day01_matplotlib_demo

文章目录

    • 折线图plot
    • 多个绘图区
    • 绘制数学函数图像
    • 散点图scatter
    • 柱状图bar
    • 直方图histogram
    • 饼图pie
    • 总结

折线图plot

import matplotlib.pyplot as pltplt.figure(figsize=(15, 6), dpi=80)
plt.plot([1, 0, 9], [4, 5, 6])
plt.show()

在这里插入图片描述

### 展现一周天气温度情况
# 创建画布
plt.figure(figsize=(15, 6), dpi=80)
# 绘制图像
plt.plot([1, 2, 3, 4, 5, 6, 7], [17, 17,  29, 25, 34, 23, 18])
# 显示图像
plt.savefig('test78.jpg')
plt.show()  # 会释放所有的画布资源 所以savefig函数需要放在他的前面

在这里插入图片描述

import matplotlib.pyplot as plt
import random
plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  #用来正常显示负号
# 准备数据
x = range(60)
# 这里使用了列表推导式
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 5) for i in x]
# 创建画布
plt.figure(figsize=(10, 4), dpi=80)
# 绘制图像
plt.plot(x, y_shanghai, 'b-.', label='上海')  # label表示显示标签 b-.表示 blue 线条为-.形式
plt.plot(x, y_beijing, 'r--', label='北京')
# 显示图像
plt.legend()
# 修改x y 刻度
plt.yticks(range(0, 40, 5))
x_label = ['11点{}分'.format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
# 添加标题
plt.xlabel('时间变化')
plt.ylabel('温度变化')
plt.title('某城市的11点钟的温度的变化')
# 栅格
plt.grid(True, 'both', 'x')
#显示图像
plt.show()

在这里插入图片描述

多个绘图区

import matplotlib.pyplot as plt
import random
plt.rcParams['font.sans-serif'] = ['SimHei']    #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      #用来正常显示负号# 准备数据
x = range(60)
# 这里使用了列表推导式
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]figure, axes = plt.subplots(1, 2, figsize=(15, 6), dpi=80)
axes[0].plot(x, y_shanghai, 'r--', label='上海')
axes[1].plot(x, y_beijing, 'b-', label='北京')
# 显示label
axes[0].legend()
axes[1].legend()
# 设置刻度
axes[0].set_yticks(range(0, 40, 5))
axes[0].set_xticks(x[::5], ["11.{} ".format(i) for i in x][::5])
axes[1].set_yticks(range(0, 10, 2))
axes[1].set_xticks(x[::5], ["11.{} ".format(i) for i in x][::5])
# 栅格
axes[0].grid(visible=True, which='both', axis='x')
axes[1].grid(visible=True, which='both', axis='x')
# 设置标题
axes[0].set_xlabel('时间')
axes[0].set_ylabel('温度')
axes[0].set_title('上海天气')
axes[1].set_xlabel('时间')
axes[1].set_ylabel('温度')
axes[1].set_title('北京天气')plt.show()

在这里插入图片描述

绘制数学函数图像

import matplotlib.pyplot as plt
import numpy as np# 准备数据
x = np.linspace(-1, 1, 1000)
y = 2 * x * x# 创建画布
plt.figure(figsize=(15, 6), dpi=80)
# 绘制图像
plt.plot(x, y, 'r-', label='y=2x*x')
plt.legend(loc=1)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.title('显示函数图像')
# 网格显示
plt.grid(linestyle='--', alpha=0.5)
# 显示图像
plt.show()

在这里插入图片描述

散点图scatter

## 探究房屋面积和房屋价格的关系
import matplotlib.pyplot as plt
import numpy as np# 准备数据
x = [225.63, 247.07, 253.12, 457.85, 241.58, 303.23, 304.32, 340.34, 220.34, 240.23, 280.45]
y = [196.63, 203.88, 210.75, 374.74, 202.41, 299.35, 300.12, 330.34, 220.34, 222.45, 290.21]# 创建画布、绘制图像
plt.figure(figsize=(15, 6), dpi=80)
plt.scatter(x, y, alpha=0.5)
plt.show()

