掌握了数据读取的方法后,就需要将数据可视化,进行绘制相应的图形了。 1. 使用Matplotlib绘制简单的折线图:以一组1981-1990年的某地月平均气温数据为例(数据信息如下图所示)。
+ ~! m' N! ?4 B
5 M* L* T$ b. N3 e/ o; X8 k
# j$ H Y% H: V$ y( p& |第一步:使用anaconda安装Matplotlib库:
7 a0 f" O7 T+ P8 a/ |, z0 z5 r5 Q8 f& Y2 U
conda install Matplotlib
3 }1 `/ _- A2 H ; y6 i Y6 h& s* _
% [* y, H% ~5 _5 E/ L; ]; L( P, H0 q
$ I) M* p6 G: x9 B# R, P第2步:绘制折线图 subplots()可以在一张图片中绘制一个或多个图表 fig表示整张图片,ax表示图片中的各个图表 plot()根据给定的数据以有意义的方式绘制图表 只输入一个列表时ax.plot(squares),假设第一个数据点对应x坐标为0 同时提供输入和输出ax.plot(input_values, squares) - 0 q; b9 {0 S( j, O
- d$ p5 v! `" M( b) p' p, E- ( `7 _8 l ~" Q+ O4 D. {7 q9 S1 m# h: w, e
& i# s) J, L2 b- F- ~! C
; a5 y9 U/ o1 ^ K7 E! i- 1 A1 O1 V, i9 X! v
% n) t0 r6 a8 L' M' q
4 F( x5 Q' |& k& G; {& ]- : ?: k. L B# R3 E- j8 M
- * r2 S- a C4 ~0 U; m" z
( N- K- r: U( h5 {7 [8 J
import matplotlib.pyplot as pltx_values = [1981, 1982, 1983, 1984, 1985]y_values = [22.8, 22.3, 22.9, 21.8, 22.2]fig, ax = plt.subplots() #绘制画布,地图ax.plot(x_values, y_values, linewidth=3)ax.set_title("1981-1985 temperature", fontsize=24) #标题ax.set_xlabel("time(year)", fontsize=14) #坐标轴标签ax.set_ylabel("temperature(℃)", fontsize=14)ax.tick_params(axis='both', labelsize=14) #刻度标记plt.show(). {7 V: H% m$ g3 u/ e( @- H, i s' y8 J1 A
代码读取后显示:
% R5 h4 ]1 J% G! g% {
第3步:使用内置的不同图形样式绘制折线图 1、显示所有的不同样式的图形,共有20张 - r5 U1 G$ q) u" a1 v% r
/ C6 d( P% ~7 N- 7 q: S: V% v2 r8 k; y% T
- . N2 T. q7 |' Y
- 3 n0 l" G" T) m- {
- 8 y" ~7 c& {7 l
- ) z; A, ]& z( l; F; w
2 G; N$ K$ q& F- ) S F( J& p. [" z3 e. b7 O, |: x
8 K! U6 _7 a6 a _8 a5 y7 h& O
2 |, L6 \2 e1 P3 f. c: Z
# ?0 E, N( l3 q- T: t, s8 ^9 L- 1 e! L( e1 }$ z' p- _
- 3 |/ I+ h% I3 _; R
: ?- `( f' ^2 B+ d6 i: A0 t- ) {* s! D+ v+ j7 j6 d. |3 D
! ~8 Y/ ?$ g5 w+ |* w- i+ |, |; b- 5 P( \* G& n& A- i {
- 2 I& C- f- c+ M* b! M, ^% v$ G7 g
- 9 d1 o7 z0 \+ f3 n3 y
% Y) s' v3 c' I R
5 M; `" C9 J9 L7 @$ K/ S- / {! Y- q1 v* G' Z* B: c
- + T( I3 K3 B/ d$ y& @
# D" U+ Z( ?6 }( `. ?
import matplotlib.pyplot as pltx_values = [1981, 1982, 1983, 1984, 1985]y_values = [22.8, 22.3, 22.9, 21.8, 22.2]fig, ax = plt.subplots()ax.plot(x_values, y_values, linewidth=3)# 使用内置样式画图print(plt.style.available) #显示有哪些可用的内置样式mystyles = plt.style.availablefor mystyle in mystyles:plt.style.use(mystyle) #使用内置样式fig, ax = plt.subplots()ax.plot(x_values, y_values)ax.set_ylabel("temperature(℃)", fontsize=14)ax.set_xlabel("Value") #坐标轴标签ax.set_ylabel("Square of Value")ax.tick_params(axis='both') #刻度标记plt.show()' ~2 m4 M) \. q5 `! g I2 t
所有的内置样式有(print(plt.style.available)):
- B& ~3 d2 n9 z3 q0 O3 J2、选择其中一种样式(plt.style.use(‘样式名字’)): 如'Solarize_Light2':
! ]# G4 |' b1 I; e O ^" Z- d- l. i3 T! e, k6 O% ^/ S, Y; _
0 R5 j+ ~( J6 z/ B" E8 \( g( }
plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()
1 n, Y. s. H4 A; y: u8 }0 O
: W) R& Q& x! _+ \& D如'bmh': - ] ~3 Y# X4 {* m' U% ^1 M) _" _
- 6 S7 G1 y# t4 Y. N7 R- k
. \ d! [ l/ z W" Z! h- o
plt.style.use('bmh') #使用内置样式fig, ax = plt.subplots()+ E3 |8 r$ X0 G
其余的样式同理可得。
' a# v/ f0 g, v3 K/ w+ V4 ?! n1 s( s第4步:使用Matplotlib绘制简单的散点图- " d" V8 A; I6 [% U
% W$ ?7 g& L; v/ _! D5 v- A1 p- ' w( J, Y+ r; C" h7 [; M- w
# o) l. [9 a- B$ V0 u- 2 u+ D4 H, f' [& i) W* S
! R/ b# }0 Z. y& h* V' }5 X7 v- ! ~1 w: j& W. D8 ]; @- \
- 6 w) p9 F7 x% l) \1 Z
! ~( f, j/ w2 \; U. ~( K- , v3 |6 V. f; j4 q
- % \# M0 p! D7 Q$ h3 M
5 i! A; m# z" G7 ]) Z1 f, d
2 _: s+ F/ H/ m- {3 @% ?6 d$ D+ j/ b, x3 T+ e6 Z
import matplotlib.pyplot as pltx_values = range(1, 20) #取连续的1-20的整数y = [x**2 for x in x_values] #x值的二次方为y值plt.style.use('fast') #使用内置样式fig, ax = plt.subplots()ax.scatter(x_values, y, c='red', s=50)#绘制散点图,传递x和y坐标,点的尺寸s#颜色c,可用设置为'red',(0, 0.8, 0)ax.set_title("1981-1985 temperature", fontsize=24) #标题ax.set_xlabel("Value") #坐标轴标签ax.set_ylabel("temperature(℃)", fontsize=14)ax.tick_params(axis='both') #刻度标记plt.show()$ M- i$ ]( r" B0 ~% |
注:内置样式可以更换,这里选择的是‘fast’。
7 Z! ~$ y3 ?' \# s5 O9 H' R- r" Y |