(数据分析)Python-matpoltlib库-绘制散点图

最新推荐文章于 2024-08-30 00:03:17 发布
最新推荐文章于 2024-08-30 00:03:17 发布
阅读量485 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： python 文章标签： python 数据分析 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_29568427/article/details/109721302
本文展示了如何使用Python的matplotlib库来绘制北京2016年3月和10月每日最高气温的变化散点图。通过散点图，可以直观地观察到气温随时间的波动情况，x轴表示日期，y轴表示温度，不同月份的数据用不同颜色区分，同时对x轴刻度进行了调整并添加了图例，以便于理解图表信息。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

问题引入

假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?
a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]

数据来源: http://lishi.tianqi.com/beijing/index.html

绘制散点图

在python中画散点图主要是用matplotlib模块中的scatter函数。

from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname="C:\\Windows\\Fonts\\simfang.ttf")

y_3 = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17,
       18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21, 22, 22, 22, 23]
y_10 = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 19, 22, 23, 17,
        20, 21, 20, 22, 15, 11, 15, 5, 13, 17, 10, 11, 13, 12, 13, 6]
x_3 = range(1, 32)
x_10 = range(51, 82)
# 设置图像大小
plt.figure(figsize=(20, 8), dpi=80)
# 绘制
plt.scatter(x_3, y_3, label="3月份")
plt.scatter(x_10, y_10, label="10月份")

# 调整x轴的刻度
_x = list(x_3) + list(x_10)
_xtick_lables = ["3月{}日".format(i) for i in x_3]
_xtick_lables += ["10月{}日".format(i - 50) for i in x_10]
plt.xticks(_x[::3], _xtick_lables[::3], fontproperties=my_font, rotation=45)

# 添加图例
plt.legend(prop=my_font, loc="upper right")

# 添加描述信息
plt.xlabel("时间", fontproperties=my_font)
plt.ylabel("温度 单位(℃)", fontproperties=my_font)
plt.title("标题", fontproperties=my_font)

plt.show()

