Python数据分析-Matplotlib1

一、折线图的绘制

1.数据分析流程

2.运用Matplot绘制折线图

#encoding=utf-8
import random
from matplotlib import pyplot as plt #绘图工具库
from matplotlib import font_manager #解决中文显示问题
from cProfile import label
#设置字体方式
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size = 14)
#设置图片的宽高figsize,以及分辨度dpi
plt.figure(figsize=(20,8),dpi = 80)x = range(0,120)#设置坐标x的值
y_1 = [random.randint(20,35) for i in range(0,120)]#设置坐标y的值
y_2 = [random.randint(20,35) for i in range(0,120)]_x_ticks = ["10点{}分".format(i) for i in x if i < 60]
_x_ticks = ["11点{}分".format(i-60) for i in x if i > 60]
#fontproperties=my_font用于设置显示中文字体,rotation表示顺时针旋转的度数
plt.xticks(x[::5],_x_ticks[::2],rotation=90,fontproperties=my_font)#x轴的刻度表示
plt.xlabel("时间",fontproperties=my_font)#x轴的标签
plt.ylabel("温度 单位(0c)",fontproperties=my_font)#y轴的标签
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)
#绘制网格,alpha:透明度
plt.grid(alpha = 0.4)
#绘图(plot:绘图),color:线条颜色,linestyle:线条风格,linewidth:线条粗细
plt.plot(x,y_1,label="温度1",linestyle=":")
plt.plot(x,y_2,label="温度2",linestyle="-.")
#添加图例,loc默认为右上角
plt.legend(prop=my_font,loc = "upper right")
#显示
plt.show()from matplotlib import font_manager #解决中文显示问题
from cProfile import label
#设置字体方式
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size = 14)
#设置图片的宽高figsize,以及分辨度dpi
plt.figure(figsize=(20,8),dpi = 80)x = range(0,120)#设置坐标x的值
y_1 = [random.randint(20,35) for i in range(0,120)]#设置坐标y的值
y_2 = [random.randint(20,35) for i in range(0,120)]_x_ticks = ["10点{}分".format(i) for i in x if i < 60]
_x_ticks = ["11点{}分".format(i-60) for i in x if i > 60]
#fontproperties=my_font用于设置显示中文字体,rotation表示顺时针旋转的度数
plt.xticks(x[::5],_x_ticks[::2],rotation=90,fontproperties=my_font)#x轴的刻度表示
plt.xlabel("时间",fontproperties=my_font)#x轴的标签
plt.ylabel("温度 单位(0c)",fontproperties=my_font)#y轴的标签
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)
#绘制网格,alpha:透明度
plt.grid(alpha = 0.4)
#绘图(plot:绘图),color:线条颜色,linestyle:线条风格,linewidth:线条粗细
plt.plot(x,y_1,label="温度1",linestyle=":")
plt.plot(x,y_2,label="温度2",linestyle="-.")
#添加图例,loc默认为右上角
plt.legend(prop=my_font,loc = "upper right")
#显示
plt.show()

3.画图结果展示

二、散点图的绘制

1.运用Matplotlib中的scatter绘制离散图

#encoding=utf-8
from matplotlib import pyplot as plt
from matplotlib import font_manager
from matplotlib.font_manager import FontProperties
my_font = font_manager.FontProperties(fname = r"c:\windows\fonts\simsun.ttc",size=14)
x_3 = range(1,32)
x_10 = range(51,82)
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#使用scatter方法绘制散点图,和之前的折线图唯一的区别,显示散点图
plt.scatter(x_3,y_3,label="三月份")
plt.scatter(x_10,y_10,label="十月份")
#调整x轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],rotation = 45, fontproperties = my_font)
#添加图例
plt.legend(prop=my_font,loc="upper right")
#添加描述信息
plt.xlabel("时间",fontproperties = my_font)
plt.ylabel("温度",fontproperties = my_font)
plt.title("标题",fontproperties = my_font)
plt.show()

2.代码运行效果:

三、条形图绘制

1.使用Matplotlib中的bar绘制条形图:

