数据分析-numpy、pandas、matplotlib

数据分析–numpy、pandas、matplotlib

Matplotlib

Matplotlib是一个用于创建静态、动态和交互式图形的2D绘图库。它可以绘制线图、散点图、直方图等各种类型的图表，用于可视化数据和结果。

1、创建图表和子图

• plt.figure()：创建一个新的图表。
• plt.subplots()：创建一个包含多个子图的图表。

2、绘制图形

• plt.plot()：绘制折线图。
  • x: x 轴的数据。
  • y: y 轴的数据。
  • color (或 c): 线条的颜色。
  • linestyle (或 ls): 线条的风格，如实线 (-)、虚线 (--)。
  • linewidth (或 lw): 线条的宽度。
  • marker: 点的标记样式，如圆圈 (o)、方块 (s)。
  • markersize (或 ms): 点的大小。
  • label: 线条的标签，用于图例。
• plt.scatter()：绘制散点图。
  • x: x 轴的数据。
  • y: y 轴的数据。
  • color (或 c): 点的颜色。
  • marker: 点的标记样式，如圆圈 (o)、方块 (s)。
  • s: 点的大小。
  • alpha: 点的透明度。
  • label: 点的标签，用于图例。
• plt.bar()：绘制柱状图。
  • x: 柱状图的 x 轴位置。
  • height (或 y): 柱状图的高度。
  • width: 柱状图的宽度。
  • color (或 c): 柱状图的颜色。
  • edgecolor: 柱状图的边框颜色。
  • linewidth: 柱状图的边框宽度。
  • tick_label: 柱状图的刻度标签。
  • align: 柱状图的对齐方式。
• plt.hist()：绘制直方图。
  • x: 数据。
  • bins: 分组数量或分组边界。
  • color (或 c): 直方图的颜色。
  • edgecolor: 直方图的边框颜色。
  • alpha: 直方图的透明度。
  • label: 直方图的标签，用于图例。
• plt.pie()：绘制饼图。
  • x: 饼图的数值。
  • labels: 饼图每个部分的标签。
  • colors: 饼图每个部分的颜色。
  • explode: 突出显示某些部分。
  • autopct: 控制饼图上显示的百分比格式。
  • startangle: 饼图开始的角度。
• plt.imshow(): 显示图像数据。

3、图表装饰和设置

• plt.title()：设置图表标题。

• plt.xlabel() 和 plt.ylabel()：设置 x 轴和 y 轴标签。

• plt.xlim() 和 plt.ylim()：设置 x 轴和 y 轴的显示范围。

• plt.xticks() 和 plt.yticks()：设置 x 轴和 y 轴的刻度标签。

• plt.legend()：显示图例。

• plt.grid()：显示网格线。

• plt.color()：设置颜色。

• plt.()：设置线条样式。

• plt.marker()：设置标记样式。

• plt.text(): 在图中添加文本。

• plt.annotate(): 添加带有箭头的注释。

4、图像保存与显示

• plt.savefig()：保存图表为图片文件。
• plt.show()：显示图表。

6、中文

• fontproperties=zhfont1

# fname 为 你下载的字体库路径，注意 SourceHanSansSC-Bold.otf 字体的路径
zhfont1 = matplotlib.font_manager.FontProperties(fname="SourceHanSansSC-Bold.otf")

plt.title("中文题目", fontproperties=zhfont1)

Numpy

NumPy（Numerical Python）是一个开源的Python科学计算库，它提供了强大的多维数组对象和用于处理这些数组的函数。NumPy是许多其他Python科学计算库的基础，例如pandas和matplotlib。它也可以用于线性代数、傅立叶变换和随机数生成等方面。

1、创建数组

• np.array()：从列表或元组等序列对象创建数组。

  import numpy as np
  arr = np.array([1, 2, 3, 4, 5])
  print(arr)
  # 输出：[1 2 3 4 5]
  

• np.zeros()：创建全零数组。

  zeros_arr = np.zeros((2, 3))
  print(zeros_arr)
  """
  输出：
  	[[0. 0. 0.]
  	 [0. 0. 0.]]
  """ 
  

• np.ones()：创建全一数组。

  ones_arr = np.ones((3, 2))
  print(ones_arr)
  """
  输出：
  [[1. 1.]
   [1. 1.]
   [1. 1.]]
  """
  

• np.arange()：创建等差数组。

  arange_arr = np.arange(1, 10, 2)
  print(arange_arr)
  # 输出：[1 3 5 7 9]
  

• np.linspace()：创建等间距数组。

  linspace_arr = np.linspace(1, 10, 5)
  print(linspace_arr)