python数据可视化plt库实例详解

更新时间：2021年06月16日 10:54:11 作者：_____________''

这篇文章主要介绍了python可视化数据plt库实例,下面使用pycharm环境给大家详细介绍，文中提到jupyter和pycharm环境的差别，需要的朋友可以参考下

先看下jupyter和pycharm环境的差别
左边是jupyter----------------------------------------------------------右边是pycharm

在这里插入图片描述

以下都是使用pycharm环境

1.一个窗口画出一个线性方程

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列
print(x)
y = 2*x
plt.plot(x,y)
plt.show()

在这里插入图片描述

2.两个窗口分别画出一个线性方程

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列
y1 = 2*x
y2 = 3*x
# 一个figure就是一个窗口
plt.figure()
plt.plot(x,y1)
# 一个figure就是一个窗口
plt.figure()
plt.plot(x,y2)
# 显示
plt.show()

在这里插入图片描述

3.一个窗口画出两个线性方程

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列
y1 = 2*x
y2 = 3*x
# 一个figure就是一个窗口
plt.figure()
plt.plot(x,y1)
plt.plot(x,y2)
# 显示
plt.show()

在这里插入图片描述

4.定义画图的样式

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列
y = 2*x
# 一个figure就是一个窗口
plt.figure(num=1)
plt.plot(x,y)
plt.figure(num=2)
# color是线条的颜色
plt.plot(x,y,color='red')
plt.figure(num=3)
# linestyle 是线条的样式
plt.plot(x,y,linestyle='--')
plt.figure(num=4)
# linewidth 是线条的宽度
plt.plot(x,y,linewidth=3)
# 显示
plt.show()

在这里插入图片描述

5.设置xy轴的范围，标签，刻度

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列
y = 2*x
plt.figure(num=1)# 这里是figure1
plt.plot(x,y)
plt.figure(num=2)# 这里是figure2
plt.plot(x,y)
plt.xlim(0,3)# 设置x轴范围
plt.ylim(0,3)# 设置y轴范围
plt.xlabel('this is x')# 设置x轴标签
plt.ylabel('this is y')# 设置y轴标签
plt.figure(num=3)# 这里是figure3
plt.plot(x,y)
# 设置x轴刻度
x_ticks = np.linspace(1,3,3)
plt.xticks(x_ticks)
plt.figure(num=4)# 这里是figure4
plt.plot(x,y)
plt.ylim(0,3)# 设置y轴范围
plt.yticks([1,2],['bad','good'])# 设置y轴刻度
# 显示
plt.show()

在这里插入图片描述

6.设置图例

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)# 从0到1，个数为11的等差数列
y1 = 2*x
y2 = 3*x
plt.figure()
plt.plot(x,y1,label='y1')
plt.plot(x,y2,label='y2')
plt.legend()
# 显示
plt.show()

在这里插入图片描述

7.散点图

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randint(0,50,1024)
y = np.random.randint(0,50,1024)

plt.scatter(x,y,s=20)
# 隐藏 x 轴刻度
plt.xticks(())
# 显示
plt.show()

在这里插入图片描述

8.柱状图

import numpy as np
import matplotlib.pyplot as plt

n = 6
x = np.arange(n)
print(x)
# 生成6个数，这6个数在0到1正态分布
y = np.random.uniform(0,1,n)
print(y)
plt.bar(x,y)

# 显示
plt.show()

在这里插入图片描述

9.柱状图显示高度

import numpy as np
import matplotlib.pyplot as plt
n = 6
X = np.arange(n)
Y = np.random.uniform(0,1,n)

plt.figure(num=1)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,y)

plt.figure(num=2)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,"%.2f"%y)

plt.figure(num=3)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,"%.2f"%y,ha='center')

plt.figure(num=4)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y+0.01,"%.2f"%y,ha='center')
# 显示
plt.show()

在这里插入图片描述

10.等高线图

import numpy as np
import matplotlib.pyplot as plt

def f(X,Y):
    return X+Y

n = 256
x = np.linspace(0,3,n)
y = np.linspace(0,3,n)
X,Y=np.meshgrid(x,y)
plt.figure()
plt.contourf(X,Y,f(X,Y),4,cmap=plt.cm.hot)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
plt.contour(X,Y,f(X,Y),9)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
C = plt.contour(X,Y,f(X,Y),9)
plt.clabel(C,inline=True)
# 显示
plt.show()