#encoding=utf-8
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=14)
x = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死一战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
#设置图形大小
plt.figure(figsize=(20,15),dpi = 80)
#绘制条形图,横向
#plt.bar(range(len(x)),y,width = 0.3)
#绘制条形图,纵向
plt.barh(range(len(x)),y,height = 0.3,color="orange")
#刻度
plt.yticks(range(len(x)),x,fontproperties=my_font)
plt.grid(alpha=0.3)
#保存
plt.savefig("./movie.png")
plt.show()

2.结果显示为:

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/278250.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

jscpd对项目进行查重(支持150+类语言)

jscpd jscpd 查重时能够跳过标记为忽略的块和新行以及空符号和注释&#xff08;不支持尖括号注释<!-- --&#xff01;>&#xff09;&#xff0c;重复率判定依据为一定长度标识符的MD5值是否相同。 安装 npm install -g jscpd配置参数(查看更多) OptionTypeDefaultDes…

挑战杯 机器视觉目标检测 - opencv 深度学习

文章目录 0 前言2 目标检测概念3 目标分类、定位、检测示例4 传统目标检测5 两类目标检测算法5.1 相关研究5.1.1 选择性搜索5.1.2 OverFeat 5.2 基于区域提名的方法5.2.1 R-CNN5.2.2 SPP-net5.2.3 Fast R-CNN 5.3 端到端的方法YOLOSSD 6 人体检测结果7 最后 0 前言 &#x1f5…

VS2019加QT5.14中Please assign a Qt installation in ‘Qt Project Settings‘.问题的解决

第一篇&#xff1a; 原文链接&#xff1a;https://blog.csdn.net/aoxuestudy/article/details/124312629 error:There’ no Qt version assigned to project mdi.vcxproj for configuration release/x64.Please assign a Qt installation in “Qt Project Settings”. 一、分…

Docker学习之使用harbor搭建私有仓库(超详解析)

实验目的&#xff1a; 使用centos7&#xff0c;基于harbor构建私有仓库 实验步骤&#xff1a; 下载相关安装包和依赖&#xff1a; [rootlocalhost ~]# yum install -y yum-utils device-mapper-persistent-data lvm2 wget //安装docker所需要的相关依赖 [rootlocalhost ~]#…

[ThinkPHP]Arr返回1

$detailId (int)Arr::get($detail, null); var_dump($detailId); 打印结果&#xff1a;int(1) 原因&#xff1a; vendor/topthink/think-helper/src/helper/Arr.php

如何定期清理数据库中的无效数据?

企业的数据库在运行相当长一段时间后&#xff0c;都会出现无效数据的堆积&#xff0c;这些数据包含了过时、重复、错误、缺失&#xff08;空字段&#xff09;的数据&#xff0c;长期占据着宝贵的数据库空间。而在上云热潮的推动下&#xff0c;绝大多数企业已经将他们的业务数据…

Linux第77步_处理Linux并发的相关函数

了解linux中的“原子整形数据”操作、“原子位数据”操作、自旋锁、读写锁、顺序锁、信号量和互斥体&#xff0c;以及相关函数。 并发就是多个“用户”同时访问同一个共享资源。如&#xff1a;多个线程同时要求读写同一个EEPROM芯片&#xff0c;这个EEPROM就是共享资源&#x…

2024全网最全Excel函数与公式应用

&#x1f482; 个人网站:【 海拥】【神级代码资源网站】【办公神器】&#x1f91f; 基于Web端打造的&#xff1a;&#x1f449;轻量化工具创作平台&#x1f485; 想寻找共同学习交流的小伙伴&#xff0c;请点击【全栈技术交流群】 引言 Excel是一款广泛应用于商业、教育和个人…

某夕夕商品数据抓取逆向之webpack扣取

逆向网址 aHR0cHM6Ly93d3cucGluZHVvZHVvLmNvbQ 逆向链接 aHR0cHM6Ly93d3cucGluZHVvZHVvLmNvbS9ob21lL2JveXNoaXJ0 逆向接口 aHR0cHM6Ly9hcGl2Mi5waW5kdW9kdW8uY29tL2FwaS9naW5kZXgvdGYvcXVlcnlfdGZfZ29vZHNfaW5mbw 逆向过程 请求方式&#xff1a;GET 参数构成 【anti_content】…

