精华内容
下载资源
问答
  • import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.05,10,1000) y = np.random.rand(1000) plt.scatter(x,y,label="scatter figure") ...plt.xlim(1,10) plt.ylim(0,1) plt.show()
    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(0.05,10,1000)
    y = np.random.rand(1000)
    
    plt.scatter(x,y,label="scatter figure")
    
    plt.legend()
    
    plt.xlim(1,10)
    plt.ylim(0,1)
    
    plt.show()
    

    在这里插入图片描述

    展开全文
  • 数据分析xlim().ylim()函数样例展示 xlim().ylim()函数 函数功能:设置x轴/y轴的数值显示范围。 调用签名:plt.xlim(xmin, xmax) / plt.ylim(ymin, ymax) xmin:x轴上的最小值 xmax:x轴上的最大值 平移性...

    xlim().ylim()函数

    • 函数功能:设置x轴/y轴的数值显示范围。

    • 调用签名plt.xlim(xmin, xmax) / plt.ylim(ymin, ymax)

    • xmin:x轴上的最小值

    • xmax:x轴上的最大值

    • 平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数ylim()上。

    样例展示

    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(0.05,10,1000)
    y = np.random.rand(1000)
    
    plt.figure(figsize=(20, 8), dpi=100)
    plt.scatter(x,y,label="scatter figure")
    
    plt.legend()
    
    plt.xlim(0,10)
    plt.ylim(0,1)
    
    plt.show()
    

    在这里插入图片描述

    # 图形展示
    # 获取x,y值
    house_type = show_houses['户型']
    house_type_num = show_houses['数量']
    
    # 设置画布大小
    plt.figure(figsize=(15, 6), dpi=100)
               
    # barh:横状图
    plt.barh(range(11), house_type_num)  # 画多少格,对应的数据是house_num
    
    # 绘制y轴标签
    plt.yticks(range(11), house_type)  # 中文标签先写数字,再写中文文字
    plt.xlim(10, 2500)
    
    plt.show()
    

    在这里插入图片描述
    参考Link

    加油!

    感谢!

    努力!

    展开全文
  • 人数.plot(kind='kde',color="black",xlim=[0,10],label='核密度图') plt.xlabel('不同年龄',fontsize=15,labelpad=20) plt.title('年龄频率分布图',fontsize=25,pad=25) plt.legend(loc='best') plt.show() 程序及...

    柱状图plt.bar

    同一柱状图堆叠显示plt.pivot()+plt.bar(bottom=)

    对于不同季度,不同产品的质量评价显示,先将使用的数据内容通过pd.pivot_table()进行数据筛选,重新设置了索引列和列标题(columns),再对数据使用柱状图显示

    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    
    data=pd.read_csv(r'my_csv_date.csv',encoding='gbk')
    print(data)
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    plt.figure(figsize=(6.4,4.8))#设置图片背景的参数
    print('下面是整理后的数据:==========')
    #通过pivot_table函数重新提取数据两列作为(data)索引列和横向的列名(columns),另外的vlues对应的是数列,注意的是,尽量让索引是和数字有关的序列,可自动排序
    over_view=pd.pivot_table(data=data,index='Q',columns='GOODS',values='QUA',aggfunc=np.sum)
    print(over_view)
    #使用tick_label对x轴的标签重新赋值
    plt.bar(x= over_view.index.values,height=over_view.,color='green',tick_label=['第一季度','第二季度','第三季度','第四季度'] )
    plt.bar(x= over_view.index.values,height=over_view.,bottom=over_view.,color='red')
    plt.bar(x= over_view.index.values,height=over_view.,bottom=over_view.+over_view.,color='orange')
    plt.xticks(rotation=45)	#x轴上的标签旋转45度
    plt.ylabel('质量分数',fontsize=20,labelpad=20)
    plt.show()
    

    在这里插入图片描述
    通过上边的程序和运行结果,得出一下几点注意,
    1、索引尽量使用能够数字排序的字符,可自动排序,到最后只需使用plt.bar(tick_label=[ ])修改横坐标的标签字符即可
    2、建立直方图时,使用的数据是自己处理后的变量索引和column,而且处理数据一般使用np.sum(),记录一类数量。
    3、为了显示的图形不会出现遮挡,需要使用到plt.bar(bottom=),将想要放在下边的数据作为值传入,若不使用,每次图形的最低端都是以横轴开始计算,若出现完全遮挡,则图形无意义
    上例中,每个季度,三个产品的服务质量评分。让季度和物品名称(甲乙丙)作为横纵参数,服务质量分数作为数据显示

