matplotlib

有各种可视化的类构成 一般调用

matplotlib.pypolt

这个命令字库 相当于快捷方式

plt.plot(a) 只有一个一维列表 x轴充当列表索引

plt.ylabel("grade")

plt.savefig("test",dpi=600 ) # png 文件

plt.axis([])

设置两个坐标轴的范围 参数一个有四个元素的列表

plt.show()

plt.plot(x,y,format_string,kwarg**)

format_string 控制格式

只给y也是可以的直接搞成y下标

**klward可以是制多条曲线的用法,可以同时绘制多条曲线

可以添加多组上述数据

plt.plot(a,a*1.5,a,a*2.5,a,1*3.5,a,a*4.5)  绘制四条曲线

plt.show()

format_string 了 控制曲线的风格

颜色字符 风格字符 标记字符

rgbcmykw "#008000"RGB色彩值  "0.8"灰度值字符串

风格字符-实线 --破之前  -.点化线    :虚线    ”“空或空格不绘制线条

标记字符 每一个数据点采取什么方式标记出来

.点标记  ,像素标记极小点

o实心圈 v下三角 ^上三角 >有三角 <左三角 

1下花三角2上花三角3左花三角4右花三角s实心方形p实心星形 *

h竖六边形标记H横六边形标记

+十字标记xx标记

D菱形d瘦菱形标记 

|垂直线标记

color 控制颜色

linestyle 线条风格

marker 标记风格

markerfacecolor标记颜色

markersize 标记尺寸

这三个与之前的简写是一一对应的关系

...

pyplot 的中文显示

1. 使用rcParams属性(全局字体)

matplotlib.reParams['font.fanily']='SimHei' 黑体

rcParams 的属性

font.family  显示字体的名字

font.style    字体风格

font.size  字体大小 large x-samll 也可以是整数字号

SimHei Kaiti LiSu FangSong YouYuan ST

2.在有中文输出时 增加一个属性  fontproperties

plt.xlabel("横轴",”时间“,fontproperties="SimHei",fontsize=20)

pyplot 的文本显示函数

plt.

xlabel()

ylabel()

title()

text()      在任意位置增加文本

anotate() 曾加一个带箭头的注释文本

plt.text(2,1,r'正选函数$y=cos(sds)$',fontproperties="SimHei",fontsize=25)

横轴为2纵轴为1的地方显示一个文本 失踪的语法 Latext 格式

引入一部分的语法

plt.anotate("$mu=100$",xy=(2,1),xytest= (3,1.5)   ,arrowproperties=dict() )

s是注释  xy 箭头的位置

xytest 文本的位置

arrowproperties箭头的属性

plt.subplot2grid(GridSpec,CurSpec,colspan=1,rowspan=1)

参数                     设定        选中          扩展

(3,3)      (1,0)        colspan=2在列的方向上延伸两个长度

GridSpec 类 用来进行子区域设定和选定的类

import matplotlib.gredsped as gredspec

gs=gridspec(3,3)

ax1=plt.subplot(gs[0,:])  选中第一行

ax2=plt.subplot(gs[1,:-1) 选中第二行,除了倒数一个列的区域

#绘制直方图

np.random.seed(0)

mu,sigmu=100,20

a=np.random.normal(mu,sigma,size=100)

plt.hist(a,bin=20,histtype="stepfillled",facecolor='b',alpha=0.75,norm=1)

plt.title("asasas")

plt.show()

norm=1 就是出现的概率

norm=0 就是出现的次数

//bin表示直方的个数是多少  a的最小值和最大值划分为bin个相等的区间

//主要是看数据分布

Python数据分析与展示[第二周]的更多相关文章

  1. Python数据分析与展示[第一周]

    ipython 中的问号 获得相关的描述信息 %run 系统文件 执行某一个文件 ipython的模式命令 %magic 显示所有的魔术命令 %hist    命令历史输入信息 %pdb    异常发 ...

  2. Python学习之旅--第二周--元组、字符串、运算、字典

    一.元组 另一种有序列表叫元组:tuple.tuple和list非常类似,但是tuple一旦初始化就不能修改,比如同样是列出同学的名字: # Author:Tim Gu tuple = (" ...

  3. 【学习笔记】PYTHON数据分析与展示(北理工 嵩天)

    0 数据分析之前奏 课程主要内容:常用IDE:本课程主要使用:Anaconda Anaconda:一个集合,包括conda.某版本Python.一批第三方库等 -支持近800个第三方库 -适合科学计算 ...