运行结果

在这里插入图片描述

python-线性回归NumPy和Matplotlib库
jiang_changsheng的博客
02-05 619
函数进行线性回归分析，得到回归方程的斜率（slope）、截距（intercept）、相关系数（r）、p值（p）和标准误差（std_err）。这段代码使用了Matplotlib和SciPy库来进行简单的线性回归分析，并绘制出数据点和回归线的散点图。通过这段代码，我们可以对给定的x和y数据进行线性回归分析，并绘制出数据点和回归线的散点图，从而观察数据的线性趋势和相关性。函数中，返回根据回归方程计算的y值。中，得到回归线上的所有y值。：显示绘制的散点图和回归线。，用于计算回归线上的y值。，表示自变量的取值。
Matplotlib之散点图绘制
m0_45209371的博客
08-26 876
1 散点图介绍 散点图用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。 特点： 判断变量之间是否存在数量关联趋势，表示离群点（分布规律） 2 散点图绘制 散点图通过scatter()函数绘制 • plt.scatter(x,y) # 以默认的形状颜色等绘制散点图 示例一： 假设通过爬虫你获取到了长沙2019年4,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间变化的某种规律 a = [1
【数据分析之道-Matplotlib(四)】Matplotlib散点图
阿极的博客
05-17 8940
散点图（Scatter Plot）是一种常用的数据可视化方式，用于展示两个变量之间的关系。Matplotlib提供了丰富的功能来绘制散点图，并可以根据需求进行自定义和调整。 在Matplotlib中，可以使用scatter()函数来绘制散点图。该函数接受两个参数，分别是x和y，表示散点图中各个点的横坐标和纵坐标。
散点图--python库--matpolitlib
weixin_30640769的博客
12-25 322
import matplotlib.pyplot as plt import numpy as np n = 1024 X = np.random.normal(0,1,n)#是生成的数平均值是0，方差是1 Y = np.random.normal(0,1,n) T = np.arctan2(Y,X)#颜色 plt.scatter(X,Y,s = 75,c = T,...
python数据分析--Matplotlib绘制散点图
pinuscembra的博客
01-10 1795
绘制散点图的基本方法 方法一 # 统计某市，四月份和十月份天气的变化 from matplotlib import pyplot as plt from matplotlib.font_manager import FontProperties # 导入字体 font = FontProperties(fname=r"C:\Windows\Fonts\simsun.ttc",size=10) x = range(1,32) y_4m = [11,17,16,11,12,11,12,13,10,14,8,
python matplotlib画散点图_如何使用python的matplotlib模块画散点图
weixin_39594457的博客
11-20 409
python是个很有趣的语言，可以在cmd命令窗口运行，还有很多的功能强大的模块。这篇经验告诉你，如何利用python的matplotlib模块画散点图。工具/原料windows系统电脑一台Python软件并安装有matplotlib模块spyder编辑器方法/步骤1第一步，点击键盘 win+r，打开运行窗口；在窗口中输入“cmd"，点击确定，打开windows命令行窗口。2第二步，在cmd命令行...
【Python学习】matplotlib学习总结——散点图
Q小鑫
05-01 1143
绘制散点图 举个例子： 任务：绘制北京3月和10月的温度散点图。 1、x轴坐标为时间，间距为3天 2、y轴为温度（摄氏度） 3、设置图片大小和分辨率 4、添加图例 5、设置栅格 6、绘制网格 7、保存图片 from matplotlib import pyplot as plt import matplotlib # 设置中文 matplotlib.rc('font', family = 'SimSun') # 3月温度 y_3 = [11,17,16,11,12,11,12,6,6,..
Python中使用matpoltlib进行数据的可视化入门及详解-使用matplotlib做图
12-22
在Python编程环境中，数据可视化是一项重要的任务，而`matplotlib`库是进行数据可视化的首选工具之一。本篇文章将深入探讨如何使用`matplotlib`库来创建基本的图形，并逐步揭示其可自定义的各种特性。 首先，要使用...
Python数据分析：数据可视化（Matplotlib、Seaborn）
互联网架构小马的博客
08-16 1801
本文详细介绍了Python中两个主要的数据可视化库——Matplotlib和Seaborn的使用方法，并通过一个综合实例展示了如何使用这两个库进行数据可视化。Matplotlib提供了强大的绘图功能和高度的定制性，而Seaborn则提供了更简洁的接口和更美观的默认样式。根据不同的需求，我们可以选择合适的库进行数据可视化，从而更好地理解和解释数据。
Python的Matplotlib库详解
pumpkin84514的博客
08-30 1830
Matplotlib作为Python中功能强大的数据可视化库，其丰富的API和灵活的配置选项使得用户可以轻松地创建各种类型的图表。在掌握了基本的绘图流程后，用户可以尝试更多高级用法，如多子图布局、交互式图形生成等，以满足更复杂的需求。
Python数据分析——matplotlib折线图和散点图
靳先森的博客
11-23 1732
一般情况下，绘制折线图和散点图使用matplotlib.pylab下的plot，绘制折线图使用matplotlib.pylab下的hist 绘制折线图 # 折线图/散点图，一般使用plot # 直方图，一般使用hist import matplotlib.pylab as pyl x = [1,2,3,4,8] # x轴数据 y = [5,7,8,9,10] # y轴数据 pyl.plot(...
matplotlib学习——绘制散点图+flatten函数用法