    同一柱状图堆叠显示plt.crosstab(nomalize=)+plt.bar(bottom=)

    堆叠显示,对数据选择并单位化,可以明显看出,每个阶段数据量占的百分比
    而且再使用bar绘制图形时,要设置label属性的值,否则,使用plt.legend时会出现问题
    plt.legend()的显示位置不合适,可以通过plt.legend()中的bbox_to_anchor=(坐标),认为图形的右上角是(1,1),可设置(1.01,0.8)将内容注释放在图像外部

    #前面和上个程序一样
    over_view=pd.crosstab(data.Q,data.GOODS,normalize='index', values=data.QUA,aggfunc=np.sum,)
    print(over_view)
    plt.bar(x= over_view.index.values,height=over_view.,color='green',label='甲',tick_label=['第一','第二','第三','第四'] )
    plt.bar(x= over_view.index.values,height=over_view.,bottom=over_view.,label='乙',color='red')
    plt.bar(x= over_view.index.values,height=over_view.,label='丙',bottom=over_view.+over_view.,color='orange')
    plt.xticks(rotation=45)#旋转横坐标标签
    plt.ylabel('质量分数',fontsize=20,labelpad=20)
    plt.legend(bbox_to_anchor=(1.01,0.8))
    plt.show()
    

    在这里插入图片描述
    程序解析:这个程序及绘制的图形是通过pd.crosstab( )将数据的每一行(也就是index的每行)归一化

    直方图plt.hist

    正态分布函数,下面函数返回对应的计算正态频率值输出

    def zhengtai_func(x,miu,sigma):
        zhen_y=np.exp(-(x-miu)**2/(2*(sigma**2)))/(sigma*np.sqrt(2*np.pi))
        return zhen_y
    

    正态计算公式;
    在这里插入图片描述

    data=pd.read_csv(r'my_csv_date.csv',encoding='gbk')
    print(data)
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    #删除数据中缺失项,计算数据的均值,标准差,和正态分布频率点
    data.dropna(subset=['人数'],inplace=True)
    print(data)
    #x_mean=np.mean(data.人数) #与下一行数据功能相同
    x_mean=data.人数.mean()
    x_std=np.std(data.人数)
    x=np.arange(data.人数.min(),data.人数.max(),0.1)
    y=zhengtai_func(x,x_mean,x_std)
    
    #显示直方图,核密度图,设置注释标签label                      
    plt.hist(x=data.人数,bins=5,color='lightblue',label='年龄频率',\
             edgecolor='orange',density=True)
    plt.plot(x,y,color='red',linewidth=3,label='正态分布线')
    data.人数.plot(kind='kde',color="black",xlim=[0,10],label='核密度图')
    plt.xlabel('不同年龄',fontsize=15,labelpad=20)
    plt.title('年龄频率分布图',fontsize=25,pad=25)
    plt.legend(loc='best')
    plt.show()
    

    在这里插入图片描述
    程序及图形解析:
    1、先定义了正态分布的概率计算,参数分别是,数据x,平均值x_mean,标准差x_std,返回计算的概率值,
    2、然后读取数据,data.dropna( )删除缺失数据行,计算数据均值,标准差,取多个x值,通过正态公式显示成线,(使用数据的平均值和标准差就确定了数据的正态概率分布图)。
    3、绘制直方图plt.hist( ),正态分布线plt.plot( x,y),核密度分布线data.plot(kind=‘kde’)、
    4、核密度分布和正态分布区别:核密度分布和数据的每阶段的关系更大,正态分布确定了平均平均值和标准差后就确定了

    箱图plt.boxplot()

    参考:箱体知识参数知识
    在这里插入图片描述
    图片

    plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_xticks=True, autorange=False, zorder=None, hold=None, data=None)
    **x:**指定要绘制箱线图的数据;
    notch:是否是凹口的形式展现箱线图,默认非凹口;
    sym:指定异常点的形状,默认为+号显示;
    vert:是否需要将箱线图垂直摆放,默认垂直摆放;
    whis:指定上下须与上下四分位的距离,默认为1.5倍的四分位差;
    positions:指定箱线图的位置,默认为[0,1,2…];
    widths:指定箱线图的宽度,默认为0.5;
    **patch_artist:**是否填充箱体的颜色;
    **meanline:**是否用线的形式表示均值,默认用点来表示;
    **showmeans:**是否显示均值,默认不显示;
    showcaps:是否显示箱线图顶端和末端的两条线,默认显示;
    **showbox:**是否显示箱线图的箱体,默认显示;
    showfliers:是否显示异常值,默认显示;
    **boxprops:**设置箱体的属性,如边框色,填充色等;
    labels:为箱线图添加标签,类似于图例的作用;
    filerprops:设置异常值的属性,如异常点的形状、大小、填充色等;
    **medianprops:**设置中位数的属性,如线的类型、粗细等;
    **meanprops:**设置均值的属性,如点的大小、颜色等;
    **capprops:**设置箱线图顶端和末端线条的属性,如颜色、粗细等;
    whiskerprops:设置须的属性,如颜色、粗细、线的类型等;

