1. 程式人生 > >Matplotlib資料視覺化基礎

Matplotlib資料視覺化基礎

import numpy as np
import matplotlib.pyplot as plt ## %matplotlib inline表示在行中顯示圖片,在命令列執行報錯 data = np.arange(0,1.1,0.01) plt.title('lines') ## 新增標題 plt.xlabel('x')## 新增x軸的名稱 plt.ylabel('y')## 新增y軸的名稱 plt.xlim((0,1))## 確定x軸範圍 plt.ylim((0,1))## 確定y軸範圍 plt.xticks([0,0.2,0.4,0.6,0.8,1])## 規定x軸刻度 plt.yticks([0,0.2,0.4,0.6,0.8,1])## 確定y軸刻度 plt.plot(data,data**2)## 新增y=x^2曲線 plt.plot(data,data**4)## 新增y=x^4曲線 plt.legend(['y=x^2','y=x^4']) #plt.savefig('../tmp/y=x^2.png') plt.show() 
  In [4]:
rad = np.arange(0,np.pi*2,0.01) p1 = plt.figure(figsize=(8,6),dpi=80)## 確定畫布大小 ##第一幅子圖 ax1 = p1.add_subplot(2,1,1)## 建立一個兩行1列的子圖,並開始繪製第一幅 plt.title('lines')## 新增標題 plt.xlabel('x')## 新增x軸的名稱 plt.ylabel('y')## 新增y軸的名稱 plt.xlim((0,1))## 確定x軸範圍 plt.ylim((0,1))## 確定y軸範圍 plt.xticks([0,0.2,0.4,0.6,0.8,1])## 規定x軸刻度 plt.yticks([0,0.2,0.4,0.6,0.8,1])## 確定y軸刻度 plt.plot(rad,rad**2)## 新增y=x^2曲線 plt.plot(rad,rad**4)## 新增y=x^4曲線 plt.legend(['y=x^2','y=x^4']) ##第二幅子圖 ax2 = p1.add_subplot(2,1,2)## 創開始繪製第2幅 plt.title('sin/cos') ## 新增標題 plt.xlabel('rad')## 新增x軸的名稱 plt.ylabel('value')## 新增y軸的名稱 plt.xlim((0,np.pi*2))## 確定x軸範圍 plt.ylim((-1,1))## 確定y軸範圍 plt.xticks([0,np.pi/2,np.pi,np.pi*1.5,np.pi*2])## 規定x軸刻度 plt.yticks([-1,-0.5,0,0.5,1])## 確定y軸刻度 plt.plot(rad,np.sin(rad))## 新增sin曲線 plt.plot(rad,np.cos(rad))## 新增cos曲線 plt.legend(['sin','cos']) #plt.savefig('../tmp/sincos.png') plt.show() 
 

相關推薦

Matplotlib資料視覺基礎

import numpy as np import matplotlib.pyplot as plt ## %matplotlib inline表示在行中顯示圖片,在命令列執行報錯 data = np.arange(0,1.1,0.01) plt.title('lines'

3.Matplotlib資料視覺基礎(上)

筆記說明:本文是我的學習筆記,大部分內容整理自 黃紅梅,張良均等.Python資料分析與應用[M].北京:人民郵電出版社,2018:52-77. 還有部分片斷知識來自網路搜尋補充。 視覺化這塊的內容我以後會專門學習一本參考書然後整理筆記的,現在僅僅是整理上述參考書的一個章節的基礎知識。

Python資料處理 | (三) Matplotlib資料視覺

本篇部落格所有示例使用Jupyter NoteBook演示。 Python資料處理系列筆記基於:Python資料科學手冊電子版  下載密碼:ovnh 示例程式碼  下載密碼:02f4   目錄 一、Matplotlib常用技巧 1.匯入

Matplotlib 資料視覺-基本使用教程

一. Matplotlib 基本概念 Matplotlib是python的一個數據視覺化工具庫。 特點:專門用於開發2D圖表(包括3D圖表), 操作簡單。 視覺化是在整個資料探勘的關鍵輔助工具,可以清晰的理解資料,從而調整我們的分析方法。 二. Matplotlib三層結構

Matplotlib資料視覺——ticks能見度

在作圖中函式影象尺寸可能會有遮擋座標上的數字的情況,這是需要設定一下ticks的可見度 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y = 0.1*x plt.figu

Matplotlib資料視覺——設定標註annotation

今天主要記錄annotation標註的用法 import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤 plt.rcParams['