weixin_30551947的博客
03-04 519
在最近学习《机器学习实战时》，在使用matplotlib时，往往是这样：import matplotlib.pyplot as plt 接下来fig=plt.figure() 绘制图表 fig.add_subplot(111)是什么意思呢？ 函数是在大的画布中绘制小画布，111表明:将画布分成1行1列，获取从上到下，从左到右第1块小画布。 同理add_subplot(2,3,5)...
（十）用Matplotlib画散点图、饼图及绘图函数总结
小粉桥反手王的博客
01-18 580
1、散点图（scatter函数）；2、饼图（pie函数）；3、pyplot绘图函数总结（五种图及其附属函数）。
Python使用Plot库构图--详细教程
qq_53396586的博客
05-14 1265
本文使用到的库为：matplotlib.pyplot IDE：Pycharm2021 我下面同意把pyplot名称改写为plt，（这是一个matlab的绘图库，matlab中使用和python中基本一样的）。 import matplotlib.pyplot as plt 先讲解一下里面的函数: plt.figure(figsize=(8, 6)) 直接理解为开了一个宽8高6的绘图区域就好了，单位是英寸。 里面还有一些参数：facecolor:制定背景颜色。ed...
【MATLAB基础绘图第3棒】绘制散点密度图
WW、forever的博客
07-08 7760
总结各种现有利用MATLAB绘制三点密度图的方法，并给出代码和案例。
Python 绘制数据散点图
热门推荐
华仔仔的博客
12-07 2万+
Python 有着强大的绘图库 matplotlib, 该库集成了大量的绘制函数，可以满足我们平时绝大多数的绘图要求。其中，matplotlib 库是 Python 进行可视化功能的主要软件包，matplot 本是 matlab 中的绘图库，matplotlib 其实就是在 Python 实现 matplot 的功能。 利用 Python 绘制散点图与在 matlab 中操作类似，以数据集 fourclass 为例(数据集的获取方式见文章https://blog.youkuaiyun.com/weixin_432525
Python Matplotlib数据可视化绘图之（三）————散点图
北极熊在南极_whl的博客
12-14 7270
本文我们主要介绍利用Python中的Matplotlib模块进行几种散点图的画法，包括整张图片只有一种颜色的不分组散点图、整张图片有好几种颜色的不分组散点图、整张图片有好几种颜色的分组散点图等。以上就是今天要讲的内容，本文详细介绍了各种散点图的绘制过程和方法，并用实例给大家演示了具体的实现代码和实现逻辑，希望对大家学习画散点图有帮助。
【python数据分析06】——matplotlib绘图(散点图、折线图)
zhejie666的博客
08-15 3264
数据分析中最常用的两种图形是散点图和折线图，这两种图形都能够分析不同数值型特征间的关系。其中，散点图主要用于分析特征间的相关关系，折线图用于分析自变量特征和因变量特征之间的趋势关系。
matpoltlib练习题
最新发布
06-12
<think>首先，用户正在请求与Matplotlib相关的练习问题或实践任务，以帮助学习数据可视化。他们特别提到了“练习题、示例代码、数据可视化”，所以我需要提供基于Matplotlib的实际练习。系统指令要求我：-使用$...$格式表示行内数学表达式。-使用$$...$$格式表示单独成段的独立公式。-使用正确的LaTeX语法。-使用中文回答问题。-在回答末尾生成相关问题。-自然地添加引用标识，如[^1]，在引用部分的末尾。-组织回答结构清晰，逐步引导用户解决问题。在之前的上下文中，有一条用户消息显示“[系统级指令(用户不可见)]”，但我认为那是系统提示的一部分。用户最后的信息是他们正在寻找练习。从引用的参考资料（[1]到[5]）来看，它们涉及Matplotlib的安装、绘图示例（如折线图、柱状图）、子图等。我需要参考这些内容，但我不能直接复制粘贴；我应该创造新的相关练习。关键点：-创建实际任务。-使用中文。-在末尾添加相关问题。结构：1.**介绍**：简要介绍Matplotlib练习的重要性。2.**提供练习任务**：列出几个具体的练习任务，每个包括：-任务描述。-提示使用哪些Matplotlib功能。-可能包括基于引用的数据或场景。3.**包括示例代码**：提供基础模板作为起点（参考引用中的示例）。4.**生成相关问题**：像示例中那样结束。可能的练习想法（基于引用）：-参考[4]：绘制一个简单的折线图。-参考[5]：创建多个子图。-一般任务：从CSV文件读取数据并绘图，使用不同的图表类型。-添加标签、标题、图例等定制元素。-导入Matplotlib并显示或保存图像。练习任务列表：1.绘制一个折线图：给定一个数字列表（例如，[1,3,2,4]），创建一个基本折线图。2.创建带标签的柱状图：根据类别及其值绘制柱状图。3.使用子图：在一个figure中展示多个图表。4.自定义图表：添加图例、设置颜色、线型等。5.交互式任务：基于用户输入生成图表。提供代码片段：-如引用中所示，使用`importmatplotlib.pyplotasplt`。-展示绘图模板。生成的相关问题：-如：1.如何添加网格线？2.Matplotlib还有哪些图表类型？3.如何自定义图表风格？添加引用：-在每个练习之后自然地引用相关部分，但由于这些是引用，并且用户提供它们，所以我可以说类似"参考示例代码[^4]"的内容。确保使用中文：-所有描述都用中文写。大纲：1.介绍：解释这些练习如何帮助学习Matplotlib。2.练习任务：-任务1：绘制简单折线图（类似[4]）。-任务2：创建柱状图。-任务3：使用子图。3.每个任务的示例代码。4.总结。5.相关问题。最后：添加§§相关问题§§部分。</think> 以下回答结合了Matplotlib数据可视化的基础知识和引用资料，针对您的需求（寻找练习题或实践任务），提供了一系列循序渐进的练习。每个练习包括任务描述、建议方法和简单示例代码（基于引用[^1]至[^5]），帮助您巩固数据可视化技能。示例代码使用Matplotlib的核心功能，如`plt.plot`（折线图）、`plt.bar`（柱状图）和子图绘制，并强调通用绘图模板（参见引用[^1]的"通用绘图模板"部分）。 ### 1. 基本折线图绘制练习 **任务描述**：给定一组数据点（例如温度变化数据），绘制一个带坐标轴标签和标题的折线图。