Python可视化之Matplotlib

这篇具有很好参考价值的文章主要介绍了Python可视化之Matplotlib。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档


前言

1、解决坐标轴刻度负号乱码

plt.rcParams['axes.unicode_minus']=False

2、解决中文乱码问题

# 以下方式二选一
plt.rcParams['font.sans-serif']=['Simhei']
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] 

3、图形展现形式

在jupyter notebook中有2种图形展现形式
%matplotlib notebook:运行这句命令会在notebook中启动交互式图形
%matplotlib inline:运行这句命令会在notebook中启动静态图形
如果没有运行该命令,默认展示静态图形

%matplotlib notebook
%matplotlib inline

一、图形绘制

1.折线图plot

  • 展现变量的趋势变化
  • 调用方式:plt.plot(x,y,ls=‘-’,lw=w,label=‘plot figure’)
  • 参数:
    x:x轴的数值
    y:y轴的数值
    ls:折现图的线条风格(linestyle)
    lw:折现图的线条宽度(lineweight)
    label:标记图形内容的标签文本
    color:图形颜色
x=np.linspace(0.05,20,200)
y=np.sin(x)

fig = plt.figure()#创建一个图形(画板)
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图(类似于在画板上贴画纸进行绘画)
plt.legend()  #legend将标签显示出来
plt.show()
fig.savefig('test.png')

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

2.散点图plot&scatter

  • plt.plot()
x=np.linspace(0,10,30)
y=np.sin(x)

plt.plot(x,y,marker='o',color='c')
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

  • plt.scatter()比plt.plot()更加灵活,比如可以单独空值每个散点与数据匹配,也可以让每个散点具有不同的属性
    函数功能:寻找变量之间关系
    调用方式plt.scatter(x,y,c=‘b’,label=‘scatter,figure’)
    x:x轴数值
    y:y轴数值
    c:散点标记颜色
    label:标签文本
x=np.random.randn(100)
y=np.random.randn(100)
plt.scatter(x,y,c='c',label='散点图')
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

x=np.random.randn(100)
y=np.random.randn(100)
colors=np.random.randn(100)
size=np.random.randint(20,500,100)
plt.scatter(x,y,c=colors,s=size,alpha=0.3,cmap='hsv')
plt.colorbar()  #显示颜色条
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

3.柱状图plt.bar&条形图plt.barh

函数功能:在x轴上绘制定性数据的分布特征,调用方式:plt.bar(x,y),与之相对应的是条形图
参数

  • x:在X轴上的定性数据类别
  • y:每种定性数据类别数量
  • align:柱体对齐方式
  • color:柱体颜色
  • tick_label:刻度标签值
  • alpha:柱体透明度
  • hatch:柱体填充样式
x=[i for i in range(6)]
y=np.random.randint(45,100,6)
z=('a','b','c','d','e','f')
plt.ylabel('数据')
plt.bar(x,y,align='center',color='c',tick_label=z,hatch='///')
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

4.直方图plt.hist&堆积直方图

函数功能:在X轴绘制定量数据的分布特征
参数说明
x:在X轴上绘制箱体的定量数据输入值
bins:用于确定柱体的个数或柱体边缘范围,除了最后一个柱体作用都为闭区间,其他柱体为左闭右开区间
color:柱体颜色
histype:柱体类型

  • bar:传统的条形直方图,如果是多个数据给出并排排列的条形图
  • step:生成默认的线图填补
  • stepfilled:生成默认的线图填充
    label:图例内容
    rwidth:柱体宽度
x=np.random.normal(loc=10000,scale=3000,size=1000)
bins=range(0,20000,500)

plt.hist(x,bins=bins,histtype='bar',color='c',alpha=0.6)
plt.xlabel('test')
plt.ylabel('数据')
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
堆积直方图和直方图相比,多添加2个参数
x:参数X需要对应两个数据对象,可以用列表装载
stacked:true即两个直方图堆积,false表示两个直方图并列
label:因为展示两类数据,所有标签需额外设置

x0=np.random.normal(loc=10000,scale=3000,size=1000)
x1=np.random.normal(loc=7000,scale=3000,size=1000)
bins=range(0,20000,500)
x=(x0,x1)
plt.hist(x,bins=bins,histtype='bar',label=['x0','x1'],stacked=True,alpha=0.6)
plt.xlabel('test')
plt.ylabel('数据')
plt.legend(loc='upper right')
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
当stacked=False时:
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

