# matplotlib 画图工具 import matplotlib.pyplot as plt import pandas as pd import numpy as np from pandas.core.series import Series # 自定义数据 X = Series(np.array([1,2,3,4,5 ]))Y = Series(np.array([1,5,2.7,3.8,4.9 ]))Y1 = (np.rand
# matplotlib 画图工具 import matplotlib.pyplot as plt import pandas as pd import numpy as np from pandas.core.series import Series # 自定义数据 X = Series(np.array([1,2,3,4,5])) Y = Series(np.array([1,5,2.7,3.8,4.9])) Y1 = (np.random.random((1,5))*10)[0] X1 = [1,2,3,4,5] # ================================================= # 折线图 # xxx 文件有两列组成 DATE(yyyy/MM/dd),VALUE # unrate = pd.read_csv("xxx") # 修改日期格式(yyyy-MM-dd) # unrate[‘DATE‘] = pd.to_datetime(unrate[‘DATE‘]) # plt.plot() # 若不传入数据图像为空(只显示画图域) 只有 xy轴 范围为0-1 (0.0 0.2 0.4 0.6 1.0) # plt.plot(X,Y) # 线x轴后y轴 # plt.xticks(rotation=45) # 设置x轴上的数字倾斜角度 # plt.yticks(rotation=45) # 设置y轴上的数字倾斜角度 # plt.xlabel(‘x‘) # 给xy轴加标签 注意中文可能出错 # plt.ylabel(‘y‘) # plt.title(‘title‘) # 标题 # plt.show() # 显示图像 # ========================================================= # 子图操作 # fig = plt.figure(figsize=(3,6)) # figsize画图域的长与宽 # fig = plt.figure() # ax1 = fig.add_subplot(2,2,1) # 三个画图域 第一张图 左上角序号为1 # ax2 = fig.add_subplot(2,2,2) # 右上角 序号2 # ax3 = fig.add_subplot(2,2,4) # 右下角序号4 # 有三个画图域:一张大图 里边三个小图 ,注意尽量保持每个域 中前两个量都相同如全都是(2,2,*) 否则图像可能会重合 # 大图分为 2*2 ,序号从左到右,上到下 1-4 # ax1.plot(X,Y) # ax2.plot(X,Y) # ================================================= # 在一个图上画多条线 # fig = plt.figure() # plt.plot(X,Y,c="red",label="first") # 添加label, # plt.plot(X1,Y1,c="blue",label="second") # plt.legend(loc="best") # 可以在图中显示 不同线的标注信息 # 指定位置 best 表示自定义最好位置, upper left 左上角 lower ,center left,right等 # =================================================== # 条形图与散点图 # plt.subplots(X,Y,0.3) # 不能此种方式直接画 # fig,ax = plt.subplots() # ax.bar(X,Y,0.3) # 0.3表示柱形的宽度 # ax.bar(X1,Y1,0.5) # X1 表示的是每个柱距离0的大小 Y1是柱的高度 # ax.set_xticklabels(["a","b","c","d","e"],rotation=45) # 定义x轴要显示的内容 本例为1,2,3,4,5 # ax.set_xticks([1,2,3,4,5]) # 指明x轴上1,2,3,4,5那些需要显示 # ax.set_ylabel("y") # y轴标签 # ax.set_xlabel("x") # x轴标签 # ax.set_title("title") # ------------------------------- # 横向柱状图 # fig,ax = plt.subplots() # ax.barh(X1,Y1,0.3) # x 变为竖着的 # ax.set_yticks() # ax.set_yticklabels(yy) # =================================================== # fig,ax = plt.subplots() # ax.scatter(X1,Y1) # ax.set_xlabel("X") # ax.set_ylabel("Y") # --------------------- # 子图 # fig = plt.figure() # ax1 = fig.add_subplot(2,1,1) # ax2 = fig.add_subplot(2,1,2) # ax1 ... ax2 ... # ----------------- # 直方图 # fig,ax = plt.subplots() # ax.hist(Y1) # ax.hist([1,1,1,3,3,3,4,4,4,5,5,5,5,5,5,51]) # ax.set_ylim(0,3) # 设置y轴区间大小 # ax.set_xlim(0,5) # 设置y轴区间大小 # 接受一组数据,假如数据是可比较的, # 在x轴上会分区间显示, 数值大小在改区间的数的个数 区间个数 通过bins修改 # 通过range=(2,5) 控制x轴显示的范围 只显示2到5范围内的 # ====================================================== # 盒图 # fig,ax = plt.subplots() # ax.boxplot([[1,2,3],2,3,4,5,6,7]) # ax.set_xticklabels(["a","b"],rotation=90) # x轴上显示的标签 # ax.set_ylim(0.5) # 范围 # boxplot([]) list中可为几个数值,也可以为[] ,即每个[] 对应x上一项 # 注意最多两层 [[],[]] 三层报错 # 图的主要作用是 容易看出一个[] 中四等分出的值 # a--> 1,1.5,2,2.5,3 b-->2 .... # ==================================== # fig,ax = plt.subplots() # ax.tick_params(bottom="on") # for key,spine in ax.spines.items(): # spine.set_visible(False) # ax.plot(X,Y) # ax.plot(X1,Y1) # 细节设置 # ax.plot(c=(0/255,10/255,164/255),linewidth=3) # 设置宽度,颜色:颜色使用元祖方式表示,固定格式 # ax.text(x,y,"zz") # 在x,y点处添加zz字符 # plt.show()