利用 Python 进行数据分析学习笔记(三)

前面两篇文章分别讲了 Python 数据分析的模块安装和数据结构,本篇主要讲如何利用 Python 进行简单的绘图。绘图的主要模块是 Matplotlib

前面两篇文章分别讲了 Python 数据分析的模块安装和数据结构,本篇主要讲如何利用 Python 进行简单的绘图。绘图的主要模块是 Matplotlib,其优势如下:

  • 画图质量高
  • 方便快捷地绘制模块
  • 绘图API —— pyplot 模块
  • 集成库 —— pylab 模块(包含 NumPy 和 pyplot 中的常用函数)

一、基本绘图

import numpy as npimport matplotlib.pyplot as pltN = 5 men_means = (20, 35, 30, 35, 27)index = np.arange(N)plt.plot(index, men_means) #index 为 X 轴,men_means 为 Y 轴plt.savefig('plot.png') #保存图片plt.show() #展示图片

绘图结果:

利用 Python 进行数据分析学习笔记(三)

二、修改图片属性

import numpy as npimport matplotlib.pyplot as pltN = 5 men_means = (20, 35, 30, 35, 27)index = np.arange(N)#通过 color、linestyle、marker 等设置颜色、线条、点等属性line = plt.plot(index, men_means, color='#AE81FF', linestyle='dashed', marker='o', label='men_means')#设置图例plt.legend(loc='upper center', title='legend title')plt.title('this is title')plt.savefig('plot.png')plt.show()

绘图结果:

利用 Python 进行数据分析学习笔记(三)

三、多图共存

在 excel 作图时,不同类型的图共存时会略微有些麻烦,并且最多两种不同类型的图同时存在,但是用 Python 作这种组合图时会方便很多,直接叠加即可。

import numpy as npimport matplotlib.pyplot as pltN = 5men_means = (20, 35, 30, 35, 27)women_means = (20, 10, 40, 30, 15)index = np.arange(N)x = np.arange(0, 5, 0.1)y = np.sin(x * np.pi)plt.plot(index, men_means) #折线图plt.bar(index, women_means, color='red') #柱状图plt.plot(x, y) # 三角函数plt.savefig('plot.png')plt.show()

绘图结果:

利用 Python 进行数据分析学习笔记(三)

四、子图

上面的例子中,我们也可以通过一张图中的三个部分分别来展示三种图,这个时候我们需要用到 subplot

import numpy as npimport matplotlib.pyplot as pltN = 5men_means = (20, 35, 30, 35, 27)women_means = (20, 10, 40, 30, 15)index = np.arange(N)x = np.arange(0, 5, 0.1)y = np.sin(x * np.pi)fig, (ax1, ax2, ax3) = plt.subplots(3, 1) # (3, 1)代表将一张图分成三个部分ax1.plot(index, men_means)ax2.bar(index, women_means)ax3.plot(x, y)plt.savefig('plot.png')plt.show()

绘图结果:

利用 Python 进行数据分析学习笔记(三)

除了这两种需求, excel 还有在一张图中添加不同刻度的功能,这里依然可以很方便地实现。

import numpy as npimport matplotlib.pyplot as pltN = 5men_means = (20, 35, 30, 35, 27)women_means = (20, 10, 40, 30, 15)index = np.arange(N)x = np.arange(0, 5, 0.1)y = np.sin(x * np.pi)fig, ax1 = plt.subplots()ax2 = ax1.twinx() #共用 X 轴,但 Y 轴是独立的ax1.plot(index, men_means)ax1.bar(index, women_means, color='red')ax2.plot(x, y, color='green')plt.savefig('plot.png')plt.show()

绘图结果如下:

利用 Python 进行数据分析学习笔记(三)

五、动画

对 Matplotlib,不仅可以绘图,还可以制作动画效果,尝试一个官方的例子:

import numpy as npimport matplotlibmatplotlib.use("Agg")import matplotlib.pyplot as pltimport matplotlib.animation as manimationFFMpegWriter = manimation.writers['ffmpeg']metadata = dict(title='Movie Test', artist='Matplotlib', comment='Movie support!')writer = FFMpegWriter(fps=15, metadata=metadata)fig = plt.figure()l, = plt.plot([], [], 'k-o')plt.xlim(-5, 5)plt.ylim(-5, 5)x0, y0 = 0, 0with writer.saving(fig, "writer_test.mp4", 100): for i in range(100): x0 += 0.1 * np.random.randn() y0 += 0.1 * np.random.randn() l.set_data(x0, y0) writer.grab_frame()
未登录用户
全部评论0
到底啦