使用python matplotlib画图

简介: 本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/52577631 未经博主允许不得转载。 博主地址是:http://blog.csdn.net/freewebsys1,关于非常简单的画图类库。 简直就是matlab的命令了。 python设计都是非常简单的。 在使用python进行数

本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/52577631
未经博主允许不得转载。
博主地址是:http://blog.csdn.net/freewebsys

1,关于


非常简单的画图类库。 简直就是matlab的命令了。
python设计都是非常简单的。
在使用python进行数据处理的时候还是非常方便的。

2,画直线


将两个线画到一个图上面,并且设置成不同的颜色。直接执行2次命令。

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

#随机画一个二维数组。
x_len = 20
x = np.arange(0,x_len)#生成0-19的数组x坐标
y = np.random.standard_normal((20,2))
plt.plot(x,y[:,0],'r',label='1st')#第二个参数跟的是颜色,
plt.plot(x,y[:,1],'k',label='2nd')
plt.legend(loc=0)#设置label标签位置,0左上角。
#设置坐标
plt.grid(True)
plt.xlabel('this is x label')
plt.ylabel('this is y label')
plt.title(u"python plot demo 1")

3,画两个图,使用相同的x轴


在同一个画图内并列显示图表,可以方便的进行对比使用。 plt.subplot(numrows=3,numcols=1,fignum=1) 表示,一共有3行1列的第一个画像。简写plt.subplot(3,1,1)或者直接plt.subplot(311)

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

#随机画一个二维数组。
x_len = 20
x = np.arange(0,x_len)#生成0-19的数组x坐标
y = np.random.standard_normal((20,3))
plt.title(u"python plot demo 1")


#########第一个图标######### 3行1列第1个
plt.subplot(3,1,1)
plt.grid(True)
plt.plot(x,y[:,0],'r')#第二个参数跟的是颜色,
plt.legend(loc=0)#设置label标签位置,0左上角。
#########第一个图标######### 3行1列第2个
plt.subplot(3,1,2)
plt.plot(x,y[:,1],'k')
plt.legend(loc=0)
plt.grid(True)
#########第一个图标######### 3行1列第3个
plt.subplot(3,1,3)
plt.plot(x,y[:,1],'g')
plt.legend(loc=0)
plt.grid(True)

plt.xlabel('this is x label')
plt.ylabel('this is y label')

4,柱状图


bar(x,y,width) 输入x坐标,y坐标和柱状图宽度。

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

#随机画一个二维数组。
x_len = 20
x = np.arange(0,x_len)#生成0-19的数组x坐标
y = np.random.standard_normal((x_len,1))#随机生成y。
plt.bar(x,y[:,0],width=0.5,color='r',label='1st')
plt.legend(loc=0)#设置label标签位置,0左上角。
#设置坐标
plt.grid(True)

4,散点图


scatter(x,y,marker)
直接输入x,y的坐标集合。

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

#随机画一个二维数组。
y = np.random.standard_normal((500,2))#随机生成y。
plt.scatter(y[:,0],y[:,1],color='r')
#设置坐标
plt.grid(True)

4,总结


python画图真的很简单,使用处理都交给类库了。
只要简单的调用函数就可以了。
开放工具没有使用ide,而是使用了ipython notebook,非常好用。
可以同时编写markdown文档和python代码,还能够运行。
超级炫酷。

本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/52577631
未经博主允许不得转载。
博主地址是:http://blog.csdn.net/freewebsys

目录
相关文章
|
1月前
|
数据可视化 数据挖掘 Python
Python数据可视化:探索Matplotlib的强大功能
数据可视化在如今的数据分析和展示中扮演着至关重要的角色。本文将介绍Python中常用的数据可视化库Matplotlib,深入探讨其功能和应用,帮助读者更好地利用Matplotlib进行数据可视化。
|
1月前
|
机器学习/深度学习 数据可视化 数据处理
Python数据可视化:探索Matplotlib库的强大功能
本文将深入探讨Python中用于数据可视化的重要工具之一——Matplotlib库。通过介绍Matplotlib库的基本概念、常用功能和实际应用案例,帮助读者更好地了解如何利用Matplotlib创建各种吸引人的数据图表。
|
3天前
|
Python
python 海龟画图tutle螺旋线
python 海龟画图tutle螺旋线
12 0
|
8天前
|
数据可视化 数据挖掘 定位技术
Python 基于 Matplotlib 实现数据可视化(二)
Python 基于 Matplotlib 实现数据可视化(二)
21 0
|
8天前
|
数据可视化 数据挖掘 Python
Python中数据分析工具Matplotlib
【4月更文挑战第14天】Matplotlib是Python的数据可视化库,能生成多种图表,如折线图、柱状图等。以下是一个绘制简单折线图的代码示例: ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.figure() plt.plot(x, y) plt.title('简单折线图') plt.xlabel('X轴') plt.ylabel('Y轴') plt.show() ```
13 1
|
1月前
|
数据可视化 数据挖掘 Python
Python中的数据可视化工具Matplotlib简介与实践
在本文中,我们将介绍Python中常用的数据可视化工具Matplotlib,包括其基本概念、常用功能以及实际应用。通过学习Matplotlib,读者可以更好地理解和运用数据可视化技术,提升数据分析与展示的能力。
|
1月前
|
数据可视化 数据挖掘 API
Python数据分析中的数据可视化:Matplotlib与Seaborn的比较
在Python数据分析领域,数据可视化是至关重要的一环。本文将深入探讨两大流行的数据可视化库Matplotlib与Seaborn的异同,帮助读者更好地选择适合自身需求的工具。
|
1月前
|
数据可视化 前端开发 Linux
请解释Python中的Matplotlib库以及它的主要用途。
【2月更文挑战第27天】【2月更文挑战第99篇】请解释Python中的Matplotlib库以及它的主要用途。
|
1月前
|
数据可视化 数据挖掘 API
Python数据可视化利器Matplotlib详解
本文将深入探讨Python中常用的数据可视化库Matplotlib,介绍其基本概念、常见绘图函数和实例应用。通过学习Matplotlib,读者可以掌握如何利用Python进行数据可视化,展示数据分析结果。
|
1月前
|
数据可视化 数据处理 Python
Python数据可视化库Matplotlib的应用与优势探究
本文将深入探讨Python中强大的数据可视化库Matplotlib的应用与优势。通过介绍Matplotlib的基本概念和常用功能,结合具体案例展示其在数据分析和图表绘制中的灵活性和实用性,帮助读者更好地利用这一工具进行数据可视化。