5.饼图plt.pie

主要参数
x:定性数据的不同类别的百分比
explode:饼片边缘偏离半径的百分比(如果制作分裂式饼图,添加该参数即可)
labels:标记每份饼片的文本标签内容
autopct:饼片文本标签内容对应的数值百分比样式
startangle:从X轴起始位置开始,第一个饼片逆时针旋转的角度
shadow:是否绘制饼片的阴影
colors:饼片的颜色
其他参数:
pctdistance:每个饼片中心与开始之间的比率,默认值为0.6
labeldistance:绘制饼图标签的径向问题距离,默认1.1

percent='0.1','0.15','0.3','0.2','0.2','0.05'
explode=0.1,0.1,0.1,0.1,0.1,0.5  #如果突出某部分,可把对应值修改
autopacts="%.2f%%"
startangle=45
types='优','良','中','一般','次','差'
colors=['r','g','b','c','y','y']
plt.pie(x=percent,explode=explode,labels=types,autopct=autopacts,startangle=startangle,colors=colors)
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
不传explode参数时
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

6.单个、多个箱线图boxplot

箱体由第一四分位、中位数(第二四分位)和第三四分位数组成,箱须末端之外为离群值
参数:
x:输入数据
whis:四分位距的倍数,用来确定箱须,包括数据范围大小
widths:设置箱体宽度
sym:离群值的标记样式
labels:绘制每一个数据集的刻度标签
patch_artist:是否给箱体添加颜色
notch:如果为True,则箱体由凹痕

  • 单个箱线图
x=np.random.randn(1000)
plt.boxplot(x=x,whis=1.5,widths=0.3,sym='o',labels=['箱体图'],notch=False)
plt.grid(axis='y',ls=':',lw=1,color='grey',alpha=0.4)
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

  • 多个箱线图
    数据集参数X需传入多个数据集对象
    标签参数labels列表要包含多个标签字符串
    Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

二、绘图风格设置

1.图片保存及查看

x=np.linspace(0.05,20,200)
y=np.sin(x)

fig = plt.figure()#创建一个图形(画板)
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图(类似于在画板上贴画纸进行绘画)
plt.legend()  #legend将标签显示出来
plt.show()
fig.savefig('test.png')

from IPython.display import Image
Image('test.png')

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

2.设置坐标轴上下限

plt.xlim:设置X轴范围
plt.ylim:设置y轴范围

x=np.linspace(0.05,20,200)
y=np.sin(x)

fig = plt.figure()#创建一个图形(画板)
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图(类似于在画板上贴画纸进行绘画)
plt.legend()  #legend将标签显示出来
plt.xlim(0.1,20)
plt.ylim(-2,2)
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

3.axis获取或设置某些轴的便捷方法

  • 使用方法一:plt.axis(xmin,xmax,ymin,ymax)
    xmin:x轴最小取值范围
    xmax:x轴最大取值范围
    ymin:y轴最小取值范围
    ymax:y轴最大取值范围
    Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
    Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

  • 使用方法二:plt.axis(str)
    ‘on’:打开轴线和标签
    ‘off’:关闭轴线和标签。等于设置相等的缩放比例,改变轴限制
    ‘scaled’:设置相等的缩放比例,改变绘图狂尺寸
    ‘tight’:设置限制大小足以显示所有数据
    ‘auto’:自动缩放(带数据的填充框)
    Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

4.轴标签xlabel(),ylabel()

xlabel()函数功能:设置X轴标签文本
调用方式:plt.xlabel(string)
string:标签文本内容
fontsize:字体大小
平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数ylabel上
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

5.文本标签图例legend()

函数功能:标识不同图形的文本标签图例
调用方式:plt.legend(loc=‘lower left’)
主要参数:

  • loc:图例在图中的地理位置
    upper right(右上角)、upper left(左上角)、upper center(中间靠上)
    lower left(左下角)、lower right(右下角)、lower center(中间靠下)
    center(中间)、center right(中间靠右)、center left(中间靠左)
  • title:图例标签内容标题参数
  • shadow:线框阴影,True或False
  • fancybox:线框圆角处理参数,True或False
    Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

6.设置轴刻度和刻度标签

通过plt.xticks()和plt.yticks()函数给x轴和y轴设定刻度,同时通过这2给函数中的label参数来给这些刻度贴上标签
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

7.网格线设置grid()

函数功能:绘制刻度线的网格线
调用方式:plt.grid(linestyle=‘:’,color=‘’)
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

8.参考线axhline()

