python教程分享Python matplotlib数据可视化图绘制

前言

导入绘图库:

import matplotlib.pyplot as plt  import numpy as np  import pandas as pd  import os

读取数据(数据来源是一个excle表格,这里演示的是如何将数据可视化出来)

os.chdir(r'e:jupyter数据挖掘数据与代码')  df = pd.read_csv('air_data.csv',na_values= '--') 

1.折线图

  • plt.plot(x,y,ls=,lw=,c=,marker=,markersize=,markeredgecolor=,markerfacecolor, label=)
  • x: x轴上的数值
  • y: y轴上的数值
  • ls- -函数线条风格(=‘-’ 实线, ‘–’ 虚线 ,‘-.’ 点划线 ,‘:’ 实点线)
  • lw: 线条宽度
  • c: 颜色
  • marker: 线条上点的形状, 常用为’o’,即圆点形状
  • markersize: 线条上点的形状
  • markeredgecolor: 点的边框色
  • markerfacecolor: 点的填充色
# 绘制观察窗口内的飞行次数和观测窗口内的总飞行里程数  # 支持中文显示  plt.rcparams['font.sans-serif']=['simhei']# 字体  plt.rcparams['axes.unicode_minus']=false  x=np.linspace(0,10,100)  y=np.sin(x)  plt.plot(x,y,ls='-',lw=2,marker='o',markersize=5,c='red',markeredgecolor='black',markerfacecolor='lightskyblue')  plt.show()

Python matplotlib数据可视化图绘制

2.直方图

  • hist:数据
  • bins:组距
  • color:填充色
  • edgecolor:边框色
  • density:是否绘制成概率密度形式
  • xlabel:横坐标
  • ylabel:纵坐标
  • labelpad/pad:离坐标轴的距离
# 绘制年龄的分布情况  plt.hist(x=df['age'],bins=30,color='r',edgecolor='black',density=true) # density=true 代表是否绘制概率密度形式  plt.xlabel('客户年龄',fontsize=15,labelpad=20)  plt.ylabel('频数',fontsize=15,labelpad=20)  plt.title('年龄分布图',fontsize=15,pad=20)  plt.show()

Python matplotlib数据可视化图绘制

3.箱线图

  • plt.boxplot(x,notch,sym,vert,whis,position,widths,patch_artist,meanline,showmeans, boxprops,labels,flierprops)
  • x: 数据
  • 宽度:宽度
  • patch_artist: 是否填充箱体颜色
  • meanline:是否显示均值
  • showmeans: 是否显示均值
  • meanprops;设置均值属性,如点的大小,颜色等
  • medianprops:设置中位数的属性,如线的类型,大小等
  • showfliers: 是否表示有异常值
  • boxprops:设置箱体的属性,边框色和填充色
  • cappops: 设置箱线顶端和末端线条的属性,如颜色,粗细等
age=df[df['age'].notnull()]['age'] # 剔除年龄的空值  plt.boxplot(x=age,patch_artist=true,boxprops={'color':'red'})  plt.show()

Python matplotlib数据可视化图绘制

4.柱状图

# 将字符型数据转换date格式  df['ffp_date']=pd.to_datetime(df['ffp_date'],format='%y/%m/%d',errors='coerce') # errors 避免报错  data=df['ffp_date'].dt.year.value_counts()  x_data=data.index  y_data=data.values  plt.bar(x=x_data,height=y_data,align='center',color='y',tick_label=x_data)  plt.title('不同年份的会员数量',pad=5)  plt.show()

Python matplotlib数据可视化图绘制

5.饼图

autopct:设置百分比的格式

data=df['gender'].value_counts()  # 绘制饼图  plt.pie(x=data.values,labels=data.index,colors=['lightskyblue','lightcoral'],autopct='%.1f%%')  plt.show()

Python matplotlib数据可视化图绘制

6.散点图

# 飞行次数与总飞行公里数的关系  plt.scatter(x=df['flight_count'],y=df['seg_km_sum'],color='steelblue',marker='o',s=100)  plt.title('飞行次数与总飞行公里数的关系')  plt.show()

Python matplotlib数据可视化图绘制

到此这篇关于python matplotlib数据可视化图绘制的文章就介绍到这了,更多相关python matplotlib 图绘制内容请搜索<猴子技术宅>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<猴子技术宅>!

需要了解更多python教程分享Python matplotlib数据可视化图绘制,都可以关注python教程分享栏目—猴子技术宅(www.ssfiction.com)

本文来自网络收集,不代表猴子技术宅立场,如涉及侵权请点击右边联系管理员删除。

如若转载,请注明出处:https://www.ssfiction.com/pythons/1187946.html

(0)
上一篇 1天前
下一篇 1天前

精彩推荐

发表评论

您的电子邮箱地址不会被公开。