数据可视化:绘图库-Matplotlib
为什么要绘图?
一个图表数据的直观分析,下面先看一组北京和上海上午十一点到十二点的气温变化数据:
数据:
这里我用一段代码生成北京和上海的一个小时内每分钟的温度如下:
import random
count = range(60)
beijing = [random.uniform(1, 5) for i in count]
shanghai = [random.uniform(15, 18) for j in count]
print(beijing, shanghai, sep="\n")
[4.682258972155654, 2.8230586446332167, 2.450505888387799, 1.4383830657623213, 4.795362075193044, 3.184769210211804, 1.439091690119596, 3.5609249801236955, 3.4885113738662286, 2.1146056890725324, 2.9165138853376438, 2.211880628416919, 3.695016745849695, 1.6172330610494017, 2.5790768982007974, 4.5527115658734, 3.000561904818762, 4.20469151405237, 2.0289823308819357, 3.968342007633831, 3.1813421437769, 1.9025262184736418, 3.417036156235188, 4.0814232023723065, 1.945837816600842, 1.6909398586886697, 2.4126670657437588, 1.6519738231235825, 4.3281221820507625, 4.697616440034521, 4.756429619594206, 1.1204128317983337, 2.090676163797101, 1.7318673198697896, 3.795378761971351, 1.0374684310591813, 2.9889001269098463, 1.5318489137675075, 4.6205659070999605, 1.2734764501171414, 2.6742088987928256, 3.536443581419823, 4.590131251281726, 3.1781226212667018, 1.2247133411073996, 1.7369816033298484, 4.271002451764155, 3.4271774575551217, 1.9760075940474384, 2.378683461923066, 3.5791335181987742, 3.325719318761416, 1.8486630346696753, 1.9122449641068164, 2.529541034681508, 2.023851174944782, 2.3583228647910075, 4.790108236801453, 4.140039080730356, 4.99798830315859]
[15.122129075579844, 15.879577975572008, 15.035726569929666, 15.893294569708305, 16.002467227820265, 16.787714033172335, 17.366975227034253, 15.667750039481238, 16.41462791295173, 15.677768138305618, 17.46585129267643, 17.861988214754977, 17.40963254378508, 17.290022855686345, 17.45908515010516, 16.278827844796886, 16.786342518559795, 15.272482213494019, 17.253903423018613, 15.464507305329708, 16.289957025480486, 16.154116453864134, 16.924294302666414, 16.875591142517344, 16.523762853475706, 15.882846858798066, 16.898557688850474, 15.363868671729227, 15.887789300864538, 15.47450277735131, 17.970830884249153, 15.714635006997199, 17.70772732429814, 16.682347586671032, 17.659520223295083, 15.118794086350158, 16.04760954103859, 16.210034399071322, 17.123877446773825, 15.074208712661013, 17.886987363488988, 16.868377051525982, 17.613617091503684, 16.599739570317134, 17.81283406522032, 17.84260926481712, 15.816859283411688, 16.399852279316754, 17.084817791485033, 15.613392114739858, 17.376518611288745, 16.30361700419597, 17.62995150886316, 15.508695315520779, 16.97412784376617, 15.778717980885249, 17.791168741254666, 15.097728468404277, 15.955208236765792, 15.315090102937274]
很夸张, 这就是北京和上海两地的温度,这么多数据!
