精华内容
下载资源
问答
  • 主要介绍了Python气泡提示与标签的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • python 气泡图 Python-气泡图 (Python - Bubble Charts) Advertisements 广告 Previous Page 上一页 Next Page 下一页 Bubble charts display data as a cluster of circles. The required data to ...
    python 气泡图

    python 气泡图

    Python-气泡图 (Python - Bubble Charts)

    Bubble charts display data as a cluster of circles. The required data to create bubble chart needs to have the xy coordinates, size of the bubble and the colour of the bubbles. The colours can be supplied by the library itself.

    气泡图将数据显示为一组圆。 创建气泡图所需的数据必须具有xy坐标,气泡大小和气泡颜色。 颜色可以由库本身提供。

    绘制气泡图 (Drawing a Bubble Chart)

    Bubble chart can be created using the DataFrame.plot.scatter() methods.

    可以使用DataFrame.plot.scatter()方法创建气泡图。

    
    import matplotlib.pyplot as plt
    import numpy as np
     
    # create data
    x = np.random.rand(40)
    y = np.random.rand(40)
    z = np.random.rand(40)
    colors = np.random.rand(40) 
    # use the scatter function
    plt.scatter(x, y, s=z*1000,c=colors)
    plt.show()
     
    

    Its output is as follows −

    输出如下-

    bubblechart.png

    翻译自: https://www.tutorialspoint.com/python_data_science/python_bubble_charts.htm

    python 气泡图

    展开全文
  • 主要为大家详细介绍了python使用Plotly绘图工具绘制气泡图,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
  • 在Linux上,实现一个气泡提示非常简单,使用GTK实现的pynotify模块提供了些功能,我的环境是Ubuntu,默认安装此模块,如果没有,下载源文件编译安装一个。实现代码如下: #!/usr/bin/python #coding:utf-8 import ...
  • Python气泡图

    千次阅读 2020-07-19 18:29:46
    from matplotlib import pyplot as plt import numpy as np my_dpi=96 plt.figure(figsize=(480/my_dpi, 480/my_dpi)... 本文来自:https://github.com/holtzy/The-Python-Graph-Gallery/blob/master/PGG_notebook.py 
    from matplotlib import pyplot as plt
    import numpy as np
    my_dpi=96
    plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)
    
    x = np.random.rand(15)
    y = x+np.random.rand(15)
    z = x+np.random.rand(15)
    z=z*z
    plt.scatter(x, y, s=z*2000, c=x, cmap="BuPu", alpha=0.4, edgecolors="grey", linewidth=2)
    plt.show()

    from matplotlib import pyplot as plt
    import numpy as np
    my_dpi=96
    plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)
    
    x = np.random.rand(15)
    y = x+np.random.rand(15)
    z = x+np.random.rand(15)
    z=z*z
    plt.scatter(x, y, s=z*2000, c=x, cmap="plasma", alpha=0.4, edgecolors="grey", linewidth=2)
    plt.show()

     

    from matplotlib import pyplot as plt
    import numpy as np
    my_dpi=96
    plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)
    
    x = np.random.rand(80) - 0.5
    y = x+np.random.rand(80)
    z = x+np.random.rand(80)
    
    plt.scatter(x, y, s=z*2000, c=x, cmap="PuOr_r", alpha=0.4, edgecolors="grey", linewidth=2)
    plt.show()

     

    from matplotlib import pyplot as plt
    import numpy as np
    import pandas as pd
    import seaborn as sns
    my_dpi=96
    plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)
    
    df = sns.load_dataset('iris')
    
    df['species']=pd.Categorical(df['species'])
    df['species'].cat.codes
    
    plt.scatter(df['sepal_length'], df['sepal_width'], s=62, c=df['species'].cat.codes, cmap="Set1", alpha=0.9, linewidth=0)
    plt.show()

     