    data=pd.read_csv(r'my_csv_date.csv',encoding='gbk')
    print(data)
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    plt.boxplot(x=data.人数,patch_artist=True,showmeans=True,meanline=True, boxprops={'facecolor':'green','color':'red'},\
                flierprops={'marker':'o','markerfacecolor':'red','markersize':20},\
               medianprops={'linestyle':'--','color':'orange'},\
               meanprops={'linestyle':'-','color':'blue'})
    plt.xlabel('不同标号的人数',fontsize=15,labelpad=20)
    plt.title('人数箱图',fontsize=25,pad=25)
    # plt.legend(loc='best')
    plt.show()
    

    在这里插入图片描述
    程序解释及图形描述,箱图能够明显的显示出离群点,箱子的显示框在分位数的25%-75%,下线:25%分数-1.5(75%分位数-25%分位数),上线:25%分数+1.5(75%分位数-25%分位数),

    散点图plt.scatter

    感谢鸢尾花数据
    鸢尾花数据官方网址,下载或打开慢
    为了展示两个连续型变量的关系,使用循环为每一个事物给不同的显示属性,注意数据的名称准确性

    data=pd.read_csv(r'iris.csv',encoding='gbk')
    
    # print(data)
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    #设置不同物种的颜色形状标记
    species=['virginica','setosa','versicolor']
    colors=['red','blue','orange']
    marker=['o','s','x']
    
    #给每个物种不同标记
    for i in range(0,3):
        plt.scatter(x=data.Width[data.Species==species[i]],
                    y=data.Length[data.Species==species[i]],
                    color=colors[i],marker=marker[i],label=species[i])
    plt.legend(loc='best')
    plt.ylabel('花瓣长度',fontsize=15,labelpad=10)
    plt.xlabel('花瓣宽度',fontsize=15,labelpad=10)
    plt.title('三种鸢尾花数据',fontsize=20,pad=20)
    
    plt.show()
    

    在这里插入图片描述

    折线图plt.plot()

    显示数据的变化趋势

    #设置图像大小和读取数据
    fig=plt.figure(figsize=(8,7))
    data=pd.read_csv(r'my_csv_date.csv',encoding='gbk')
    print(data)
    
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    #设置第1列作为x的值,第3,4,5列作为对应的y值
    plt.plot(data.iloc[:,0],data.iloc[:,2],'bs--',
            data.iloc[:,0],data.iloc[:,3],'ro--',
            data.iloc[:,0],data.iloc[:,4],'gh--',)
    
    #修改折线图的横坐标名称,第一个参数是原始名称,第二个参数是新的名称
    plt.xticks(range(0,12,1),data.iloc[range(0,12,1),1],rotation=45,fontsize=10)
    plt.legend(loc='best')
    plt.ylabel('数据值',fontsize=15,labelpad=10)
    plt.xlabel('顺序',fontsize=15,labelpad=10)
    plt.title('数据变化',fontsize=20,pad=20)
    
    plt.show()
    

    在这里插入图片描述
    下面是对图像中线的描述,(程序和图像并不对应),图片中的参数正确

    plt.legend(loc='best',frameon=False,ncol=1)
    plt.legend(loc='best',frameon=True,ncol=1)
    plt.legend(loc='best',frameon=False,ncol=3)
    

    在这里插入图片描述

    展开全文
  • 数据可视化函数plt.plot(x,y,ls,lw,c,marker,markersize,markeredgecolor,markerfacecolor,label) 设置画线的标准和形式 参数说明: **x:**横坐标;**y:**纵坐标;**ls或linestyle:**线的形式(‘-’,‘–’,...