在这里插入图片描述

柱状图bar

import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']    #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      #用来正常显示负号## 对比票房收入
# 准备数据
movie_names = ['雷神3', '正义联盟', '东方快车', '环游记', '全球风暴', '降魔传']
movie_data = [73853, 557767, 22354, 15969, 14839, 8725]
bar_labels = ['red', 'blue', '_red', 'orange', '_bue', '_orange']
bar_colors = ['tab:red', 'tab:blue', 'tab:red', 'tab:orange', 'tab:blue', 'tab:orange']# 准备画布、绘制图像
plt.figure(figsize=(15, 6), dpi=80)
bar1 = plt.bar(range(len(movie_names)), movie_data, label=bar_labels, color=bar_colors)
plt.bar_label(bar1, label_type='center')  # 将对应的数据显示在柱状图的中间
plt.legend(title='电影')# 修改刻度
plt.xticks(range(len(movie_names)), movie_names)plt.xlabel('电影名称')
plt.ylabel('票房')
plt.title('部分电影票房柱状图')
# 显示图像
plt.show()

在这里插入图片描述

## 对比电影票房收入
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']    #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      #用来正常显示负号# 准备数据
movie_name = ['雷神3', '正义联盟', '东方快车']
first_day = [10587.6, 10062.5, 1275.7]
week_day = [36224.9, 34479.6, 11830]
# 创建画布、绘图
figure, axes = plt.subplots(figsize=(15, 6), dpi=80)
p1 = axes.bar(range(len(movie_name)), first_day, label='first_day', width=0.2)
axes.bar_label(p1, label_type='center', color='b')
p2 = axes.bar([0.2, 1.2, 2.2], week_day, label='week_day',  width=0.2)
axes.bar_label(p2, label_type='center', color='r')
axes.legend() axes.set_xticks([0.1, 1.1, 2.1], movie_name);plt.show()

在这里插入图片描述

## 对比电影票房收入
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']    #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      #用来正常显示负号# 准备数据
movie_name = ['雷神3', '正义联盟', '东方快车']
first_day = [10587.6, 10062.5, 1275.7]
week_day = [36224.9, 34479.6, 11830]
# 创建画布、绘图
figure, axes = plt.subplots(figsize=(15, 6), dpi=80)
p1 = axes.bar(range(len(movie_name)), first_day, label='first_day', width=0.2, bottom=[0, 0, 0], color=['r', 'g', 'b'])
axes.bar_label(p1, label_type='center', color='w')
p2 = axes.bar(range(len(movie_name)), week_day, label='week_day',  width=0.2, bottom=first_day, color=['b', 'r', 'g'])
axes.bar_label(p2, label_type='center', color='w')
axes.legend() axes.set_xticks(range(len(movie_name)), movie_name);plt.show()

在这里插入图片描述

直方图histogram

## 直方图显示带电影时长的分布状况
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']    #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      #用来正常显示负号## 准备数据movie_time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, \101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113, 150, 110, 117, 86, \95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136, 123, 117, 119, 105, 137, \123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114, 105, 115, \132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102, \123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127, \115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134, \106, 129, 126, 110, 111, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103, \130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134, \106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, \133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150]
## 创建画布、绘图
group_distance = 10  # 组距
num_bins = (max(movie_time)-min(movie_time))//group_distance + 1  # 组数
fig, axes = plt.subplots(figsize=(12, 8), dpi=80)
p = axes.hist(movie_time, num_bins, rwidth=1)
axes.set_xticks(range(min(movie_time), max(movie_time) + group_distance, group_distance))axes.set_xlabel('影视播放时长分钟', size=16)
axes.set_ylabel('影视个数', size=16)
axes.set_title('影视时间分布直方图', size=18)
plt.grid()  # 绘制网格
## 显示
plt.show()

在这里插入图片描述

饼图pie

## 饼图绘制 显示不同电影的排名
import matplotlib.pyplot as plt## 准备数据
movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]## 创建画布、绘制图像
fig, axes = plt.subplots(figsize=(15, 8), dpi=80)
axes.pie(place_count, labels=movie_name, autopct='%1.2f%%', colors=['b', 'r','g','y','c','m','y','k','c','g','g'])
axes.axis('equal')  # 设置显示是圆形
axes.legend(loc='best',  title="Ingredients")
plt.title("排片占比示意图", size=18)
plt.show()

