图 4.1

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 x=np.linspace(-2*np.pi, 2*np.pi, 200)
y=np.sin(x)
y1=np.cos(x) plt.plot(x,y, label=r"$\sin(x)$")
plt.plot(x,y1,label=r"$\cos(x)$") plt.legend(loc="lower left") plt.title("正弦函数和余弦函数的折线图")
plt.show()

--------------------------------------------------------------------------

图 4.2

 

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 x=np.arange(0, 2.1, 0.1)
y=np.power(x, 3)
y1=np.power(x,2)
y2=np.power(x, 1) plt.plot(x, y, ls='-', lw=2, label='$x^{3}$')
plt.plot(x, y1, ls='-', lw=2, label='$x^{2}$', c='r')
plt.plot(x, y2, ls='-', lw=2, label='$x^{1}$', c='y') plt.legend(loc='upper left', bbox_to_anchor=(0.05, 0.95), ncol=3,
title="power function", shadow=True, fancybox=True) plt.show()

--------------------------------------------------------------------------

图 4.3

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 x=np.linspace(-2, 2, 1000)
y=np.exp(x) plt.plot(x, y, ls="-", lw=2, color='g') plt.title("center demo") plt.title("Left Demo", loc="left", fontdict={"size":"xx-large","color":"r",
"family":"Times New Roman"}) plt.title("right demo", loc="right", family="Comic Sans MS", size=20, style="oblique",
color="c") plt.show()

--------------------------------------------------------------------------

图 4.4

 

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 elements=["面粉", "砂糖", "奶油", "草莓酱", "坚果"] weight=[40, 15, 20, 10, 15] colors=["#1b9e77", "#d95f02", "#7570b3", "#66a61e", "#e6ab02"] wedges, texts, autotexts=plt.pie(weight, autopct="%3.1f%%", textprops=dict(color="w"),
colors=colors) plt.legend(wedges, elements, fontsize=12, title="配料表", loc="center left",
bbox_to_anchor=(0.91, 0, 0.3, 1)) #调整百分比字体类型和大小
plt.setp(autotexts, size=15, weight="bold") #调整标签字体类型和大小
# plt.setp(texts, size=32) plt.title("果酱面包配料比例表") plt.show()

--------------------------------------------------------------------------

图 4.5

 

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 x=np.linspace(-2*np.pi, 2*np.pi, 200)
y=np.sin(x) plt.subplot(211)
plt.plot(x, y) plt.subplot(212)
plt.xlim(-2*np.pi, 2*np.pi)
plt.xticks(np.pi*np.arange(-4, 5)/2,
[r"$-2\pi$", r"$-3\pi/2$", r"$-2\pi$", r"$-\pi$", r"$0$",
r"$\pi/2$", r"$\pi$", r"$3\pi/2$", r"$2\pi$", ])
plt.plot(x, y) plt.show()

--------------------------------------------------------------------------

图 4.6

 

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 time=np.arange(1, 11, 0.5)
machinePower=np.power(time, 2)+0.7 plt.plot(time, machinePower, linestyle="-", linewidth=2, color="r") #逆序设置坐标轴刻度标签
plt.xlim(10, 1) plt.xlabel("使用年限")
plt.ylabel("机器功率") plt.title("机器损耗曲线") plt.grid(ls=":", lw=1, color="gray", alpha=0.5) plt.show()

--------------------------------------------------------------------------

图 4.7

import matplotlib
import matplotlib.pyplot as plt
import numpy as np # 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 labels=["A难度水平", "B难度水平", "C难度水平", "D难度水平"] students=[0.35, 0.15, 0.20, 0.30] explode=(0.1, 0.1, 0.1, 0.1) colors=["#377eb8", "#e41a1c", "#4daf4a", "#984ea3"] plt.pie(students, explode=explode, labels=labels, autopct="%1.1f%%", startangle=45,
shadow=True, colors=colors) colLabels=["A难度水平", "B难度水平", "C难度水平", "D难度水平"]
rowLabels=["学生选择试卷人数"] studentValues=[[350, 150, 200, 300]]
colColors=["#377eb8", "#e41a1c", "#4daf4a", "#984ea3"] plt.table(cellText=studentValues, cellLoc="center", colWidths=[0.25]*4,
colLabels=colLabels, colColours=colColors, rowLabels=rowLabels,
rowLoc="center", colLoc="center", loc="bottom", rowColours='r') plt.title("选择不同难度测试试卷的学生占比")
plt.show()

--------------------------------------------------------------------------

《Python数据可视化之matplotlib实践》 源码 第一篇 入门 第四章的更多相关文章

  1. Python数据可视化——使用Matplotlib创建散点图

    Python数据可视化——使用Matplotlib创建散点图 2017-12-27 作者:淡水化合物 Matplotlib简述: Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D ...

