文章目录
- 一、总框架
- 二、简介和环境搭建
- 三、Numpy简介
- 四、散点图
- 五、折线图
- 六、条形图
- 七、直方图
- 八、饼状图
- 九、箱形图
- 十、颜色和样式
- 十一、面向对象 VS Matlab Style
- 十二、子图-subplot
- 十三、多图-figure
- 网格
- 十四、图例_legend
- 在pyplot绘图例![在这里插入图片描述](https://img-blog.csdnimg.cn/20200117093005467.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNDk4NDk0,size_16,color_FFFFFF,t_70)
- 面向对象方式绘制图例
- 十五、坐标轴范围调整
- 十六、坐标轴刻度
- 十七、添加坐标轴
一、总框架
二、简介和环境搭建
1、
2、
3将Anaconda作为底层内核解释器,pycharm作为开发环境,即编辑器功能。
注:两个软件直接去官网网站安装,安装路径不要有空格以及汉字,可避免出错。
三、Numpy简介
numpy核心数据对象ndarray
ndarray可以理解为一个矩阵,可以存储我们需要的一些数据。
创建一个ndarray对象
1、创建通过array函数将Python数据结构列表直接转化为ndarray对象。
2、
3从磁盘文件或数据库中读取ndarray对象
交易金额,成交量
import matplotlib.pyplot as plt#导入可视化包matplotlib下的pyplot 模块
import numpy as np
# da1=np.loadtxt('data.csv',delimiter=',',skiprows=1,usecols=(1,2,3),unpack=False)
# print(da1)#返回就是一个矩阵,因为之间不是用逗号隔开的,所以不要弄成列表了。
#2查看矩阵大小(100, 3)
# print(da1.shape)
#3unpack=True,将读取的三列独立放三个变量,而不是放在一起
da1,da2,da3=np.loadtxt('data.csv',delimiter=',',skiprows=1,usecols=(1,2,3),unpack=True)
print(da1)
print(da1.shape)#(100,)即da1只是一个一维的序列有100个元素
矩阵数据运算
矩阵数组的索引与切片
python中索引都是从0开始的。
numpy中的常用统计函数
排序函数sort,中位数median
两种调用方式排序函数的不同:
四、散点图
实例1:
散点图用来分析变量之间的相关性
正相关,负相关,不相关
不相关
正相关
负相关
股票分析实例
1
2
3
散点图外观调整
以下几个最常用:
五、折线图
例1
例2 股票数据
月天年日期格式,因为不同的文件中日期格式不同所以要写不同的格式化字符串。
参数设置
六、条形图
left=0就是横坐标最左边是0
层叠条形图,多个条形图叠加介绍:
1并列效果
2层叠效果
七、直方图
直方图与条形图区别
直方图:通常显示连续型的数值型数据,如身高,可以分组在多个不同身高段,也是连续的。如图:
条形图:通常展示不同类别的数据的,这个类别不可以自己定义,就是现成的,且类别是不连续的,是离散的几类。
1
2双变量直方分布图,探索双变量的联合分布密度有用。
此时我们用颜色深浅表示频率大小,而不是用纵轴数值表示频率大小。
八、饼状图
九、箱形图
外面的蓝点就是异常值
whis=1.5是比例值,具体公式matplotlib官网有,根据需要调整得到合适图形。
十、颜色和样式
颜色
cyan青色 magenta紫色 8中Python内置默认颜色
颜色代码百度即可得到
点、线的样式
因为图像都是用点生成的,默认看都是线如下图,实际由点生成的,我们可以用不同形状表示点。
默认分配不同颜色,方便我们区分图像
4种线型
样式字符串
将颜色、点型,线型依次排列弄成一个样式字符串可以表达这三种了。
十一、面向对象 VS Matlab Style
pylab用法
pyplot画图用法
面向对象方式画图
这里只是简单介绍了一下面向对象方式。
十二、子图-subplot
在一张图中如何画多个子图
面向对象方式画子图:
在pyplot中也有简单方式可以画子图
十三、多图-figure
直接生成多张图,与上面的在一张图中生成多张子图不一样。
网格
在pyplot绘图网格,可以在控制台中改变代码可以看到实时变化。
面向对象方式绘制网格不可以在控制台中实时改变看到效果
十四、图例_legend
在pyplot绘图例
图例位置参数:
位置参数表:0代表自适应,找到最佳的位置
图例分列参数:
面向对象方式绘制图例
方法1
方法2
方法3
十五、坐标轴范围调整
方式1
方式二
十六、坐标轴刻度
注:有时希望调的宽松有时又希望调的紧凑一些。
注:有时x轴并不是单纯数字,而是日期,要说明日期格式调整
以下问题:要能自动调整x轴日期间隔,否则密密麻麻在一起难看。
问题解决:
自适应调整日期显示,避免日期重叠,不好看。
十七、添加坐标轴
注:有时需要在一张图中画出两个图像,不同的线对应刻度不一样,即要再单独添加坐标轴刻度了,即双坐标轴。
pyplot方式
面向对象方式
用pyplot方式画y轴共用,x轴刻度不同。双x轴刻度。