在这里插入图片描述

11.一个窗口多个子图

import matplotlib.pyplot as plt

plt.figure()
# 两行两列的第一个位置，不加逗号也可以
plt.subplot(2,2,1)
plt.plot([0,1],[0,1])
# 两行两列的第二个位置，不加逗号也可以
plt.subplot(2,2,2)
plt.plot([0,2],[0,2])
# 两行两列的第三个位置，不加逗号也可以
plt.subplot(223)
plt.plot([0,3],[0,3])
# 两行两列的第四个位置，不加逗号也可以
plt.subplot(224)
plt.plot([0,4],[0,4])

plt.figure()
# 两行两列的第一个位置，不加逗号也可以
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])
# 两行两列的第二个位置，不加逗号也可以
plt.subplot(2,3,4)
plt.plot([0,2],[0,2])
# 两行两列的第三个位置，不加逗号也可以
plt.subplot(235)
plt.plot([0,3],[0,3])
# 两行两列的第四个位置，不加逗号也可以
plt.subplot(236)
plt.plot([0,4],[0,4])
# 显示
plt.show()

在这里插入图片描述

12.常用子图显示

plt.figure(figsize=(20,10))
for i in range(40):
    plt.subplot(4,10,i+1)
    plt.xticks()
    plt.yticks()
    plt.grid(False)
    plt.imshow(train_images[i],cmap=plt.cm.binary_r)
    plt.title(train_labels[i])
plt.show()

在这里插入图片描述

13.格子布局放置子图

import matplotlib.pyplot as plt

plt.figure()

# 三行三列的布局，从0行0列开始，占一行三列
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax1.plot([0,1],[0,1])
ax1.set_title('this is ax1')
# 三行三列的布局，从1行0列开始，占一行两列
ax2 = plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
# 三行三列的布局，从1行2列开始，占两行一列
ax3 = plt.subplot2grid((3,3),(1,2),colspan=1,rowspan=2)
# 三行三列的布局，从2行0列开始，占一行一列
ax4 = plt.subplot2grid((3,3),(2,0),colspan=1,rowspan=1)
# 三行三列的布局，从2行1列开始，占一行一列
ax5 = plt.subplot2grid((3,3),(2,1),colspan=1,rowspan=1)
# 显示
plt.show()

在这里插入图片描述

以上就是python可视化数据plt库实例的详细内容，更多关于python可视化数据plt库的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

Python实现检测服务器是否可以ping通的2种方法
这篇文章主要介绍了Python实现检测服务器是否可以ping通的2种方法,本文分别讲解了使用ping和fping命令检测服务器是否可以ping通,需要的朋友可以参考下
2015-01-01
python如何去除图像中的框
最近在做图像标注,会出现带框的图片,需要去除其中的边框,本文通过实例代码给大家介绍python如何去除图像中的框,感兴趣的朋友跟随小编一起看看吧
2023-11-11
Python web开发之用Tornado框架制作简易表白墙网站
这篇文章将用Python做Web开发。在Python当中，WEB开发框架主要有三个，本文将利用Tornado框架做一个简单的表白墙网站，感兴趣的可以了解一下
2022-02-02
python机器学习库xgboost的使用
这篇文章主要介绍了python机器学习库xgboost的使用，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
2020-01-01
Python的SQLalchemy模块连接与操作MySQL的基础示例
SQLalchemy是Python世界中驱动MySQL的一款高人气模块,这里我们从入门开始来看一下Python的SQLalchemy模块连接与操作MySQL的基础示例:
2016-07-07
Python 读取串口数据,动态绘图的示例
今天小编就为大家分享一篇Python 读取串口数据,动态绘图的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-07-07
python打开网页和暂停实例
这篇文章主要介绍了python打开网页和暂停实例,涉及webbrowser模块与os模块的使用,是非常具有实用价值的一个技巧,需要的朋友可以参考下
2014-09-09
python机器学习理论与实战（五）支持向量机
这篇文章主要为大家详细介绍了python机器学习理论与实战第五篇，支持向量机的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-01-01
Python利用pyodbc库将文件信息插入Access数据库
在日常编程工作中，我们经常需要处理文件和文件夹，所以本文将介绍如何使用Python编程语言和wxPython库创建一个简单的文件浏览器界面，使用户能够选择文件夹并将文件信息插入到Access数据库中，需要的可以参考下
2023-08-08
Numpy之random函数使用学习
这篇文章主要介绍了Numpy之random使用学习，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
2019-01-01