Python量化炒股常用的Matplotlib包

这篇具有很好参考价值的文章主要介绍了Python量化炒股常用的Matplotlib包。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。

Python量化炒股常用的Matplotlib包

Matplotlib 是一个用于创建数据可视化的 Python 库,可以绘制各种类型的图表,包括折线图、柱状图、散点图、饼图等。它提供了类似于 MATLAB 的界面,使得用户可以轻松地生成高质量的图形。

Matplotlib 的主要特点:

  • 灵活性: 可以绘制几乎所有类型的统计图表和科学图形。
  • 可定制性: 支持对图形的各个元素(线条、标签、标题等)进行个性化定制。
  • 交互性: 提供交互式功能,允许用户在图形上进行交互操作。
  • 支持多种输出格式: 可以将图形保存为图片文件(PNG、JPG 等)或嵌入到 Jupyter Notebook 中。
  • 广泛应用: 在数据分析、机器学习、科学研究等领域中被广泛使用。
示例代码:
绘制简单折线图:
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Simple Line Plot')
plt.show()
绘制柱状图:
data = {'A': 10, 'B': 20, 'C': 15, 'D': 25}
names = list(data.keys())
values = list(data.values())

plt.bar(names, values)
plt.xlabel('Categories')
plt.ylabel('Values')
plt.title('Bar Chart')
plt.show()
绘制散点图:
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot')
plt.colorbar()
plt.show()

通过 Matplotlib,用户可以根据不同需求快速生成各种类型的图表,帮助更好地理解数据、展示结果,并加强数据分析的可视化呈现。

figure()函数

figure()函数可以用于创建一个图形示例,即创建一个绘图的画布,其语法格式如下:

figure(num=None, figsize=None,dpi=None,facecolor=None,edgecolor=None,frameon=True)
figure()函数的各参数意义

figure() 函数是 Matplotlib 中用于创建新图形(Figure)的函数,它可以接受多个参数来调整图形的各种属性。以下是 figure() 函数中常用参数的意义:

  1. num: 图形的编号(整数或字符串)。如果给定编号的图形已经存在,则将其激活并返回该图形对象;否则,将创建一个新的编号为 num 的图形。默认值为 None

  2. figsize: 以英寸为单位的图形大小,是一个二元组 (width, height)。例如 (6, 4) 表示宽度为 6 英寸、高度为 4 英寸。默认值为 (6.4, 4.8)

  3. dpi: 图形分辨率(每英寸点数),用于控制图形的清晰度。默认值为 100

  4. facecolor: 图形的背景颜色。可以使用颜色名称(如 'red')、RGB 元组(如 (0.2, 0.3, 0.4))或十六进制值(如 '#FFDD44')来指定。默认为 'white'

  5. edgecolor: 图形的边框颜色。与 facecolor 类似,可以使用颜色名称、RGB 元组或十六进制值来指定。默认为 'white'

  6. frameon: 控制是否绘制图形边框。如果设置为 False,则不绘制边框。默认为 True

  7. clear: 如果为 True,则在创建新图形之前清除当前图形。默认为 False

Figure()函数示例代码:

要使用figure()函数,首先要导入Matplotlib中的pyplot模块。

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(1, 36)  # 设置x坐标值
y = 10 * x + 6  # 设置y坐标值
plt.figure()   # 创建默认的画布
plt.plot(x, y)  # 利用x和y坐标值在画布上绘制图形
plt.show()   # 显示绘制的图形

首先导入Numpy包,并设置别名np;然后导入Matplotlib中的pyplot模块,并设置别名plt。接着定义变量x为一个数组,变量y为变量x的一次方程。然后调用figure()绘制默认的画布,接着在画布上绘制图形,最后显示绘制的图形。

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

在创建画布时,还可以进一步设置画布,修改plt.figure()如下:

plt.figure(figsize=(6,3), dpi=120,facecolor='pink')

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

通过调整 figure() 函数中的参数,可以自定义图形的外观和属性,使得生成的图形更符合需求和美观。

plot()函数

plot()函数用来绘制线条或标记的轴,其语法格式如下:

plot(*args, **kwargs)

参数是一个可变长度参数,允许多个x、y对和可选的格式字符串。

plot() 函数是 Matplotlib 中用于绘制图形的函数,主要用于绘制折线图、散点图等。plot() 函数接受多个参数来控制绘图的样式、颜色、标记等属性。以下是常用的 plot() 函数参数及其意义:

  1. x: x 轴数据值序列。

  2. y: y 轴数据值序列。

  3. color(或 c): 线条颜色。可以是颜色名称(如 'red')、RGB 元组(如 (0.2, 0.3, 0.4))或十六进制值(如 '#FFDD44')来指定。

  4. linestyle(或 ls): 线条风格。可选值有 '-'(实线)、'--'(虚线)、'-.'(点划线)、':'(点线)等。

  5. linewidth(或 lw): 线宽。

  6. marker: 数据点的标记类型。例如 'o'(圆圈)、'^'(三角形)、's'(正方形)等。

  7. markersize(或 ms): 标记大小。

  8. label: 曲线的标签,用于图例显示。

  9. alpha: 线条和标记的透明度。

  10. title: 图表标题。

  11. xlabel: x 轴标签。

  12. ylabel: y 轴标签。

利用plot()函数绘制图形

示例代码:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 绘制折线图
plt.plot(x, y, color='blue', linestyle='--', linewidth=2, marker='o', markersize=8, label='Data')
plt.title('Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

通过调整 plot() 函数中的参数,可以自定义绘制的线条样式、颜色、标记形状等,使得生成的图形更具吸引力和可读性。Matplotlib 提供了丰富的参数选项,可以满足用户对图形样式的个性化需求。

利用plot()函数显示股票的收盘价图形

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
df = get_price('002465.XSHE', start_date='2024-03-3', end_date='2024-04-10', frequency='daily')
myc1 = df['close']
plt.figure(figsize=(12,3))
plt.plot(myc1, 'ob')
plt.show()

df是海格通信(002465)2024年03月3日~2024年04月10日的报价信息。变量myc1为df的收盘价,然后利用plot()显示海格通信(002465)2024年-03月3日~2024年04月10日的收盘价图形。

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

利用dataframe的plot()函数显示股票的图形

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
df = get_price('002465.XSHE', start_date='2023-07-3', end_date='2024-04-25',frequency='daily')
df.close.plot(color='red')
df.open.plot(color='blue')

在这里设置收盘价为红色、开盘价为蓝色。

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

subplot()函数

利用subplot()函数可以在同一图中绘制不同的内容,其语法结构如下:

subplot(nrows, ncols, plotNum)

注意:subplot()可以规划figure划分为n个子图,但每条subplot命令只会创建一个子图。

subplot()函数的各参数意义

subplot() 函数是 Matplotlib 中用于创建多个子图(Subplot)的函数,可以将多个图形显示在同一画布上。该函数接受多个参数来控制子图的布局和样式。以下是常用的 subplot() 函数参数及其意义:

  1. nrows: 子图的行数。

  2. ncols: 子图的列数。

  3. index: 当前子图位置编号,从左上角开始,按照从左到右、从上到下的顺序递增。

  4. projection: 投影类型,用于指定绘制子图的类型,如 3D 图形等。

  5. polar: 是否使用极坐标。

  6. sharex(或 sharey): 控制子图之间的 x 轴(或 y 轴)共享。可选值为 'all''row''col'False

  7. subplot_kw: 字典形式的关键字参数,用于传递给 add_subplot() 方法。

示例代码:

import matplotlib.pyplot as plt

# 创建一个 2x2 的子图布局
plt.subplot(2, 2, 1)
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.title('Subplot 1')

plt.subplot(2, 2, 2)
plt.plot([1, 2, 3, 4], [1, 2, 3, 4])
plt.title('Subplot 2')

plt.subplot(2, 1, 2)
plt.plot([1, 2, 3, 4], [10, 20, 25, 30])
plt.title('Subplot 3')

plt.tight_layout()  # 自动调整子图布局
plt.show()

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

利用subplot()函数绘制多个图形

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import matplotlib.pyplot as plt
# 计算正弦和余弦曲线上的点的x和y坐标
x = np.arange(0, 3 * np.pi, 0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)
y_tan = np.tan(x)
plt.figure(figsize=(12, 3))
# 建立subplot网格,高为2,宽为2
# 激活第一个subplot
plt.subplot(2, 2, 1)
# 绘制第一个图形
plt.plot(x, y_sin, 'ob')
plt.title('正弦曲线')

# 将第二个subplot激活,并绘制第二个图形
plt.subplot(2, 2, 2)
plt.plot(x, y_cos, '*m')
plt.title('余弦曲线')
# 将第二个subplot激活,并绘制第三个图形
plt.subplot(223)
plt.plot(x, y_tan, ':r')
plt.title('正切曲线')
# 展示图像
plt.show()