    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    
    df=pd.DataFrame({'x': range(1,11), 'y1': np.random.randn(10), 'y2': np.random.randn(10)+range(1,11), 'y3': np.random.randn(10)+range(11,21), 'y4': np.random.randn(10)+range(6,16), 'y5': np.random.randn(10)+range(4,14), 'y6': np.random.randn(10)+range(2,12), 'y7': np.random.randn(10)+range(5,15), 'y8': np.random.randn(10)+range(4,14) })
    
    possibilities = [u'seaborn-darkgrid', u'seaborn-notebook', u'classic', u'seaborn-ticks', u'grayscale', u'bmh', u'seaborn-talk', u'dark_background', u'ggplot', u'fivethirtyeight', u'_classic_test', u'seaborn-colorblind', u'seaborn-deep', u'seaborn-whitegrid', u'seaborn-bright', u'seaborn-poster', u'seaborn-muted', u'seaborn-paper', u'seaborn-white', u'seaborn-pastel', u'seaborn-dark', u'seaborn', u'seaborn-dark-palette']
    
    my_dpi=96
    plt.figure(figsize=(1000/my_dpi, 1000/my_dpi), dpi=my_dpi)
    
    for n, v in enumerate(possibilities):
        plt.subplot(5 ,5, n + 1)
        
        for column in df.drop('x', axis=1):  
            plt.plot(df['x'], df[column], marker='', color='grey', linewidth=1, alpha=0.4)
        
        plt.plot(df['x'], df['y5'], marker='', color='orange', linewidth=4)
        
        plt.title(v, fontsize=10, fontweight=0, color='grey', loc='left')
        
        plt.tick_params(labelbottom='off')
        plt.tick_params(labelleft='off')
    
    plt.show()

     

    本博主新开公众号, 希望大家能扫码关注一下,十分感谢大家。

     

    本文来自:https://github.com/holtzy/The-Python-Graph-Gallery/blob/master/PGG_notebook.py 

    展开全文
  • Python绘制气泡图

    2021-04-28 16:26:09
    实现python绘制气泡图,用气泡的不同颜色,不同大小展示信息 代码部分 import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt import matplotlib.pyplot as plt from ...

    实现python绘制气泡图,用气泡的不同颜色,不同大小展示信息

    代码部分

    import numpy as np
    import pandas as pd
    import seaborn as sns
    import matplotlib.pyplot as plt
    import matplotlib.pyplot as plt
    from matplotlib.pyplot import MultipleLocator
    
    def DrawBubble(read_name):#气泡图
        sns.set(style = "whitegrid")#设置样式
        fp = pd.read_excel(read_name)#数据来源
        x = fp['序号']#X轴数据
        y = fp['数值']#Y轴数据
        z = fp['数值']#用来调整各个点的大小s
        import matplotlib
        plt.rcParams['font.sans-serif'] = ['SimHei']
        plt.rcParams['axes.unicode_minus'] = False
    