  4. Python数据分析与展示[第三周](pandas简介与数据创建)

    第三周的课程pandas 分析数据 http://pandas.pydata.org import pandas as pd 常与numpy matplotlib 一块定义 d=pd.Series(r ...

  5. Python数据分析与展示第2周学习笔记(北理工 嵩天)

    单元4:Matplotlib库入门 matplotlib.pyplot是绘制各类可视化图形的命令子库,相当于快捷方式 import matplotlib.pyplot as plt # -*- cod ...

  6. Python数据分析与展示第0&1周学习笔记(北理工 嵩天)

    一前奏 1..Python语言开发工具选择 IDLE:自带默认常用入门级 PyCharm:简单.集成度高 Anaconda:awesome IDE较为简单,不做详细记录. 二.表示 1.numpy库入 ...

  7. Python数据分析与展示[第三周](pandas数据类型操作)

    数据类型操作 如何改变Series/ DataFrame 对象 增加或重排:重新索引 删除:drop 重新索引 .reindex() reindex() 能够改变或重排Series和DataFrame ...

  8. Python数据分析与展示[第三周](pandas数据特征分析单元8)

    数据理解 基本统计 分布/累计统计 数据特征 数据挖掘 数据排序 操作索引的排序 .sort_index() 在指定轴上排序,默认升序 参数 axis=0 column ascending=True ...

  9. Python数据分析与展示第3周学习笔记(北京理工大学 嵩天等)

    入门学习马上结束辽. 1.Pandas库 import pandas as pd 两个数据类型:Series,DataFrame Series类型:数据+索引 自定义索引 b = pd.Series( ...

随机推荐

  1. Spring Security Web应用入门环境搭建

    在使用Spring Security配置Web应用之前,首先要准备一个基于Maven的Spring框架创建的Web应用(Spring MVC不是必须的),本文的内容都是基于这个前提下的. pom.xm ...

  2. 比特镇步行(Walk)【虚点+bfs+dfs】

    Online Judge:NOIP2016十连测第一场 T3 Label:虚点,bfs,dfs 题目描述 说明/提示 对于100%数据,\(n<=200000\),\(m<=300000\ ...

  3. [编织消息框架][netty源码分析]3 EventLoop 实现类SingleThreadEventLoop职责与实现

    eventLoop是基于事件系统机制,主要技术由线程池同队列组成,是由生产/消费者模型设计,那么先搞清楚谁是生产者,消费者内容 SingleThreadEventLoop 实现 public abst ...

  4. PL/SQl连接数据库ORA-12154错误

    先说说我遇到的问题: 1.在sql/plus下可以正确连接到数据库(oracle10g): 2.检查我机器(64)位环境变量的配置,没问题.path环境变量没问题(C:\oraclexe\app\or ...

  5. day1(老男孩-Python3.5-S14期全栈开发)

    作者:赵俊            发布日期:2019/10/18 一.第一个python程序 1.在解释器下写hello world程序运行,与运行外部文件方法 运行外部文件,必须在相应位置创建一个p ...

  6. 第15章 RMAN备份 ​

    第15章 RMAN备份 oracle推荐的备份工具是rman(恢复管理器:recovery manager),用操作系统命令执行的备份被称为用户管理的备份.使用rman执行的备份被称为服务器管理备份. ...

  7. 利用TensorFlow识别手写的数字---基于两层卷积网络

    1 为什么使用卷积神经网络 Softmax回归是一个比较简单的模型,预测的准确率在91%左右,而使用卷积神经网络将预测的准确率提高到99%. 2 卷积网络的流程 3 代码展示 # -*- coding ...

  8. nodejs+express 初学(三)

    Nodejs 的模块,nodejs中每一个js文件都是独立的,不用担心他们中的变量会相互覆盖 模块是 Node.js 应用程序的基本组成部分,文件和模块是一一对应的.换言之,一个Node.js 文件就 ...

  9. apache https 双向认证

    Https分单向认证和双向认证 单向认证表现形式:网站URL链接为https://xxx.com格式 双向认证表现心事:网站URL链接为https://xxx.com格式,并且需要客户端浏览器安装一个 ...

  10. 请问“javascript:;”是什么意思?

    请问“javascript:;”是什么意思?   最佳答案   就是 执行一段 空白JAVASCRIPT语句 并且返回的也是空或者false值..把 javascript:; 加在超级链接上 就可以防 ...