练习目标是掌握数据导入、简单图形绘制和图表定制。 **建议方法**：使用`plt.plot()`函数，参考引用[^4]的简单绘图示例，添加`plt.xlabel()`, `plt.ylabel()`, `plt.title()`定制图表。 **示例代码**（启动模板）： ```python import matplotlib.pyplot as plt # 导入库，参考[^1] # 模拟数据（例如：时间与温度） x = [1, 2, 3, 4] # X轴：时间点 y = [22, 25, 23, 19] # Y轴：温度值，单位摄氏度 # 绘制折线图 plt.plot(x, y, 'b-') # 蓝色实线 plt.xlabel('时间（小时）') # 添加X轴标签 plt.ylabel('温度（℃）') # 添加Y轴标签 plt.title('温度变化曲线') # 设置标题 plt.grid(True) # 添加网格线 plt.show() # 显示图表 plt.savefig('exercise1.png') # 保存为文件，类似[^4] ``` **练习目标**：修改数据点（如`y = [3, 4, 2, 1]`）并更改线型样式（例如：'r--'代表红色虚线），观察图表变化[^4]。 ### 2. 柱状图绘制练习 **任务描述**：创建一个柱状图，展示不同产品的销售额。重点是学习如何表示分类数据，并添加图例或数据标签。 **建议方法**：使用`plt.bar()`函数，结合引用[^2]的柱状图定制技巧，如设置颜色和柱宽。 **示例代码**（启动模板）： ```python import matplotlib.pyplot as plt # 模拟数据（产品名称和销售额） products = ['产品A', '产品B', '产品C'] sales = [5000, 3000, 4500] # 绘制柱状图 plt.bar(products, sales, color='skyblue', width=0.6) # 设置颜色和宽度 plt.xlabel('产品名称') plt.ylabel('销售额（元）') plt.title('产品销售额对比') # 可选：添加柱状图数据标签（练习任务） plt.show() ``` **练习目标**： - 尝试更换数据（例如引用[^5]的股票数据，模拟为`sales = [120, 150, 110]`）。 - 添加`plt.legend(['销售额'])`图例，并保存图像到不同格式[^4]。 ### 3. 子图创建练习（多图表布局） **任务描述**：在一个Figure中绘制多个子图，比较不同类型的数据可视化（如折线图和散点图）。这有助于理解Matplotlib的Figure对象组成（参考引用[^1]的"Figure的组成"部分）。 **建议方法**：使用`plt.subplot()`函数，参考引用[^5]的多子图示例，管理图表布局。 **示例代码**（启动模板）： ```python import matplotlib.pyplot as plt import numpy as np # 用于生成模拟数据 # 创建2行2列的布局 fig = plt.figure(figsize=(10, 8)) # 设置Figure大小 # 子图1：折线图 plt.subplot(2, 2, 1) # 位置1 x = np.linspace(0, 10, 100) # 模拟数据点 y1 = np.sin(x) plt.plot(x, y1, 'g-') # 绿色实线 plt.title('折线图：正弦函数') # 子图2：散点图（练习任务） plt.subplot(2, 2, 2) # 位置2 y2 = np.random.rand(50) # 随机散点 plt.scatter(x[:50], y2, color='red', marker='o') # 添加代码定制样式 plt.title('散点图：随机数据') # 子图3和4：参考[^5]的方式添加更多图表（例如柱状图或自定义类型） # ... plt.tight_layout() # 自动调整子图间距 plt.savefig('subplots_exercise.png') # 保存结果 plt.show() ``` **练习目标**： - 填写空白的子图部分（例如添加引用[^5]的'g-*'线型）。 - 使用不同图表类型（如`plt.bar()`在子图4），并实验`plt.subplot(行, 列, 索引)`的参数[^5]。 ### 4. 数据导入与进阶定制练习 **任务描述**：从外部文件（如CSV）读取数据，绘制定制化图表。这基于实际数据可视化工作流（参考引用[^3]）。 **建议方法**：使用`pandas`导入数据（需安装`pip install pandas`），结合Matplotlib绘制和定制。 **示例代码**（启动模板）： ```python import matplotlib.pyplot as plt import pandas as pd # 导入pandas库 # 模拟CSV数据导入（练习：替换为真实文件） data = {'月份': ['1月', '2月', '3月'], '收入': [2000, 2500, 1800]} df = pd.DataFrame(data) # 绘制柱状图并定制 plt.figure() # 创建新Figure plt.bar(df['月份'], df['收入'], color='orange', alpha=0.7) # 设置透明度 plt.xlabel('月份') plt.ylabel('收入（元）') plt.title('月度收入图表') plt.xticks(rotation=45) # 旋转X轴标签，避免重叠 plt.show() ``` **练习目标**： - 使用真实数据（如下载股票数据，导入到`df = pd.read_csv('data.csv')`），绘制折线图并添加网格和标签。 - 实验引用[^1]的通用模板：初始化Figure → 添加子图 → 绘制 → 保存/显示[^1]。 ### 总结 这些练习题覆盖了Matplotlib的核心功能，从基础绘图到进阶布局，适合初学者逐步提升。在实践中，尝试运行代码、修改参数，并参考官方文档或引用资料验证结果（例如，OO模式 vs pyplot模式的区别见引用[^1]）。Matplotlib的可视化能力广泛适用于数据分析、科学计算等领域[^2]。
评论
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