    
        cm = plt.cm.get_cmap('jet')   #RdYlBu plasma   jet
        fig,ax = plt.subplots(figsize=(30,20))
        #注意s离散化的方法,因为需要通过点的大小来直观感受其所表示的数值大小
        #我所使用的是当前点的数值减去集合中的最小值后+0.1再*1000
        #参数是X轴数据、Y轴数据、各个点的大小、各个点的颜色
        bubble = ax.scatter(x, y , s = 3*np.sqrt(z)* 100, c = z, cmap = cm,vmin = 0,vmax = 25, linewidth = 0.5, alpha = 0.5)
        ax.grid()
        fig.colorbar(bubble)
        #plt.ylim((-1, 126))
        #ax.set_xlabel('people of cities', fontsize = 15)#X轴标签
        ax.set_ylabel('参数出现次数', fontsize = 18)#Y轴标签
        plt.xticks(())
        plt.yticks(())
        for i in range(len(fp['数值'])):  # 为每个气泡做标注
            plt.annotate(fp['数值'][i], xy=(fp['序号'][i], fp['数值'][i]), xytext=(fp['序号'][i]-0.10, fp['数值'][i] - 0.2), fontproperties="Times New Roman")
            plt.annotate(fp['名称'][0], xy=(fp['序号'][0], fp['数值'][0]), xytext=(fp['序号'][0]- 0.52, fp['数值'][0]-1.35), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][1], xy=(fp['序号'][1], fp['数值'][1]), xytext=(fp['序号'][1]- 0.52, fp['数值'][1]+1.1), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][2], xy=(fp['序号'][2], fp['数值'][2]), xytext=(fp['序号'][2]- 0.45, fp['数值'][2]+1.1), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][3], xy=(fp['序号'][3], fp['数值'][3]), xytext=(fp['序号'][3]- 0.42, fp['数值'][3]+1.1), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][4], xy=(fp['序号'][4], fp['数值'][4]), xytext=(fp['序号'][4]- 0.20, fp['数值'][4]+1.1), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][5], xy=(fp['序号'][5], fp['数值'][5]), xytext=(fp['序号'][5]- 0.40, fp['数值'][5]+1.1), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][6], xy=(fp['序号'][6], fp['数值'][6]), xytext=(fp['序号'][6]- 0.35, fp['数值'][6]+1.05), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][7], xy=(fp['序号'][7], fp['数值'][7]), xytext=(fp['序号'][7]- 0.27, fp['数值'][7]+0.95), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][8], xy=(fp['序号'][8], fp['数值'][8]), xytext=(fp['序号'][8]- 0.45, fp['数值'][8]+0.9), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][9], xy=(fp['序号'][9], fp['数值'][9]), xytext=(fp['序号'][9]- 0.36, fp['数值'][9]+1.1), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][10], xy=(fp['序号'][10], fp['数值'][10]), xytext=(fp['序号'][10]- 0.50, fp['数值'][10]+0.95), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][11], xy=(fp['序号'][11], fp['数值'][11]), xytext=(fp['序号'][11]- 0.40, fp['数值'][11]+0.75), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][12], xy=(fp['序号'][12], fp['数值'][12]), xytext=(fp['序号'][12]- 0.80, fp['数值'][12]-0.9), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][13], xy=(fp['序号'][13], fp['数值'][13]), xytext=(fp['序号'][13]- 0.50, fp['数值'][13]+0.75), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][14], xy=(fp['序号'][14], fp['数值'][14]), xytext=(fp['序号'][14]- 0.26, fp['数值'][14]-0.9), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][15], xy=(fp['序号'][15], fp['数值'][15]), xytext=(fp['序号'][15]- 0.64, fp['数值'][15]+0.75), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][16], xy=(fp['序号'][16], fp['数值'][16]), xytext=(fp['序号'][16]- 0.50, fp['数值'][16]-0.9), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][17], xy=(fp['序号'][17], fp['数值'][17]), xytext=(fp['序号'][17]- 0.75, fp['数值'][17]+0.75), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][18], xy=(fp['序号'][18], fp['数值'][18]), xytext=(fp['序号'][18]- 0.50, fp['数值'][18]-0.9), fontsize=10.2, fontproperties="simhei")
            plt.annotate(fp['名称'][19], xy=(fp['序号'][19], fp['数值'][19]), xytext=(fp['序号'][19]- 0.62, fp['数值'][19]+0.75), fontsize=10.2, fontproperties="simhei")
    
        plt.show()
        #fig.savefig('hah.png', bbox_inches='tight', dpi=800, pad_inches=0.0)
        fig.savefig('液滴.jpg', dpi=800)
    if __name__=='__main__':
        DrawBubble("液滴.xlsx")#气泡图
    
    
    

    运行效果
    后期再加
    欢迎加群:620139909
    在这里插入图片描述

    展开全文
  • 您可以将一个N随机数数组提供给colormap以获得N随机颜色,然后在调用plt.scatter时将其用作color参数。color可以是与大小和填充列表长度相同的颜色列表,它将分别为每个散点着色。plt.title接受参数y,它将调整标题...

    您可以将一个N随机数数组提供给colormap以获得N随机颜色,然后在调用plt.scatter时将其用作color参数。color可以是与大小和填充列表长度相同的颜色列表,它将分别为每个散点着色。

    plt.title接受参数y,它将调整标题的垂直位置。试着把它放在你的箱子里。

    这是你的脚本,修改过:import matplotlib.pyplot as plt

    import matplotlib.cm as cm

    import numpy as np

    N=5

    province=['Ontario','Quebec','BritishColumbia','Manitoba','NovaScoti']

    size = [908.607,1356.547,922.509,552.329,651.036]

    population = [12851821,7903001,4400057,1208268,4160000]

    injuries = [625,752,629,1255,630]

    # Choose some random colors

    colors=cm.rainbow(np.random.rand(N))

    # Use those colors as the color argument

    plt.scatter(size,population,s=injuries,color=colors)

    for i in range(N):

    plt.annotate(province[i],xy=(size[i],population[i]))

    plt.xlabel('Size(*1000km2)')

    plt.ylabel('Population(ten million)')

    # Move title up with the "y" option

    plt.title('The Car Accidents Injuries Rate in 5 Canada Provinces',y=1.05)

    plt.show()

    406ed99d89518c592654

    展开全文
  • Python可视化-气泡图

    2020-12-10 12:55:30
    气泡图类似散点图,也是表示XY轴坐标之间的变化关系,也可以像彩色散点图给点上色。区别在于可以通过图中散点的大小来直观感受其所表示的数值大小。一、数据文件准备1、PeopleNumber.csvcity,people,priceNJ ,823,...
  • python 画散点图与气泡图