在这里插入图片描述

总结

  • 容器层
    • 画板层Canvas
    • 画布层plt.figure(figsize=(), dpi=)
    • 绘画层/坐标轴fig, axes = plt.subplots(nrows=, ncols=, figsize=(). dpi=)
  • 辅助显示层
    • 修改x,y轴刻度 plt.xticks()
    • 添加描述信息 plt.xlabel() plt.ylabel() plt.title()
    • 添加网格 plt.grid()
    • 显示图例 plt.legend()
  • 图像层,可以设置图像颜色、风格、标签
    • 折线图 plt.plot()
    • 散点图 plt.scatter()
    • 柱状图 plt.bar()
    • 直方图 plt.hist()
    • 饼图 plr.pie()

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/166990.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【C++】引用’‘的深入解析

💐 🌸 🌷 🍀 🌹 🌻 🌺 🍁 🍃 🍂 🌿 🍄🍝 🍛 🍤 📃个人主页 :阿然成长日记 …

C语言学习系列->动态内存管理

文章目录 前言概述🚩malloc and free🔜malloc🔜free 🚩calloc and realloc🔜calloc🔜realloc 前言 要想学好数据结构,在C语言学习过程中就需要把指针、结构体和动态内存管理学好。在前面的文章&…

makesense在线yolov5标注

文章目录 一、创建图片文件夹和label.txt二、在线标注数据 参考文章博主:风吹落叶花飘荡 一、创建图片文件夹和label.txt 创建一个放置图片的文件夹images,存放需要标注的图片(图片最好重命名为1,2,3…避免后面混淆) 创建label.t…

C++标准模板(STL)- 类型支持 (运行时类型识别,type_info )

运行时类型识别 定义于头文件 <typeinfo> 含有某个类型的信息&#xff0c;由实现生成。​​这是 typeid 运算符所返回的类。 std::type_info 定义于头文件 <typeinfo> class type_info; 类 type_info 保有一个类型的实现指定信息&#xff0c;包括类型的名称和…

我单方面宣布:腾讯云服务器优惠价格(双11特价)

2023腾讯云双十一服务器优惠价格表多少钱一年&#xff1f;轻量服务器2核2G3M、2核2G4M、2核4G5M、4核8G12M、8核16G18M、16核32G28M和云服务器CVM标准型S5实例优惠价格&#xff0c;腾讯云百科今年双11服务器价格会在当前的价格基础上享受个9折优惠&#xff0c;可领券 https://c…

正则表达式之学习笔记

正则表达式学习笔记 一、概念二、正则表达式组成三、常见的正则表达式3.1 .匹配任意字符3.2 * 匹配前一个字符的0个或多个实例3.3 ^ 匹配输入字符串的开头3.4 $ 匹配行尾3.5 [] 匹配字符集合\<\> 精确匹配符号 一、概念 正则表达式是由一系列特殊字符组成的字符串&#…

Linux---(三)基本指令大全

前提引入&#xff1a;历史上先出现的键盘还是鼠标&#xff1f; 答案&#xff1a;键盘 ✨所以刚开始的时候绝对没有图形化界面&#xff0c;因此操作系统刚开始兴起的时候绝对没有图形化界面&#xff0c;因为当时没有鼠标。 ✨因为没有图形化界面&#xff0c;只有键盘&#xff0c…

vue项目编译、打包、部署服务器运行

在vue项目执行npm run build,生成dis目录 打包dis上传 安装npm install -g http-server或者apt install node-http-server 运行http-server

postman自动化运行接口测试用例

做过接口测试的人&#xff0c;应该都知道postman &#xff0c;我们在日常的时候都可以利用postman做接口测试&#xff0c;我们可以把接口的case保存下来在collection里面&#xff0c;那么可能会有这样的需求&#xff0c;我们怎么把collection的用例放到jenkins中定时执行呢&…