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

通过调用 subplot() 函数,并设定合适的参数,用户可以在同一画布上创建并展示多个子图,有助于比较不同数据之间的关系或趋势。Matplotlib 提供了丰富的子图布局选项,满足用户对多图显示的需求。

利用subplot()函数绘制股票图形

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
df = get_price('002465.XSHE', start_date = '2022-07-3', end_date='2024-04-25', frequency='daily')
myc1 = df['close']    # 收盘价
myc2 = df['volume']   # 成交量
plt.figure(figsize=(12, 6))
# 激活第一个subplot
plt.subplot(2, 1, 1)
plt.plot(myc1, '-b')   # 实线蓝色绘制收盘价格
plt.subplot(2, 1, 2)  
plt.plot(myc2, '-r')  # 实线红色绘制成家量
plt.show()

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

add_axes()函数

Add_axes()函数为新增子区域,该区域可以坐落在figure内任意位置,且该区域可以任意设置大小。

subplot() 函数是 Matplotlib 中用于创建多个子图(Subplot)的函数,可以将多个图形显示在同一画布上。该函数接受多个参数来控制子图的布局和样式。以下是常用的 subplot() 函数参数及其意义:

  1. nrows: 子图的行数。

  2. ncols: 子图的列数。

  3. index: 当前子图位置编号,从左上角开始,按照从左到右、从上到下的顺序递增。

  4. projection: 投影类型,用于指定绘制子图的类型,如 3D 图形等。

  5. polar: 是否使用极坐标。

  6. sharex(或 sharey): 控制子图之间的 x 轴(或 y 轴)共享。可选值为 'all''row''col'False

  7. subplot_kw: 字典形式的关键字参数,用于传递给 add_subplot() 方法。

示例代码:

import matplotlib.pyplot as plt

# 创建一个 2x2 的子图布局
plt.subplot(2, 2, 1)
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.title('Subplot 1')

plt.subplot(2, 2, 2)
plt.plot([1, 2, 3, 4], [1, 2, 3, 4])
plt.title('Subplot 2')

plt.subplot(2, 1, 2)
plt.plot([1, 2, 3, 4], [10, 20, 25, 30])
plt.title('Subplot 3')

plt.tight_layout()  # 自动调整子图布局
plt.show()

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

通过调用 subplot() 函数,并设定合适的参数,用户可以在同一画布上创建并展示多个子图,有助于比较不同数据之间的关系或趋势。Matplotlib 提供了丰富的子图布局选项,满足用户对多图显示的需求。

add_axes()函数的应用

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import matplotlib.pyplot as plt
# 新建figure
fig = plt.figure()
# 定义数据
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]
# 新建区域ax1
# figure的百分比,从figure 10% 的位置开始绘制,宽高是figure的80%
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
# 获得绘制的句柄
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'c')
ax1.set_title('新建区域')
# 新增区域ax2,嵌套在ax1内
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
# 获得绘制的句柄
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(x, y, 'm')
ax2.set_title('嵌套区域')
plt.show()

add_axes方法有4个参数,分别是left、bottom、width和height。Left为左侧间距、bottom为底部间距、width为宽度、height为高度。需要注意的是,这4个参数的大小都在0到1之间。

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

利用add_axes()函数绘制股票图形

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

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

# 新建figure
fig = plt.figure()
# 定义数据
df = get_price('002465.XSHE', start_date='2022-07-3', end_date='2024-04-25', frequency='daily')
myc1 = df['close']    # 收盘价
# 新建区域ax1
# figure的百分比,从figure 10%的位置开始绘制,宽高是figure的80%
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
# 获得绘制的句柄
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(myc1, 'c')
ax1.set_title('新建区域')
# 新增区域ax2,嵌套在ax1内
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
# 获得绘制的句柄
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(myc1, 'm')
ax2.set_title('嵌套区域')
plt.show()

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

legend()函数

legend()函数用于为图像添加图题,其语法结构如下:

legend(*args, **kwargs)

legend() 函数是 Matplotlib 中用于添加图例到图形中的函数,它用于标识不同数据系列或曲线的含义。通过 legend() 函数,用户可以在图形中直观地展示数据标签,帮助观众更好地理解绘制的图表。

legend() 函数的常用参数:

  1. labels: 图例标签文本列表,用于指定每个数据系列的名称。

  2. loc: 图例位置,控制图例显示在图形的哪个位置。常见取值有 'upper right''lower left''center' 等。

  3. title: 图例标题文本。

  4. bbox_to_anchor: 控制图例的实际位置。是一个二元组 (x, y),表示图例左下角边界与画布左下角边界的偏移量。

  5. shadow: 是否显示图例的阴影。

  6. fontsize: 图例文本的字体大小。

  7. borderpad: 图例内边距大小。

  8. fancybox: 是否使用圆角框样式。

  9. framealpha: 图例框的透明度。

示例代码:

import matplotlib.pyplot as plt

# 绘制折线图并添加图例
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

plt.plot(x, y1, label='Series 1')
plt.plot(x, y2, label='Series 2')

plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Line Plot with Legend')

plt.legend(loc='upper right', title='Legend', fontsize='medium', shadow=True)
plt.show()

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

通过调用 legend() 函数,并设定合适的参数,用户可以将图例添加到绘制的图形中,使得图表更具可读性和信息传达效果。 Matplotlib 提供了丰富的选项来自定义图例的外观和位置,以满足用户对图例显示的需求。

利用legend()函数为绘制图形添加标题

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1,25)
flg, ax = plt.subplots()
ax.plot(x, x**3, label="y = x**3")
ax.plot(x, x**4, label="y = x**4")
ax.legend(loc=2); # 左上角
ax.set_xlabel("图形的x轴")
ax.set_ylabel("图形的y轴")
ax.set_title("利用legend()函数为绘制图形添加标题")

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

这里发现,x轴、y轴及标题标签都比较小。下面来改变图题字体大小。具体代码如下:

matplotlib.rcParams.update({'font.size': 18, 'font.family': 'serif'})

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

利用legend()函数为股票图形添加图题

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = get_price('002465.XSHE', start_date='2022-07-3',end_date='2024-04-25',frequency='daily')
myc1 = df['close']    # 收盘价
myc2 = df['high']     # 最高价
matplotlib.rcParams.update({'font.size': 15, 'font.family':'serif'})
fig, ax = plt.subplots()
ax.plot(myc1, label='海格通信的收盘价')
ax.plot(myc2, label='海格通信的最高价')
ax.legend(loc=2);     # 左上角
ax.set_xlabel('海格通信的日期')
ax.set_ylabel('海格通信收盘价和最高价')
ax.set_title('海格通信的日线图')

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

grid()函数

用坐标对象中的grid()函数可以使用和取消网格线,也可以用plot函数中同样的关键字参数来定制网格样式。

利用grid()函数为绘制图形添加网格线

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1, 25)
fig, axes = plt.subplots(1, 2, figsize=(10, 3))
# 默认网格外观
axes[0].plot(x, x**1.2, x, x**2, lw=2)
axes[0].grid(True)
# 用户定义的网格外观
axes[1].plot(x, x**2, x, x**2.3, lw=3)
axes[1].grid(color='r', alpha=0.5, linestyle='dashed', linewidth=0.5)

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言

利用grid()函数为绘制股票图形添加网格线

单击聚宽JointQuant量化炒股平台中的“策略研究/研究环境”命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,输入如下代码:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = get_price('002465.XSHE', start_date='2023-10-3', end_date='2024-04-25', frequency='daily')
myc1 = df['close']   # 收盘价
myc2 = df['high']    # 最高价
myc3 = df['open']    # 开盘价
myc4 = df['low']     # 最低价
matplotlib.rcParams.update({'font.size': 12, 'font.family': 'serif'})
fig, ax = plt.subplots()
ax.plot(myc1, 'b', label='海格通信的收盘价')
ax.plot(myc2, 'g', label='海格通信的最高价')
ax.plot(myc3, 'r', label='海格通信的开盘价')
ax.plot(myc4, 'k', label='海格通信的最低价')

ax.grid(True)
ax.legend(loc=3);  # 左下角
ax.set_xlabel('海格通信的日期')
ax.set_ylabel('海格通信的4种价格')
ax.set_title('海格通信的日线图')

单击工具栏中的运行按钮,快捷键(shift+enter),运行结果如下图:

Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言
本人公众号同步发布博客,欢迎关注和转发。
Python量化炒股常用的Matplotlib包,编程,笔记,总结经验,python,matplotlib,开发语言文章来源地址https://www.toymoban.com/news/detail-857779.html

到了这里,关于Python量化炒股常用的Matplotlib包的文章就介绍完了。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

  • Python中Matplotlib库的使用(三)—— Matplotlib绘制图的常用类型

    plot(x,y) plot(x, y) 函数用于绘制折线图。折线图是一种用来展示连续数据之间关系的图表类型,适用于表示数据随着一个或多个变量的变化而变化的情况。 具体来说, plot(x, y) 函数接受两个参数: x :表示X轴上的数据点的值,通常是一个数组或列表,表示自变量的取值。 y :

