker里只需要用到一个函数annotatePeak,它可以满足大家各方面的需求。 输入 当然需要我们上次讲到的BED文件,ChIPseeker自带了5个BED文件,用getSampleFiles()可以拿到文件的全路径,它返回的是个named list,我这里取第4个文件来演示。annotatePeak的输入也可以是GRanges对象,你如果用R做peak calling的话,直接就可以衔接上ChIPseeker了。 require(ChIPseeke

生信小博士的博客 1590

【SeedLab】Packet Sniffing and Spoofing Lab

本节实验要求:借助Scapy库,实现网络流量的捕获与伪造。

cold_windx的博客 4517

python怎么画出好看的统计图_用最简单的 Python ,画最好看的图 [简单数据可视化]...

可以直接修改参数使用,非常的方便。import numpy as npimport pandas as pdimport holoviews as hvhv.extension('bokeh')macro_df = pd.read_csv('http://assets.holoviews.org/macro.csv', '\t')key_dimensions = [('year', 'Year...

weixin_39860064的博客 635

【ORB-SLAM3】使用安卓手机的摄像头运行ORB3

使用安卓手机的摄像头运行ORB-SLAM3单目

caiqidong321的博客 4999

使用python 绘制统计图,(折线图,条形统计图,扇形统计图)

在使用python的时候经常会出现各种数据,有的时候光看数字还感觉不出来什么,碰巧发现网上有说怎么绘制出统计图的。此处记录简单的几种,做简单使用 ###折线图和柱状图#### import numpy as np import matplotlib.pyplot as plt # ========================================= x = np.arr...

qq_37849776的博客 1万+

mapbox 从入门到精通 - 目录

欢迎大家来到gis分享者的《mapbox 从入门到精通》专栏。博主列出学习大纲,如果有什么问题,欢迎留言。

我哎GIS博客 5853

python实现边缘检测Canny算子 (附完整源码)

python实现边缘检测Canny算子 (附完整源码)

希望我的博客,能帮上你解决学习中工作中所遇到的问题 457
上一篇: 记忆化递归
下一篇: 电脑的操作技能
B757-300
博客等级 码龄4年 259粉丝 52原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值