Python 数据分析与科学计算 课件 第9章 Matplotlib数据可视化.pptx

Python数据分析与科学计算

;;9.1Pyplot模块

;

;

;

;常用的点样式值;【例9.1】使用plot()函数绘制图形。;9.1Pyplot模块

;

;

;

;9.1Pyplot模块

;

;【例9.3】在一个窗口中绘制多个子图。;

;9.1Pyplot模块

;9.1Pyplot模块

;

;

;【例9.5】给例9.1绘制的图形添加标签。;

;

;9.1Pyplot模块

;

;【例9.7】绘制图表并将其保存。;

;【例9.8】绘制折线图。;9.2基本图形绘制

;【例9.9】绘制柱状图。;

;【例9.10】绘制直方图。;9.2基本图形绘制

;【例9.11】绘制饼形图。;9.2基本图形绘制

;【例9.12】某班一组同学身高、体重统计如表所示，通过绘制散点图观察两组身高和体重之间的关系。;9.2基本图形绘制

;【例9.13】生成500个符合标准正态分布的随机数，作为数据源，绘制散点图。;在散点图中，如果数据点太多，点和点会有重叠，对数据的解释和分析就会变得困难。可以采取调整透明度的方法，使数据点之间的差异更明显一些。例如可将例9.11中第6行代码plt.scatter(x,y)修改为plt.scatter(x,y,alpha=0.5,edgecolor=r)，作用是调整点的透明度，并设置点的边缘颜色。;9.2基本图形绘制

;

;

;9.2基本图形绘制

;9.2基本图形绘制

;9.2基本图形绘制

;9.3高级图形绘制;

;

;9.3高级图形绘制;9.3高级图形绘制;importnumpyasnp

importmatplotlib.pyplotasplt

x=np.arange(0,10)#生成数组

y=np.arange(0,10)#生成数组

u=np.ones((10,10))#设置x分量方向

v=np.zeros((10,10))#设置y分量方向

fig=plt.figure(figsize=(9,6))

plt.streamplot(x,y,u,v,density=0.5)

plt.show();importnumpyasnp

importmatplotlib.pyplotasplt

w=3

y,x=np.mgrid[-w:w:100j,-w:w:100j]

u=x**2+y

v=x-y**2

fig=plt.figure(figsize=(9,6))

plt.streamplot(x,y,u,v,density=1)

plt.show();9.3高级图形绘制;importmatplotlib.pyplotasplt

importnumpyasnp

importseabornassns

uniform_data=np.random.rand(10,12)#生成随机数据

ax=sns.heatmap(uniform_data,vmin=0,vmax=1)

plt.show();9.3高级图形绘制;importnumpyasnp

importmatplotlib.pyplotasplt

x=np.arange(1,20)#生成数组

fig=plt.figure()#创建画布

#在画布上添加1个子块，标定绘图位置

ax=fig.add_subplot(1,1,1,projection=polar)

plt.polar(x,ro)#绘制极坐标图

plt.show();importnumpyasnp

importmatplotlib.pyplotasplt

x=np.arange(1,11)#生成数组

y=x**2

fig=plt.figure()#创建画布

ax=fig.add_subplot(1,1,1,projection=polar)

forx,yinzip(x,y):

plt.plot(x,y,ro)#绘制极坐标图

#添加每个点的极坐标

plt.text(x,y,%d,%d%(int(x),int(y)),

horizontalalignment=center,

verticalalignment=bottom)

plt.show(