函数功能:绘制平行于x轴的水平参考线,与之对应的方法为plt.axvline()
调用方式:plt.axhline(y=0,c=‘r’,ls=‘:’,lw=‘’)
y:水平参考线的出发点
c:参考线的线调颜色
ls:参考线的线条风格
lw:参考线的线条宽度
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

9.参考区域axvspan()

函数功能:绘制垂直于x轴的参考区域,与之相应的函数为axhspan()
调用方式:plt.axvspan(xmin=1.0,xmax=2,facecolor=‘y’,alpha=0.3)
xmin:参考区域起始位置
xmax:参考区域终止位置
facecolor:参考区域填充颜色
alpha:参考区域填充颜色的透明度
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

10.指向性注释annotate()

函数功能:添加图形内容细节的指向型注释文本
调用方式:plt.annotate(string,xy=(,),xytext=(,),color=‘b’,arrowprops=dict(arrowstyle=‘->’,color=‘b’)
string:图形内容的注释文本
xy:被注释图形内容的位置坐标
xytext:注释文本的位置坐标
color:注释文本的字体颜色
arrowprops:指示被注释内容的箭头的字典属性:

  • arrowstyle:‘-’,‘->’,‘-[’,‘|-|’,‘-|’,‘<-’,‘<->’,‘<|-’,‘<|-|>’,fancy,simple,wedge(注释文本字体粗细)
  • color:颜色
plt.annotate('测试说明',xy=(np.pi/2,1),xytext=(2.5,1),weight='bold',
             color='r',arrowprops=dict(arrowstyle='->',color='c'))

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

11.text()图形内容细节的无指向注释文本

调用方式:plt.text(x,y,string,weight=‘bold’,color=‘b’)
x:注释文本位置横坐标
y:注释文本位置纵坐标
string:文本内容
weight:字体大小
color:字体颜色

plt.text(2,0.8,'sin(x)曲线',fontsize='12',color='c')

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

12.title()添加图形内容标题

调用方式plt.title(string)
string:标题文本
loc:center/left/right
fontdict:可以用字典存储,包含以下参数:

  • family:字体类别
  • size:字体大小
  • color:字体颜色
  • style:字体风格
plt.title('y=sin(x)',color='r',loc='center',fontsize=13)

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

三、绘图进阶

1.子图plt.subplot

subplot(C,R,P):划分C行P列,从最左上角向右数起,序号P依次增加,直到换一行,序号页是从左向右增加

x=np.linspace(-2*np.pi,2*np.pi,200)
y1=np.sin(x)
y2=np.cos(x)
y3=x
y4=x**2

plt.subplot(221)
plt.plot(x,y1,label='sin(x)')

plt.subplot(222)
plt.plot(x,y2,label='cos(x)')

plt.subplot(223)
plt.plot(x,y3,label='x')

plt.subplot(224)
plt.plot(x,y4,label='x**2')

plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

2.子图plt.subplots

plt.subplots()其实会返回两个对象,一个是figure画布实例,一个是坐标轴实例axes

  • figure:可以看作一个图形实例,用来包括坐标轴,图形,文字标签等
  • axes:表示一个坐标轴实例,是一个带有刻度和标签的矩阵
  • 先有了figure、axes,就可以使用ax.plot进行绘图了
    因为ax[0]表示第一个子图的实例,ax[1]表示第二个子图实例,所有可以通过ax[0]回到第一个子图绘图
    Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言
fig,ax=plt.subplots(2,1) # 把fig想象成一块画板,ax想象成两张画纸
x=np.linspace(-2*np.pi,2*np.pi,200)
y_01=np.sin(x)
y_02=x**2
ax[0].plot(x,y_01,label="sin(x)") 
ax[0].legend()
ax[0].set_title("图一")
ax[1].plot(x,y_02,label="x**2")
ax[1].legend()
ax[1].set_title("图二")
#如果在画完两幅子图之后,在这个时候想再往图一添加折线图y=x,可以直接通过实例ax[0].plot()来画:
ax[0].plot(x,x,color="r",ls="--",alpha=0.3)
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