预测宝可梦武力值、分类宝可梦

regression case 股票预测 无人车看到的各种sensor 影像镜头看到马路上的东西作为输入&#xff0c;输出就是方向盘角度等等的操纵策略 scalar 标量 这个是热力图&#xff0c;相当于你的XYZ但是Z用颜色表示了 closed-form solution 闭合解 learning rate事先定好的数值 在lin…

推荐一款简单好用的Bug管理软件

软件开发的速度和质量是企业成功的关键因素&#xff0c;然而随着软件项目的复杂性增加&#xff0c;Bug的管理变得越来越困难。为了解决这个问题&#xff0c;Zoho公司推出了一款强大的Bug管理软件&#xff0c;帮助企业在一个地方记录和跟踪Bug&#xff0c;提高修复效率。 这款名…

10.18~10.22数电第二次实验

频分复用 同一个时间共用一个频道&#xff0c;只不过频率不同&#xff0c;所以互不影响 时分复用 不同时间公用一个频道&#xff0c;轮流使用 时分复用&#xff08;TDM&#xff0c;Time-division multiplexing&#xff09;就是将提供给整个信道传输信息的时间划分成若干时间…

SQL基础语法总结(查询)

学习网站&#xff1a;https://www.w3schools.com/sql/&#xff0c;提供在线编程 以下内容仅SQL常见语法总结 数据 Customers表 Products表 OrderDetails表 Orders表 Shippers表 Employees表 选择查询 SELECT select语句用来从头数据库中选择数据 SELECT column1, column2,…

交换机/防火墙-基础配置-23.10.11

1.MAC地址 交换机在给主机之间传递信息包时&#xff0c;通过MAC地址来标识每台主机 主机间发生信息包交换时&#xff0c;交换机就会将通信过的主机的mac地址存下 dis mac-address 交换机转发的数据包中&#xff0c;会包含一个目标MAC&#xff0c;交换机识别数据包中的目标MA…

可视化数学分析软件 MATLAB R2021b mac中文版软件介绍

MATLAB R2021b mac作为数学类科技应用软件中首屈一指的商业数学软件&#xff0c;可以帮助您进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等,主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。…

自己动手写编译器:c 语言模板中的输入模块设计

使用过“框架”的同学都能感受到“框架”带来的方便。所谓”框架“本质上就是一系列代码安排帮助我们完成脏活累活&#xff0c;或者复杂的工作流程后&#xff0c;把处理结果交给我们提供的代码。本节我们要完成的 c 语言模板也是一个框架&#xff0c;它也需要做一系列脏活累活&…

vue重修之路由【上】

文章目录 单页应用程序: SPA - Single Page Application路由简介Vue Reouter简介VueRouter的使用&#xff08;52&#xff09;组件的存放目录问题组件分类存放目录 路由的封装抽离 单页应用程序: SPA - Single Page Application 单页面应用(SPA): 所有功能在 一个html页面 上 单…

【Java 进阶篇】深入了解 Bootstrap 全局 CSS 样式

Bootstrap 是一个流行的前端框架&#xff0c;以其强大的全局 CSS 样式而闻名。这些样式能够帮助开发者快速创建漂亮的、响应式的网页&#xff0c;而无需从头编写复杂的 CSS。在本文中&#xff0c;我们将深入探讨 Bootstrap 的全局 CSS 样式&#xff0c;适合初学者&#xff0c;帮…

最新AI创作系统ChatGPT源码+搭建部署教程+支持GPT4.0+支持ai绘画(Midjourney)/支持Prompt

一、AI创作系统 SparkAi创作系统是基于OpenAI很火的ChatGPT进行开发的Ai智能问答系统AI绘画系统&#xff0c;支持OpenAI GPT全模型国内AI全模型。本期针对源码系统整体测试下来非常完美&#xff0c;可以说SparkAi是目前国内一款的ChatGPT对接OpenAI软件系统。那么如何搭建部署…

RabbitMQ队列及交换机的使用

目录 一、简单模型 1、首先控制台创建一个队列 2、父工程导入依赖 3、生产者配置文件 4、写测试类 5、消费者配置文件 6、消费者接收消息 二、WorkQueues模型 1、在控制台创建一个新的队列 2、生产者生产消息 3、创建两个消费者接收消息 4、能者多劳充分利用每一个消…