基于SSM SpringBoot vue办公自动化计划管理系统

基于SSM SpringBoot vue办公自动化计划管理系统 系统功能 登录注册 个人中心 员工信息管理 部门信息管理 会议管理 计划管理 行程安排管理 行程进度管理 管理员管理 开发环境和技术 开发语言&#xff1a;Java 使用框架: SSM(Spring SpringMVC Mybaits)或SpringBoot 前端…

【题目】【网络系统管理】2022年甘肃省职业院校技能大赛-网络构建-试卷

极安云科专注职业教育技能竞赛培训4年&#xff0c;包含信息安全管理与评估、网络系统管理、网络搭建等多个赛项及各大CTF模块培训学习服务。本团队基于赛项知识点&#xff0c;提供完整全面的系统性理论教学与技能培训&#xff0c;成立至今持续优化教学资源与讲师结构&#xff0…

vivo统一接入网关VUA转发性能优化实践

作者&#xff1a;vivo 互联网服务器团队 - Qiu Xiangcun 本文将探讨如何通过使用Intel QuickAssist Technology&#xff08;QAT&#xff09;来优化VUA的HTTPS转发性能。我们将介绍如何使用QAT通过硬件加速来提高HTTPS转发的性能&#xff0c;并探讨QAT在不同应用场景中的表现。最…

Python下有关CV的一些算法和函数

目录&#xff1a; 1. HoughCircles二级目录三级目录 1. HoughCircles 霍夫圆检测 二级目录 三级目录

【CKA模拟题】查询消耗CPU最多的Pod

题干 For this question, please set this context (In exam, diff cluster name) 对于此问题&#xff0c;请设置此上下文&#xff08;在考试中&#xff0c;diff 集群名称&#xff09; kubectl config use-context kubernetes-adminkubernetesFind the pod that consumes the …

[云原生] Prometheus自动服务发现部署

一、部署服务发现 1.1 基于文件的服务发现 基于文件的服务发现是仅仅略优于静态配置的服务发现方式&#xff0c;它不依赖于任何平台或第三方服务&#xff0c;因而也是最为简单和通用的实现方式。 Prometheus Server 会定期从文件中加载 Target 信息&#xff0c;文件可使用 YAM…

大模型训练准备工作

一、目录 1 大模型训练需要多少算力&#xff1f; 2. 大模型训练需要多少显存&#xff1f; 3. 大模型需要多少数据量训练&#xff1f; 4. 训练时间估计 5. epoch 选择经验 6. 浮点计算性能测试 二、实现 1 大模型训练需要多少算力&#xff1f; 训练总算力&#xff08;Flops&…

逻辑运算函数

true默认为1 false默认为0 可以用于多条件筛选 if语句 多层嵌套

【C#算法实现】可见的山峰对数量

文章目录 前言一、题目要求二、算法设计及代码实现2.1 算法思想2.2 代码实现 前言 本文是【程序员代码面试指南&#xff08;第二版&#xff09;学习笔记】C#版算法实现系列之一&#xff0c;用C#实现了《程序员代码面试指南》&#xff08;第二版&#xff09;栈和队列中的可见的…

Redisson

Redisson 1 什么是Redisson2.SpringBoot整合Redisson3.使用Redisson实现分布式锁3.1 Redisson是如何解决这两个问题的呢?3.2 Redisson是怎么保证自己加的锁, 自己释放锁? 1 什么是Redisson Redisson是一个基于Redis的java框架, 用于简化Redis的操作. 它提供了丰富的功能, 包…

Python 界面逻辑分离示例

使用PyQt5设计UI界面开发桌面应用程序的小伙伴&#xff0c;刚开始可能都会遇到这样让人不爽的事&#xff1a;用Qt Designer好不容易设计好的界面并写好逻辑代码&#xff0c;已经可以正常运行了&#xff0c;某天发现界面要做个小改动(这种事好象永远都避不了)&#xff0c;重新修…