下面我把它生成图像:
通过这段代码生成可视化图像:
# 导入模块
import matplotlib.pyplot as plt
import random
# 创建画布
plt.figure(figsize=(15, 8), dpi=100)
# 准备数据
count = range(60)
temperature_beijing = [random.uniform(1, 3) for i in count]
temperature_shanghai = [random.uniform(15, 18) for i in count]
x_time = ["11h:{:0>2}m".format(i) for i in count[::5]]
y_temp = ["{}°C".format(i) for i in count[:40:5]]
x_label = "time"
y_label = "temperature"
title = "beijing and shanghai temperature changing list"
# 图像层,动笔画
plt.plot([i for i in count],
temperature_beijing,
color="b", label="beijing")
plt.plot([i for i in count],
temperature_shanghai,
color="r", label="shanghai")
# 图例层
plt.legend() # 显示图像层的label
plt.xticks(count[::5], x_time) # 格式化x轴坐标
plt.yticks(count[:40:5], y_temp) # 格式化y周坐标
plt.xlabel(x_label) # x轴图例
plt.ylabel(y_label) # y轴图例
plt.title(title) # 标题
plt.grid(True, linestyle="--", alpha=0.5) # 网格
plt.show() # 显示图形并释放内存
呐,这就是上面数据生成的北京和上海两地的温度变化图,这样就很直观了,能够让我们清晰明了分析。
matplotlib介绍。
- Matplot是目前最流行的Python二维底层绘图库,主要用来做数据可视化图表绘制;
- 名字的由来,首先是模仿MATLAB构建,其次mat可能是matrix的缩写,矩阵的意思(正好对应了matplotlib的主要功能,画的都是二维的),当然有部大火的老电影名字也叫matrix(重温了经典,不过昨天的攀登者同样真的赞!),接着plot的意思就是画的意思了, lib就是library图书馆库的一些意思;
- matplotlib可以支持所有的2D作图还有部分的3D作图;
- 图像的质量可以达到印刷质量(主要原因应该是在生成画布的时候可以设定dpi),这里科普一下dpi,所谓的dpi就是dot per inch,即每英尺上的点的数量了,所以为什么dpi越高越清晰了。
- 官方的一些示例图以及源代码, 点击左边的蓝色字体就可以转达了。
第一步:载入Matplotlib(通俗讲就是导库)
这里要了解一下,我们主要使用Matplotlib下面的pyplot,所以我们只需要从Matplotlib中导入pyplot就可以了。
import matplotlib.pyplot as plt
第二步:绘制一个简单的图形
这里需要构建一个x轴坐标的列表,一个y轴左边的列表,两个列表的元素个数要相同,并且都是integer
import matplotlib.pyplot as plt # 导入库
import random # 我这里要用随机数生成两个列表
lst1 = [i for i in range(10)] # x坐标十个
lst2 = [random.uniform(5, 6) for j in range(10)] # y坐标十个
plt.plot(lst1, lst2) # 把图像绘入坐标系
结果如下:
这个图真是太丑了!
- Matplot库内的子库类非常的多, matplotlb.pyplot是绘制图形的命令字库,相当于一个API接口,我们通过pyplot可以简便的调用Matplotlib中所有的可视化类。
- 非可视化类一般用于调整图片细节(如图像边缘宽度等),但是这些一般都用的少。
第三步:Matplotlib常用的图表绘制
- 折线图
- 散点图/气泡图
- 条形图/柱状图
- 饼图
- 直方图
- 箱线图
- 热力图
小结:绘图只是我们的工具,于我而言,更重要的是什么样的数据用什么图去分析才能够有更好的效果,能够帮助我们在工作中更进一步。
折线图绘制:
折线图的作用:能够用于显示随时间或者有序类别的变化趋势。
折线图的代码如下:
流程:1. 准备数据; 2. 画; 3. 线条和标记节点样式安排(这一点可有可无,看个人喜好)
线条和标记节点样式:
线条颜色: color=“g”
线条风格: linestyle="–"
线条粗细:linewidth=5.0
标记风格:marker=“o”
标记颜色:markerfacecolor=“b”
标记尺寸:markersize=2o
透明度:alpha=0.5
如果不设置颜色,系统默认会取一个不同颜色来区分线条;下面做个表格列出来所有的颜色以及标记:
颜色 | 说明 | 风格字符 | 说明 | 标记字符1 | 说明 | 标记字符2 | 说明 |
---|---|---|---|---|---|---|---|
r | 红色 | - | 实线 | o | 实心圈标记 | 1 | 下花三角标记 |
g | 绿色 | – | 虚线,破折号 | . | 点标记 | 2 | 上花三角标记 |
b | 蓝色 | -. | 点划线,虚线 | , | 像素标记,极小的点 | 3 | 左花三角标记 |
w | 白色 | : | 点虚线, 虚线 | v | 倒三角标记 | 4 | 右花三角标记 |
" " | 留空或空格,无线条 | ^ | 上三角标记 | 5 | 实心方形标记 | ||
c | 青色 | > | 右三角标记 | p | 实心五角标记 | ||
m | 洋红 | ||||||
y | 黄色 | ||||||
k | 黑色 |
等等还有几个…
现在我们为刚才的图像增加几个标记:
import matplotlib.pyplot as plt # 导入库
import random # 我这里要用随机数生成两个列表
lst1 = [i for i in range(10)] # x坐标十个
lst2 = [random.uniform(5, 6) for j in range(10)] # y坐标十个
plt.plot(
lst1, lst2,
color="#000000", # 线条颜色
linestyle="--", # 线条样式
linewidth=15, # 线条粗细
#标记样式
marker="*", # 标记样式
markerfacecolor="r" # 标记颜色
markersize=16, # 标记大小
alpha=0.5 # 透明度
) # 把图像绘入坐标系
效果:
案例:前年国际外汇市场美元/人民币汇率走势图
时间 收盘价
2017年7月3日 6.8007
2017年7月4日 6.8007
2017年7月5日 6.8015
2017年7月6日 6.8015
2017年7月7日 6.8060
2017年7月10日 6.8036
2017年7月11日 6.8025
2017年7月12日 6.7877
2017年7月13日 6.7835
2017年7月14日 6.7758
2017年7月17日 6.7700
2017年7月18日 6.7463
2017年7月19日 6.7519
2017年7月20日 6.7595
2017年7月21日 6.7669
2017年7月24日 6.7511
2017年7月25日 6.7511
2017年7月26日 6.7539
2017年7月27日 6.7430
2017年7月28日 6.7374
2017年7月31日 6.7265
代码:
# 汇率
eurcny = [6.8007,6.8007,6.8015,6.8015,6.8060,6.8036,6.8025,6.7877,6.7835,6.7758,6.7700,6.7463,6.7519,6.7595,6.7669,6.7511,6.7511,6.7539,6.7430,6.7374,6.7265]
# 日期
date = [3,4,5,6,7,10,11,12,13,14,17,18,19,20,21,24,25,26,27,28,31]
# 设置图像大小
plt.figure(figsize=(18, 8))
# 折线图
plt.plot(
date,
eurcny,
color='r',
linestyle='--',
linewidth=15,
marker='o',
markersize=30,
markerfacecolor='g',
alpha=0.3,
)
plt.plot(eurcny)
plt.grid(linewidth=0.2, alpha=0.5)
暂时先总结到折线图,后面的图形及可视化后面会继续总结。
数据可视化:绘图库-Matplotlib的更多相关文章
- Python 绘图库Matplotlib入门教程
0 简单介绍 Matplotlib是一个Python语言的2D绘图库,它支持各种平台,并且功能强大,能够轻易绘制出各种专业的图像. 1 安装 pip install matplotlib 2 入门代码 ...
- python 绘图库 Matplotlib
matplotlib官方文档 使用Matplotlib,能够轻易生成各种图像,例如:直方图.波谱图.条形图.散点图等. 入门代码实例 import matplotlib.pyplot as plt i ...
- 【Matplotlib-01】Python 绘图库 Matplotlib 入门教程
环境: Windows10 python3.6.4 numpy1.14.1 matplotlib2.1.2 工具:Cmder 目录: 1.线性图 2.散点图 3.饼状图 4.条形图 5.直方图 例1: ...
- 『科学计算』科学绘图库matplotlib学习之绘制动画
基础 1.matplotlib绘图函数接收两个等长list,第一个作为集合x坐标,第二个作为集合y坐标 2.基本函数: animation.FuncAnimation(fig, update_poin ...