    参考:(下图来自)https://blog.csdn.net/qiurisiyu2016/article/details/80187177
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    数据可视化函数plt.plot(x,y,ls,lw,c,marker,markersize,markeredgecolor,markerfacecolor,label)

    设置画线的标准和形式
    参数说明:
    **x:**横坐标;**y:**纵坐标;**ls或linestyle:**线的形式(‘-’,‘–’,‘:’和‘-.’);**lw(或linewidth):**线的宽度;**c:**线的颜色;**marker:**线上点的形状;**markersize或者ms:**标记的尺寸,浮点型;**markerfacecolor:**点的填充色;**markeredgecolor:标记的边沿颜色label:**文本标签

    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    
    #使能够正常显示中文
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    x=np.linspace(0,360,20) #建立20个从0到哦360的线性平均数据
    y=np.sin(x/180*3.1415926)	#将x的角度值转换成弧度值
    y1=np.sin(x/180*3.1415926)-2	#将x对应的y值整体向下平移2
    plt.plot(x,y,c='red',lw=2,ls='-') #第一个红线:线宽为2,线性‘-’
    #下面黑线,红点、黄轮廓的线
    plt.plot(x,y1,c='black',lw=4,ls='-.',marker='o',\
             markersize=8,markerfacecolor='red',markeredgecolor='yellow',label='x和y对应的点和线')
    plt.legend(loc='center') #显示标签位置
    plt.show()
    

    在这里插入图片描述

    显示标签label的函数,plt.legend(loc=)

    调整图片的参数plt.figure(figsize=( ),dpi=,facecolor=)

    **dpi:**分辨率
    **facecolor:**图片背景色

    标题plt.title()

    x轴标题plt.xlabel( )

    y轴标题plt.ylabel( )

    x轴范围plt.xlim( )

    y轴范围plt.ylim( )

    x轴刻度plt.xticks( )

    y轴刻度plt.yticks( )

    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    
    #使能够正常显示中文
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    x=np.linspace(0,720,40)
    y=np.sin(x/180*3.1415926)-2
    y1=np.sin(x/180*3.1415926)
    
    plt.figure(figsize=[12.5,8.84],dpi=100,facecolor='orange')
    plt.title('这是整幅图的标题')
    plt.xlabel('x轴')
    plt.ylabel('y轴')
    plt.xticks(np.linspace(0,720,21))		#这里想要20段,但必须有21个标签
    #plt.xlim([0,360])  未限制x轴显示
    plt.plot(x,y1,c='black',lw=4,ls='-.',marker='o',\
             markersize=8,markerfacecolor='red',markeredgecolor='yellow',label='x和y1对应的点和线')
    plt.legend(loc=0,fontsize='large',title='这是一个标题')
    plt.show()	#第一次显示图片
    plt.figure(figsize=[12.5,8.84],dpi=100,facecolor='orange')
    plt.xticks(np.linspace(0,720,21))
    plt.xlim([0,720])
    plt.plot(x,y1,c='black',lw=4,ls='-.',marker='o',\
             markersize=8,markerfacecolor='red',markeredgecolor='yellow',label='x和y1对应的点和线')
    plt.show()  #第二次显示图片
    
    

    在这里插入图片描述

    保存plt.savefig(‘路径和名称’)

    需要保存的图片在plt.show()上一句使用该命令

    展开全文
  • Annotate函数简介 参考官网:https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.annotate.html matplotlib.pyplot.annotate(text, xy, *args, **kwargs)。 text:The text of the annotation. 注释...
  • Xlim函数--Matplotlib

    2020-09-24 20:36:03
    xlim函数使用–Matplotlib **函数功能:**Get or set the x limits of the current axes        获取或设置x轴数值显示范围 函数语法: left, right = xlim() # return the current xlim 返回当前x轴边界 xlim...
  • plt.show() subplot创建单个子图 2.1subplot语法 suplot(nrows, ncols, sharex, sharey, subplot_kw, **fig_kw) nrows : subplot的行数 ncols : subplot的列数 sharex : 所有subplot应该使用相同的X轴刻度(调节xlim...
  • plt.subplots解释

    万次阅读 多人点赞 2018-09-30 14:59:56
    的构造函数,用于创建子图所摆放的网格。 class matplotlib.gridspec.GridSpec(nrows, ncols, figure=None, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None, width_ratios=None, ...
  • python可视化---xlim()函数