    2024年02月03日
    浏览(73)
  • python-数据分析-numpy、pandas、matplotlib的常用方法

    输出方式不同 里面包含的元素类型 使用 索引/切片 访问ndarray元素 切片 左闭右开 np.array(list) np.arange() np.random.randn() - - - 服从标准正态分布- - - 数学期望 μ - - - 标准方差 s 使用matplotlib.pyplot模块验证标准正态分布 np.random.randint(起始数,终止数(行,列)) 数据分析 - - - 数据清洗

    2024年02月10日
    浏览(94)
  • C++入门: 类和对象笔记总结(上)

     C语言是 面向过程 的, 关注 的是 过程 ,分析出求解问题的步骤,通过函数调用逐步解决问题。  C++是基于 面向对象 的, 关注 的是 对象 ,将一件事情拆分成不同的对象,靠对象之间的交互完成。   C语言结构体中只能定义变量,在C++中,结构体升级成类内不仅可以定

    2024年02月07日
    浏览(41)
  • python matplotlib笔记:坐标轴设置

    ax.xlim():设置x坐标轴范围 ax.ylim():设置y坐标轴范围 ax.xlabel():设置x坐标轴名称 ax.ylabel():设置y坐标轴名称 ax.xticks():设置x轴刻度 ax.yticks():设置y轴刻度 gca():获取当前坐标轴信息 ax.spines:设置边框 ax.set_color:设置边框颜色:默认白色 ax.spines:设置边框 ax…xaxis.set_ticks_position:设置x坐标

    2024年02月09日
    浏览(36)
  • Python学习笔记第六十八天(Matplotlib 饼图)

    饼图(Pie Chart)是一种常用的数据可视化图形,用来展示各类别在总体中所占的比例。 我们可以使用 pyplot 中的 pie() 方法来绘制饼图。 pie() 方法语法格式如下: 参数说明: x:浮点型数组或列表,用于绘制饼图的数据,表示每个扇形的面积。 explode:数组,表示各个扇形之间

    2024年02月08日
    浏览(35)
  • Python学习笔记(11-2):matplotlib绘图——图形绘制函数

    因为部分图形绘制函数共用了一套参数体系,在颜色、曲线形状等部分的使用方式也是一致的。所以,在讲解各类图形绘制之前,我们整体性地对各类通用参数进行一个整理,并在此基础上对于颜色(color)、数据点标记(marker)和曲线形式(linestyle)等几个通用参数进行相

    2024年02月06日
    浏览(55)
  • Python学习笔记第六十四天(Matplotlib 网格线)

    我们可以使用 pyplot 中的 grid() 方法来设置图表中的网格线。 grid() 方法语法格式如下: 参数说明: b:可选,默认为 None,可以设置布尔值,true 为显示网格线,false 为不显示,如果设置 **kwargs 参数,则值为 true。 which:可选,可选值有 ‘major’、‘minor’ 和 ‘both’,默认为

    2024年02月12日
    浏览(43)
  • python数据分析学习笔记之matplotlib、numpy、pandas

    为了学习机器学习,在此先学习以下数据分析的matplotlib,numpy,pandas,主要是为自己的学习做个记录,如有不会的可以随时查阅。希望大家可以一起学习共同进步,我们最终都可以说:功不唐捐,玉汝于成。就算遇到困难也不要气馁,大声说:我不怕,我敏而好学!! 把大量

    2024年02月08日
    浏览(56)
  • 【Python数据可视化】matplotlib之绘制常用图形:折线图、柱状图(条形图)、饼图和直方图

    文章传送门 Python 数据可视化 matplotlib之绘制常用图形:折线图、柱状图(条形图)、饼图和直方图 matplotlib之设置坐标:添加坐标轴名字、设置坐标范围、设置主次刻度、坐标轴文字旋转并标出坐标值 matplotlib之增加图形内容:设置图例、设置中文标题、设置网格效果 matplo

    2024年01月16日
    浏览(56)
  • 【Python_Matplotlib学习笔记(一)】pyplot模块的基本用法

    Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形(来自:百度百科)。pyplot 模块是 Matplotlib 模块提供的快速绘图模块,它模仿了 MATLAB 的部分功能。在本文中主要介绍 pyplot 模块的基本用法,会进行持续的更新,欢迎各位

    2024年02月12日
    浏览(41)

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