- 1、本文档共16页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
python程序设计数据可视化大数据技术BIGDATA
1.掌握matplotlib模块的使用
matplotlib模块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。通过Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等,是目前Python中使用最为广泛的数据可视化库之一。matplotlib安装通过pip工具安装Matplotlib:pipinstallmatplotlib通过指定清华的安装源提交安装速度:pip3installmatplotlib–I/simple
matplotlib模块1、基本用法通过配置x,y轴的数据绘制简单图形frommatplotlibimportpyplotasplt#导包x=[1,2,3]#配置x轴数据y=[1,2,3]#配置y轴数据plt.plot(x,y)#绘制图形plt.show()#图像展示plt.savefig(./pic.png)#图像保存
matplotlib模块2、设置图片和线条格式设置图片fig=plt.figure(figsize=(20,8),dpi=80)figsize设置的是图片的长和宽,单位为英寸;dpi为每英寸长度内像素点数;上面的设置生成的图片大小为1600x640(像素)。设置线条格式plt.plot(x,y,color=red,linestyle=-.,linewidth=5,alpha=0.4)color设置的是线条颜色,linestyle设置的是线条样式,linewidth设置的是线条宽度,alpha设置的是线条的透明度
matplotlib模块frommatplotlibimportpyplotasplt#导包x=[1,2,3]#配置x轴数据y=[1,2,3]#配置y轴数据fig=plt.figure(figsize=(20,8),dpi=80)plt.plot(x,y,color=red,linestyle=-.,linewidth=5,alpha=0.4)#绘制图形plt.show()#图像展示plt.savefig(./pic.png)#图像保存
matplotlib模块3、添加图例plt.plot(x,y,color=red,linestyle=-.,linewidth=5,alpha=0.4,label=number)plt.legend(loc=(upperleft))绘制时添加label标签,loc设置的是图例显示的位置frommatplotlibimportpyplotasplt#导包x=[1,2,3]#配置x轴数据y=[1,2,3]#配置y轴数据fig=plt.figure(figsize=(20,8),dpi=80)plt.plot(x,y,color=red,linestyle=-.,linewidth=5,alpha=0.4,label=number)#绘制图形plt.legend(loc=(upperleft))plt.show()#图像展示plt.savefig(./pic.png)#图像保存
matplotlib模块4、多个图形为了对比多组数据或者让一组数据用不同的方式展示,有时候需要同时绘制多个图形。通过plt.figure()创建多个图形importmatplotlib.pyplotaspltimportnumpyasnpdata=np.arange(0,100)plt.plot(data)data2=np.arange(100,200)plt.figure()plt.plot(data2)plt.show()
matplotlib模块有些情况下,我们是希望在同一个窗口显示多个图形。此时就这可以用多个subplot。importmatplotlib.pyplotaspltimportnumpyasnpdata=np.arange(0,100)plt.subplot(2,1,1)plt.plot(data)data2=np.arange(100,200)plt.subplot(2,1,2)plt.plot(data
文档评论(0)