3.plt.figure

语法:plt.figure(num, figsize, dpi, facecolor, edgecolor, frameon)
参数

  • num:整数或字符串,可选,默认值:无
    如果未提供,将创建新图形和图形编号。图形对象将此数字保存在“数字”中
    如果提供了num,将在该编号的图形中绘图;如果num是一个字符串,该字符串作为图标题。
  • figsize:整数元组,可选,默认值:无;[宽度,高度](英寸);如果未提供,则默认为[6.4,4.8]
  • dpi:整数,可选,默认值:无;这个数字的分辨率。如果未提供,则默认为100
  • facecolor:背景颜色。如果未提供,则默认为"w"。
  • edgecolor:边框颜色。如果未提供,则默认为"w"。
  • frameon:布尔型,可选,默认值:True。如果为False,则禁止绘制图框。
fig_01=plt.figure(1,figsize=[3,3]) #建立“画布1”
ax_01=plt.axes() 
fig_02=plt.figure(2,figsize=[2,2]) #建立“画布2”
ax_02=plt.axes() 
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

4.plt.axes

plt.axes用来创建一个新的全窗口轴:
语法:plt.axes([left, bottom, width, height]…)
以左下角为原点,右上角为1,设置轴域的[左坐标,底坐标,宽度,高度]

  • 上面的轴域取值范围是左下角(原点)为0,右上角为1。
  • 左坐标和底坐标两个参数对应的就是——该坐标轴的原点位置,为该图形宽度和高度比例。
  • 宽度和高度的参数就是——该坐标轴原点往外扩展,宽度和高度为图形的比例长度。
x=np.linspace(-2*np.pi,2*np.pi,200)
y=np.sin(x)

fig=plt.figure(1,facecolor="gray") #建立“画布1”,设为灰色
ax_1=plt.axes([0,0,0.4,0.4],facecolor="w") #轴域(画纸)颜色设置成白色
ax_1.plot(x,y,ls="-.",color="r")
ax_2=plt.axes([0.4,0.4,0.6,0.6],facecolor="b") #轴域(画纸)颜色设成绿色
ax_2.plot(x,y,ls="-",color="c")
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

5.其他建立figure、axes方法

1)通过plt.subplots

x=np.linspace(0,10,1000)
y=np.sin(x)
fig,((ax_01,ax_02),(ax_03,ax_04))=plt.subplots(2,2) # 通过plt.subplots()返回“画板”和“画纸”
ax_01.plot(x,y)
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

2)通过plt.add_subplot

fig = plt.figure() # 先创建“画板”
ax_01 = fig.add_subplot(221) # 通过“画板”来调用“画纸”
ax_01.plot(x,y)
ax_02 = fig.add_subplot(222)
ax_03 = fig.add_subplot(223) 
ax_04 = fig.add_subplot(224)

plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

6.面向对象绘图

1)折线图ax.plot

x=np.linspace(-2*np.pi,2*np.pi,200)
y=np.sin(x)
fig = plt.figure()
ax = plt.axes()
ax.plot(x,y,ls='--',color='c',label='test')
ax.legend()
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

2)散点图ax.scatter

fig = plt.figure()
ax = plt.axes()

x=np.linspace(0.05,20,500)
y=np.random.randint(1,100,500) 
# ax.scatter(x,y,label="scatter figure")
# ax.legend()
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

3)柱状图ax.bar

fig = plt.figure()
ax = plt.axes()

x=[i for i in range(1,6)] 
y= np.random.randint(45,100,5) 
z=("a","b","c","d","e") 
ax.set_ylabel("text") 
ax.grid(linestyle="-.",color="r",axis="y",alpha=0.15) 
ax.bar(x,y,align="center",color="c",tick_label=z,hatch="|")
plt.show()

Python可视化之Matplotlib,Python可视化,python,matplotlib,开发语言

4)plt和ax部分区别

1、绝大多数plt函数都可以直接转换成ax方法,比如plt.plot()–>ax.plot()、plt.legend()–>ax.legend()等。
2、在设置坐标轴上下限、坐标轴标题和图形标题方面,会稍有不同:文章来源地址https://www.toymoban.com/news/detail-846727.html

  • 设置坐标轴标题:
    plt.xlabel()–>ax.set_xlabel()
    plt.ylabel()–>ax.set_ylabel()
  • 设置坐标轴上下限:
    plt.xlim()–>ax.set_xlim()
    plt.ylim()–>ax.set_ylim()
  • 设置图形标题:
    plt.title()–>ax.set_title()
    3、使用面向对象的方式绘制气泡图,不能设置colorbar,不加colorbar()就不会报错

到了这里,关于Python可视化之Matplotlib的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 基于Python的疫情数据可视化(matplotlib,pyecharts动态地图,大屏可视化)

    有任何学习问题可以加我微信交流哦!bmt1014 1、项目需求分析 1.1背景 2020年,新冠肺炎疫情在全球范围内爆发,给人们的健康和生命带来了严重威胁,不同国家和地区的疫情形势也引起了广泛的关注。疫情数据的监测和分析对疫情防控和科学防治至关重要。本报告以疫情数据