    千次阅读 2019-09-30 18:13:46
    调用签名:plt.xlim(xmin, xmax) xmin:x轴上的最小值 xmax:x轴上的最大值 平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数ylim()上。 代码实现: import matplotlib.pyplot as plt import ...
  • plt.boxplot()函数绘制箱图、常用方法及含义详解。
  • 函数功能:绘制平行于x轴的水平参考线 调用签名:plt.axhline(y=0.0, c="r", ls="--", lw=2) y:水平参考线的出发点 c:参考线的线条颜色 ls:参考线的线条风格 lw:参考线的线条宽度 平移性:上面的函数,...
  • 1. 变量命名要避python内置函数的名字 初学python,很容易犯这样的错误,即直接用set, list, tuple, dict, str, int, complex, float等作为变量名。这样会导致这些内置函数:set(), list(), tuple()等等无法执行。 ...
  • 一、fig, ax = plt.subplots()的作用? 二、参数的含义? 三、怎么在一个图上排列多个子图? 四、怎么把多个子图一起合并到一个图上? 《Python for Data Analysis》 2nd Edition 一、fig, ax = plt.subplots()...
  • python基础语法(二)——— plt的一些函数使用

    万次阅读 多人点赞 2018-05-04 11:11:36
    matplotlib1、plt.plot(x,y)plt.plot(x,y,format_string,**kwargs) x轴数据,y轴数据,format_string控制曲线的格式字串 format_string 由颜色字符,风格字符,和标记字符import matplotlib.pyplot as pltplt.plot...
  • plt.imshow()

    万次阅读 2018-11-15 21:25:00
    该库仿造Matlab提供了一整套相似的绘图函数,用于绘图和绘表,强大的数据可视化工具和做图库,适合交互式绘图,图形美观。 首先,通过一段代码给大家回顾下Matplotlib绘图知识。 绘制2*3共6个子图,且图为空的代码...
  • python画图plt函数学习

    千次阅读 2021-04-12 20:41:39
    导入:import matplotlib.pyplot as plt 画图主要有:列表绘图;多图绘图;数组绘图 二. 列表绘图 1. 基础绘图:plt.plot;plt.show import matplotlib.pyplot as plt x = [1, 2, 3, 4] y = [1, 4, 9, 16] plt.plot...
  • 文章目录一、 fig, ax = plt.subplots()的作用二、参数的含义三、图上排列多个子图四、把多个子图一起合并到一个图上五、画图刻度、图例等字体、字体大小、刻度密度、线条样式设置 一、 fig, ax = plt.subplots()的...
  • 利用plt.pcolormesh绘制分类图

    千次阅读 2019-08-15 19:47:26
    本文介绍如何利用plt.pcolormesh来绘制以下分类图 plt.pcolormesh能够直观的表现出分类的边界,而只用散点图无法显示出分类的边界线,如下图所示: 下面以make_moons数据集为例,用神经网络说明plt....
  • import matplotlib.pyplot as plt import numpy as np x = np.linspace(1,10,10) y = np.sin(x) plt.step(x,y,color="#8dd3c7", ...plt.xlim(0,11) plt.xticks(np.arange(1,11,1)) plt.ylim(-1.2,1.2) plt.show()
  • python---之plt.subplot画图详解

    千次阅读 2019-01-20 19:20:15
    plt.xlim(0, 10), plt.ylim(-1, 1), plt.yticks([]) ax = plt.gca() ax.spines['right'].set_color('none') ax.spines['left'].set_color('none') ax.spines['top'].set_color('none') ax.xaxis.set_ticks_...
  • matplotlib中plt函数

    2019-07-22 10:21:50
    1,plt.plot(x,y,format_string,**kwargs) x轴数据,y轴数据, format_string控制曲线的格式字串 ,format_string 由颜色字符,风格字符,和标记字符 **kwargs: color 颜色 linestyle 线条样式 marker 标记风格 ...
  • plt.scatter用法注意事项

    千次阅读 2019-06-10 21:29:13
    函数输入的前两项为输入数据,这两项数据的维数要相同。 绘图的横纵坐标范围要与输入数据的范围相匹配,如果不匹配,则最终无法在图像中显示数据。 实例代码: #横纵坐标范围 xlim(0, 150) ylim(0, 10) # ...
  • 处理plt.scatter报错的方法

    千次阅读 2019-05-11 14:57:23
    错误概述 我在做Andrew Ng的deeplearning 的class2 week1 1.initialization作业中,在运行以下代码时报错: plt.title("Model with Zeros ...axes.set_xlim([-1.5,1.5]) axes.set_ylim([-1.5,1.5]) plot_deci...
  • plt的一些函数使用

    千次阅读 2019-01-08 11:37:38
    1、plt.plot(x,y) plt.plot(x,y,format_string,**kwargs)  x轴数据,y轴数据,format_string控制曲线的格式字串  format_string 由颜色字符,风格字符,和标记字符 import matplotlib.pyplot as plt plt.plot(...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 11,365
精华内容 4,546
关键字:

plt.xlim函数