- Ubuntu下安装Python绘图库Matplotlib的方法
在安装好Python的基础上, sudo apt-get install python-numpy sudo apt-get install python-scipy sudo apt-get ins ...
- Python3绘图库Matplotlib(02)
控制颜色 Color Color Name b blue c cyan g green k black m magenta r red w white y yellow plt.plot(x1, y1 ...
- Python3绘图库Matplotlib(01)
1 First plots with Matplotlib 简单的绘图1 简单的绘图2 简单的绘图3 2 网格 = grid 3 设置坐标轴的取值范围 = axis xlim ylim 方法1:整体设 ...
- 『科学计算』科学绘图库matplotlib练习
思想:万物皆对象 作业 第一题: import numpy as np import matplotlib.pyplot as plt x = [1, 2, 3, 1] y = [1, 3, 0, 1 ...
- windows环境下,用python绘图库matplotlib绘图时中文乱码问题
1.下载中文字体(看自己爱好就行)下面这个举例: SimHei - Free Font Downloadwww.fontpalace.co 2.下载之后,打开即可安装,将字体安装进windows系统 ...
随机推荐
- e课表项目第二次冲刺周期第八天
昨天完成了什么? 昨天,我们组商量讨论了二层界面的设计,添加课程所需要的信息大概有:课程名称.教室.任课教师.上课时间.类型(单周.双周.单双周)以及备注等等.然后,我们通过界面的UI设计,让我们软件 ...
- 查询SQL SERVER 数据库版本号脚本语句
数据库直接执行此语句即可select @@version 示例: Microsoft SQL Server 2014 - 12.0.2000.8 (X64) Feb 20 2014 20:04:2 ...
- 云计算之走进LINUX(二)
引言 * 第二部分 云计算应用管理 [Shell脚本基础] [使用变量] [条件测试及选择] [列表式循环] [系统安全保护] [配置用户环境] [防火墙策略管理] [ISCSI共享存储] [数据库 ...
- Python从入门到精通视频(全60集) ☝☝☝
Python从入门到精通视频(全60集) Python入门到精通 学习 教程 首先,课程的顺序需要调整:一和三主要是介绍学习和布置开发环境的,一介绍的是非VS开发,三介绍的是VS开发.VS2017现在 ...
- Java之微信公众号开发
这次以文本回复作为案例来讲解Java相关得微信公众号开发. 首先必须要有一个个人微信公众号 个人微信公众号相关的接口权限有限,不过用于个人学习体验一下足够了,如图: 然后进入微信公众后台,点击基本配置 ...
- Flannel的VXLAN模式工作原理
跨主机通信的一个解决方案是Flannel,由CoreOS推出,最早支持的是UDP模式,但是因为性能太差被淘汰了, 过时的UDP模式 相比两台宿主机直接通信,多出了flanneld的处理过程,发出IP包 ...
- POWERUP攻击渗透实战2
准备环境: kali linux 攻击机 已获得靶机meterpreter(非管理)权限 win7 靶机 拥有powershell环境 运用到的模块:Get-RegistryAlwaysInstal ...
- Springboot读取Request参数的坑
[后端拿参数相关] 默认配置时, getInputStream()和getReader()一起使用会报错 使用两遍getInputStream(),第二遍会为空 当存在@RequestBody等注 ...
- Python开发【第二篇】:初始Python
Python的前世今生 Python的创始人为吉多·范罗苏姆(Guido van Rossum).1989年的圣诞节期间,中国人称他为龟叔,他在圣诞节期间在阿姆斯特丹为了打发时间,决定开发一个新的脚本 ...
- xss姿势利用
1.定位页面可以出现xss的位置 可能会出现联合点利用 一个页面多个存储位置或者一个页面多个参数联合利用 例如输入xss 查看页面源码页面里有多个xss 或者多个参数显示 可以利用 需要注意的是有的是 ...