  2. python 数据可视化(matplotlib)

    matpotlib 官网 :https://matplotlib.org/index.html matplotlib 可视化示例:https://matplotlib.org/gallery/inde ...

  3. Python数据可视化库-Matplotlib(一)

    今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库 通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等 废 ...

  4. Python数据可视化之Matplotlib实现各种图表

    数据分析就是将数据以各种图表的形式展现给领导,供领导做决策用,因此熟练掌握饼图.柱状图.线图等图表制作是一个数据分析师必备的技能.Python有两个比较出色的图表制作框架,分别是Matplotlib和 ...

  5. STL源码剖析读书笔记--第四章--序列式容器

    1.什么是序列式容器?什么是关联式容器? 书上给出的解释是,序列式容器中的元素是可序的(可理解为可以按序索引,不管这个索引是像数组一样的随机索引,还是像链表一样的顺序索引),但是元素值在索引顺序的方向 ...

  6. 重温《STL源码剖析》笔记 第四章

    源码之前,了无秘密  ——侯杰 序列式容器 关联式容器 array(build in) RB-tree vector set heap   map priority-queue multiset li ...

  7. Python数据可视化利器Matplotlib,绘图入门篇,Pyplot介绍

    Pyplot matplotlib.pyplot是一个命令型函数集合,它可以让我们像使用MATLAB一样使用matplotlib.pyplot中的每一个函数都会对画布图像作出相应的改变,如创建画布.在 ...

  8. Python数据可视化库-Matplotlib(二)

    我们接着上次的继续讲解,先讲一个概念,叫子图的概念. 我们先看一下这段代码 import matplotlib.pyplot as plt fig = plt.figure() ax1 = fig.a ...

  9. Python数据可视化之matplotlib

    常用模块导入 import numpy as np import matplotlib import matplotlib.mlab as mlab import matplotlib.pyplot ...

  10. python数据可视化(matplotlib)

随机推荐

  1. 自建yum源

    自定义yum本地仓库 你不需要依赖外网的yum仓库,可能导致该仓库无法访问,下载软件失败.. 大公司,会自建yum仓库 防止出现网络问题,自建了yum仓库,本地yum仓库 你可以去阿里云上,部署一个在 ...

  2. Scrapy框架(三)--全站数据爬取

    scrapy基于Spider类的全站数据爬取 大部分的网站展示的数据都进行了分页操作,那么将所有页码对应的页面数据进行爬取就是爬虫中的全站数据爬取.基于scrapy如何进行全站数据爬取呢?1.将每一个 ...

  3. python xlrd excel读取操作

    import xlrd wb = xlrd.open_workbook("test.xlsx") sheet1 = wb.sheets()[1] # 通过索引顺序获取 #table ...

  4. 笔记:Sublime Text3配置

    Tips:当你看到这个提示的时候,说明当前的文章是由原emlog博客系统搬迁至此的,文章发布时间已过于久远,编排和内容不一定完整,还请谅解` 笔记:Sublime Text3配置 日期:2017-12 ...

  5. unity Entitas框架简介

    插件及文档:https://github.com/sschmid/Entitas-CSharp/wiki/Home 资料: https://zhuanlan.zhihu.com/p/78155704 ...

  6. Nuxt3 的生命周期和钩子函数(二)

    title: Nuxt3 的生命周期和钩子函数(二) date: 2024/6/26 updated: 2024/6/26 author: cmdragon excerpt: 摘要:本文深入介绍了Nu ...

  7. 码农的转型之路-全力以赴升级物联网浏览器(IoTBrowser)

    在人生的重要时刻,我站在了毕业的门槛上,望着前方的道路,心中涌动着对未来的无限憧憬与些许忐忑.面前,两条道路蜿蜒伸展:一是继续在职场中寻求稳定,一是勇敢地走出一条属于自己的创新之路.尽管面临年龄和现实 ...

  8. Xilinux PS与PL交互::Linux-App读写REG

    Xilinux PS与PL交互::Linux-App读写REG 背景 PL配置好有关的硬件,PS端做验证. 设计方案:针对REG地址,不使用设备树配置. 遇到的问题:暂无. 验证目的 验证PL-PS的 ...

  9. Xilinx ZYNQ-7000 平台简介

    平台介绍 Zynq7000是赛灵思公司(Xilinx)推出的行业第一个可扩展处理平台Zynq系列.旨在为视频监视.汽车驾驶员辅助以及工厂自动化等高端嵌入式应用提供所需的处理与计算性能水平. 在2010 ...

  10. 解决keil5仿真错误:Encountered an improper argument

    --- title: 解决keil5仿真错误:Encountered an improper argument date: 2020-06-18 03:13:18 categories: tags: ...