    万次阅读 多人点赞 2019-08-23 00:27:15
    散点是数据点在直角坐标系平面上的分布,在统计学的回归分析与预测中经常用到。用横轴代表变量 xxx,纵轴代表变量 yyy,每组数据 (xi,yi)(x_i, y_i)(xi​,yi​) 在坐标系中用一个点表示。 做散点要用到 pyplot...
  • 这是一个图形“气泡”地图(即带有标记的地图,其大小映射到变量).但是,图例仅显示颜色类别,但不显示尺寸与值的关系.library(plotly)DF = data.frame(Group = c("A", "B", "A", "B", "A", "C", "C"),Value = c(100, 80...
  • 气泡图将数据显示为一组圆。创建气泡图所需的数据必须具有xy坐标,气泡大小和气泡颜色。颜色可以由库本身提供。绘制气泡图可以使用DataFrame.plot.scatter()方法创建气泡图...
  • 我还没有找到一种简单的方法来使用matplotlib,但是如果你不介意浏览器显示,你可以试试mpld3。下面是一个例子:import matplotlib.pyplot as pltimport numpy as npimport mpld3fig, ax = plt.subplots(subplot_kw=...
  • Python绘制气泡图的源码

    千次阅读 2020-09-08 00:18:21
    气泡图是一种特殊的散点图。每个气泡的大小与它代表的值成正比,横坐标通常代表年份,纵坐标通常代表分类。 利用Plotly库绘制出了一张漂亮的气泡图(代表1991年至1997年间中国、日本和美国每年的葡萄产量): ...
  • Python气泡图Bubble

    千次阅读 2020-07-23 20:14:00
    import matplotlib.pyplot as plt import numpy as np my_dpi=96 plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi... 本文来自:https://github.com/holtzy/The-Python-Graph-Gallery/blob/master/PGG_notebook.py 
  • 惯例先来简单介绍下什么是散点:用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同...
  • 原博文2018-03-03 11:42 −基于散点图(scatter)的基础上稍加调整就可以变成气泡图。 #载入两个库 import pandas as pd import matplotlib.pyplot as plt 在Excel上写点数据,这里给个示例 绘制散点图:以数量列为...
  • 主要为大家详细介绍了python实现桌面托盘气泡提示,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
  • planets, mode = 'markers', marker = dict( sizemode = 'diameter', sizeref = 750, # info on sizeref: https://plotly.com/python/reference/scatter/#scatter-marker-sizeref size = planet_diameter, ...
  • 使用Python制作彩色气泡图

    千次阅读 2020-08-26 23:52:04
    最终实现的效果如: 主要的步骤如下: 1.从.xlsx文件中读出制图所需要的的数据 2.使用matplotlib库绘图并保存 完整代码如下: # -*- coding: utf-8 -*- """ Created on Wed Aug 26 21:54:42 2020 @author: Milk ...
  • #绘制气泡图,经纬度定位,气泡颜色代表降水强度 cm = plt.cm.get_cmap('YlGn') size = rain h = plt.scatter(lon, lat, s=5, c=size, cmap=cm, vmin=0, vmax=20) plt.colorbar(h,fraction=0.05, pad=0.05) #...
  • 概述在《Python数据可视化工具画图(七)(热力图)》中讲述了如何通过python画热力图,本文讲述如何通过python气泡图。matplotlib安装方法:pip install matplotlib代码及运行示图import matplotlib.pyplot as plt...
  • (关系型数据的可视化) ...接下来将会介绍如何通过Python绘制气泡图。 1、matplotlib模块 在上一篇散点图文章中,应用matplotlib模块中的scatter函数绘制了散点图,本文将继续使用该函数绘制气泡图。要实
  • 主要介绍了Python实现Windows上气泡提醒效果的方法,涉及Python针对windows窗口操作的相关技巧,需要的朋友可以参考下
  • 最终实现的效果如: 很多人学习python,不知道从何学起。 很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手。 很多已经做案例的人,却不知道如何去学习更加高深的知识。 那么针对这三类人,我给...
  • 我目前正在尝试在Matplotlib中制作气泡图,其中气泡不重叠,因此在图表中包装圆圈/气泡,大约类似于this.我认为可能有用:>使用x = 1,y = 1绘制第一个数据点>通过计算给定标量值的气泡半径来随机绘制其他数据点,以避免...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,688
精华内容 2,275
关键字:

python气泡图

python 订阅