matplotlib 打卡1

最新推荐文章于 2023-09-17 18:47:17 发布

原创

最新推荐文章于 2023-09-17 18:47:17 发布 · 318 阅读

1 ·

CC 4.0 BY-SA版权

这篇博客主要介绍了使用matplotlib进行数据可视化的各种方法，包括绘制直方图、饼状图、箱形图，探讨了颜色、点的形状和样式设置，讲解了面向对象的绘图方式，以及如何使用FigureCanvas和Axes轴。同时，还涵盖了网格、图例、坐标轴范围和刻度的调整等关键知识点。

1、直方图（连续型，例身高图）

mu=100#mean of distribution,平均数
sigma=20#standard deviation of distribution,平均差
x=mu+sigma*np.random.randn(2000)
plt.hist(x,bins=10,color='r',normed=True)#bins表示有几个直方图,normed表示是否标准化，True时y轴（频率/组距），False时y轴频率
plt.show()

(n, bins, patches = plt.hist(arr, bins=10, normed=0, facecolor='black', edgecolor='black',alpha=1，histtype='bar')
hist的参数非常多，但常用的就这六个，只有第一个是必须的，后面四个可选
arr: 需要计算直方图的一维数组
bins: 直方图的柱数，可选项，默认为10
normed: 是否将得到的直方图向量归一化。默认为0
facecolor: 直方图颜色
edgecolor: 直方图边框颜色
alpha: 透明度
histtype: 直方图类型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’

#@-D直方图，即双变量直方图，颜色越亮表示频率越高
x=np.random.randn(1000)+2
y=np.random.randn(1000)+3

plt.hist2d(x,y,bins=40)
plt.show()

2-D直方图

2、饼状图

labels=['A','B','C','D']
fracs=[19,30,28,23]
plt.axes(aspect=1)#表示为正圆
explode=[0,0.2,0,0]#距圆中心距离
plt.pie(x=fracs,labels=labels,autopct='%.0f%%',explode=explode,shadow=True)#autopect显示每一块比例值
plt.show()

饼状图

3、箱形图，显示数据分散情况，上边缘，上四分位，中位数，下四分位，下边缘，异常值

np.random.seed(1000)#改变随机数生成器的种子
data=np.random.normal(size=1000,loc=0,sca

最低0.47元/天解锁文章