【python绘图（一）】Python数据分析和可视化

1. 绘制三维曲面图及其投影图

2. 绘制曲面图

3. 绘制曲面投影图

4. 同时绘制曲面图和投影图，用两个图展示

5. 绘制曲面图

6. 同时绘制曲面图及其二维填色图

数据分析包括探索、清理和转换数据以从中提取有用信息。Python有许多库可以使数据分析变得更容易，例如Pandas、NumPy和SciPy。以下是使用Python进行数据分析的基本步骤：

1. 加载数据：您可以使用Pandas从各种来源加载数据，例如CSV、Excel文件、SQL数据库或API。

2. 探索数据：使用Pandas查看数据及其结构。您可以检查空值、数据类型和摘要统计信息。此步骤有助于更好地了解数据并识别任何问题。

3. 清理数据：您可以使用Pandas处理缺失值、重复值、异常值和不正确的数据。在分析数据之前，数据清理是必不可少的步骤。

4. 转换数据：Pandas提供了一些转换数据的工具，包括筛选、分组、合并和透视。此步骤有助于为分析数据做准备。

5. 分析数据：您可以使用Python库，例如NumPy、SciPy和Pandas进行各种类型的分析，包括统计分析、机器学习和数据建模。

可视化是传达数据洞察力和模式的强大工具。Python有许多数据可视化库，包括Matplotlib、Seaborn和Plotly。以下是使用Python创建可视化的基本步骤：

1. 加载数据：您可以像上面描述的那样加载数据。

2. 选择可视化：选择适当的可视化方式，例如散点图、条形图、热图等。

3. 创建可视化：使用所选库创建可视化，包括选择数据、定义图表类型和自定义图表外观。

4. 自定义可视化：您可以自定义图表的各种特征，包括轴标签、标题、颜色和注释。

5. 保存或显示可视化：一旦您创建和自定义了可视化，可以将其保存到文件或在Jupyter笔记本或其他Python环境中显示。

使用Python进行数据分析和可视化是一个广阔的领域，这仅仅是一个概述。

1. 绘制三维曲面图及其等高线投影图

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# 创建三维图形
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 生成数据
x = np.arange(-5, 5, 0.25)
y = np.arange(-5, 5, 0.25)
x, y = np.meshgrid(x, y)
r = np.sqrt(x ** 2 + y ** 2)
z = np.sin(r)

# 绘制曲面图
ax.plot_surface(x, y, z, cmap='viridis')

# 绘制投影图
ax.contourf(x, y, z, zdir='z', offset=-15, cmap='viridis')

# 调整Z方向距离
ax.set_zlim(-15, 3)

# 显示图形
plt.show()