Matplotlib資料視覺——設定座標軸,原點,圖例

今天突破了導軌和轉檯的除錯程式,學習會Python娛樂一下 matplotlib庫和MATLAB的資料視覺化功能幾乎是相同,只是因為人工智慧的火爆以及使用方便深受大家喜愛。 1.基本使用 1.1figure影象 繪製單一函式的影象 import numpy as np i

Matplotlib資料視覺——圖中圖

import matplotlib.pyplot as plt """ 圖中圖實驗 """ # 繪製大圖 fig = plt.figure() # 使用figure後往往在函式前要加set_或add_等字首 x = [1,2,3,4,5,6,7] y = [1,3,4,2,5,8,

Matplotlib資料視覺——subplot多合一顯示

這篇結合前面所學,多合一顯示不同的資料表現形式 import matplotlib.pyplot as plt import cv2 as cv import numpy as np plt.figure() src = cv.imread('./data/lena.jpg', 1

matplotlib資料視覺分析(2)-- numpy將陣列儲存到檔案

1 陣列以二進位制的格式儲存 np.save 和 np.load 是讀寫磁碟資料的兩個主要函式。預設情況下,陣列以未壓縮的原始二進位制格式儲存在副檔名為 npy 的檔案中,以陣列 a 為例: # coding:utf-8 import numpy as np

Matplotlib資料視覺——subplot的另外三種常用方法

第一種方法:subplot2grid 定義一個3*3的矩陣位置,利用subplot2grid分別框選出想要的區域大小,進而在區域中plot出想繪製的函式即可,colspan與rowspan分別表示行數和列數,用來界定大小 說明: 通過這種方法設定title和label需要在前面加上s

Matplotlib資料視覺——次座標

何謂次座標,即共享一個x軸,左右兩個y軸。左邊為主,右側為次 import matplotlib.pyplot as plt import numpy as np # 構造兩個函式 x = np.arange(0, 10, 0.2) y1 = 0.27*x**2 y2 = -y1

python—matplotlib資料視覺例項註解系列-----之柱狀圖

本文程式碼源自官方例項,部分進行了修改和註解方便學習和查詢。 Matplotlib.pyplot中hist()的引數: n, bins, patches = plt.hist(arr, bins=1

Matplotlib資料視覺——contour等高線圖

等高線大家都不陌生,這個詞來源對地勢地貌的描述。 在機器學習的隨機梯度下降中涉及了等高線圖用以形象的描述每次迭代的步距、方向等,這也正是它的用武之地。僅僅學習其中的皮毛。 君子性非異也,善假於物也

python—matplotlib資料視覺例項註解系列-----之箱狀圖

本文程式碼源自官方例項,部分進行了修改和註解,幫助學習和查詢。 import numpy as np import matplotlib.pyplot as plt #隨機生成一組資料73行,4列,

Matplotlib資料視覺(1):入門介紹

  1 matplot入門指南¶ matplotlib是Python科學計算中使用最多的一個視覺化庫,功能豐富,提供了非常多的視覺化方案,基本能夠滿足各種場景下的資料視覺化需求。但功能豐富從另一方面來說也意味著概念、方法、引數繁多,讓許多新手望而卻步。 據我瞭解,大部分人在對m

Matplotlib資料視覺從入門到精通(持續更新)

目錄 前言 一、如何新增標題-title 二、如何新增文字-text 三、如何添加註釋-annotate 四、如何設定座標軸名稱-xlabel/ylabel 五、如何新增圖例-

Matplotlib資料視覺(2):三大容器物件與常用設定

  上一篇部落格中說到,matplotlib中所有畫圖元素(artist)分為兩類:基本型和容器型。容器型元素包括三種:figure、axes、axis。一次畫圖的必經流程就是先建立好figure例項,接著由figure去建立一個或者多個axes,然後通過axes例項呼叫各種方法

Matplotlib資料視覺(3):文字與軸

  在一幅圖表中,文字、座標軸和影象的是資訊傳遞的核心,對著三者的設定是作圖這最為關心的內容,在上一篇部落格中雖然列舉了一些設定方法,但沒有進行深入介紹,本文以圍繞如何對文字和座標軸進行設定展開(對影象的設定在後續介紹到各種圖繪製時介紹)。 這裡所說的文字是指在使用matplot

Matplotlib資料視覺(4):折線圖與散點圖

In [1]: from matplotlib import pyplot as plt import numpy as np import matplotlib as mpl mpl.rcParams['font.sans-serif'] = ['SimHei'] # 中