    2024年02月05日
    浏览(58)
  • Python数据可视化之matplotlib绘图教程

    目录 一、快速绘图 1. 折线图 2. 柱状图 3. 饼状图 4. 散点图 5. 图片保存  二、基本设置 1. 图片 2. 坐标轴 3. 刻度 4. 边距 5. 图例 6. 网格 7. 标题 8. 文本 9. 注释文本 10. 主题设置 11. 颜色 12. 线条样式 13. 标记形状 三、绘图进阶 1. 折线图 2. 条形图  3. 散点图 4. 饼状图 5. 多图并

    2024年02月04日
    浏览(47)
  • Matplotlib:Python数据可视化的全面指南

    数据可视化是数据分析的一个重要方面,可以帮助我们有效地传达数据中的洞察和模式。Python提供了几个用于数据可视化的库,其中最突出和广泛使用的是Matplotlib。在本文中,我们将探索Matplotlib的基本概念和功能,并学习如何创建各种类型的图表和图形。 在深入了解Matplo

    2024年02月10日
    浏览(81)
  • Python-数据可视化:matplotlib模块、pyecharts模块

    返回Python系列文章目录 matplotlib 是一个基于python 的绘图库,完全支持二维图像,有限支持三维图形,Matplotlib是python编程语言及其数据科学扩展包NumPy的可视化操作界面库。 matplotlib模块 导入方式 可参考文章:Python之数据可视化——matplotlib系统介绍 Echarts 是一个由百度开源的

    2024年02月08日
    浏览(74)
  • python数据可视化神库:Matplotlib快速入门

    Matplotlib易于使用,是Python中了不起的可视化库。它建立在NumPy数组的基础上,旨在与更广泛的SciPy堆栈一起工作,并由几个图组成:线图、条形图、散点图、直方图等。 在上面的例子中,X和Y的元素提供了X轴和Y轴的坐标,并根据这些坐标绘制了一条直线。 Pyplot是一个Matplotli

    2023年04月27日
    浏览(48)
  • 【python】数据可视化——解决matplotlib显示中文乱码

    D:anaconda3envstest1libtkinter_ init _.py:839: UserWarning: Glyph 31532 (N{CJK UNIFIED IDEOGRAPH-7B2C}) missing from current font. func(*args) D:anaconda3envstest1libtkinter_ init _.py:839: UserWarning: Glyph 19968 (N{CJK UNIFIED IDEOGRAPH-4E00}) missing from current font. func(*args) D:anaconda3envstest1libtkinter_ init _.py:839: UserWarnin

    2024年01月22日
    浏览(55)
  • Python Matplotlib数据可视化绘图之(三)————散点图

    文本 本文我们主要介绍利用Python中的Matplotlib模块进行几种散点图的画法,包括整张图片只有一种颜色的不分组散点图、整张图片有好几种颜色的不分组散点图、整张图片有好几种颜色的分组散点图等。 主要利用Python中的Matplotlib模块完成该功能。 表格如下(示例): 班别

    2024年02月07日
    浏览(56)
  • Python Matplotlib数据可视化绘图之(一)————柱状图

    本文我们主要介绍利用Python中的Matplotlib模块进行几种柱状图的画法,包括整张图片只有一种颜色的不分组柱状图、整张图片有好几种颜色的不分组柱状图、整张图片有好几种颜色的分组柱状图等。 主要利用Python中的Matplotlib模块完成该功能。 表格如下(示例): 语言种类

    2024年02月06日
    浏览(71)
  • Python Matplotlib数据可视化绘图之(二)————箱线图

    本文我们主要介绍利用Python中的Matplotlib模块进行几种箱线图的画法,包括整张图片只有一种颜色的不分组箱线图、整张图片有好几种颜色的不分组箱线图、整张图片有好几种颜色的分组箱线图等。 主要利用Python中的Matplotlib模块完成该功能。 表格如下(示例): 班别 语文成

    2024年02月05日
    浏览(55)
  • Python 科研绘图可视化(后处理)Matplotlib - RGBAxes

    科研可视化是将数据和信息转化为可视化形式的过程,旨在通过图形化展示数据和信息,使得科研工作者能够更好地理解和分析数据,并从中发现新的知识和洞见。科研可视化可以应用于各种领域,如生物学、物理学、计算机科学等,帮助科研工作者更好地 理解和解释数据

    2024年02月02日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包