1の3つの方法のndarrayを作成します。
Pythonの変換の基本的なデータ構造から:
= [1,2,3 ]
A1 = np.array(A)
組み込み関数によって生成されたnumpyの
A2 = np.arange(10)
ファイルからの読み込み
A3 = np.loadtxt(R'd:\のshuju.csv '区切り文字='、」、のskipRows = 1、usecols =(1,4,6)、偽=アンパック)
2 numpyの中で関数を呼び出すのどちらの方法
方法:np.func(X)
方法2:x.func()
注:ソート機能については、生成された新たなアレイを使用する方法は、Xは、直接現在のXを変更された方法2を使用して、オリジナルを変更しません
レンダリング3枚の基本的なグラフィックス
3.1散布
主に二つの変数の相関を観察するために使用されます。
一般にサイズ、色、ラベル、透明性などのような4つのパラメータを使用します:
plt.scatter(X、Y、S = 20、C = R ''、マーカー= '<'、アルファ= 0.3)
3.2折れ線グラフ
主な変数は、時間をかけて傾向を観察するために使用します。
一般的に使用される三つのパラメータ、ラインスタイル、色、マーク、例えば:
plt.plot(X、Y、ラインスタイル= ' - '、色= '赤'、マーカー= '<'
3.3バー
主に、異なるサイズの種類、データの通常より少ない量を比較するために使用されます。
一般的に使用される二つのパラメータ、色、幅、など。
plt.bar(左=指数、高さ= Y、色= '青'、幅= 0.8)
あなたは、水平方向を描画する必要がある場合は、次のようになります。
plt.barh(左= 0、ボトム=指数、高さ= Y、色= '赤'、幅= 0.8)
3.4ヒストグラム
データの分布を表すために使用されます。
plt.hist(X、色= '赤'、ビン= 10、偽= nomed)
二変量ヒストグラムを描く、など:
plt.hist2d(X、Y、ビン= 40)
3.5円グラフ
主にデータの総数の各比率のための一連のデータを表示するために使用されます。
ラボ= [ 'A'、 'B'、 'C'、 'D'] X = [20,10,40,30 ] EX = [0,0.05 、0,0] plt.pie(X、ラベル =ラボ、autopct = '%。02F %%')= EXを爆発
3.6箱ひげ図
分散液は、主にデータのセットを表示するために使用されます。
plt.boxplot(データ)
3.7色
カラー4の方法が提供されています。
方法A:内蔵識別、赤、黄、緑、等の8色を使用して
方法2:影の方法を使用して、
方法3:16進モードを使用します
方法4:RGBタプルに基づく方法の使用
3.8スタイル
スタイルポイント:23種類
スタイルライン:4種類
3.9形式の文字列
カラー、スタイルドット、ラインパターンのような、一緒に書くことができます「RO-」。
3つの方法4枚のグラフィックスレンダリングの比較
4.1 pylab
バインディングnumpyの、クローズMATLABをmatplotlibの、お勧めできません
4.2 pyplot
高レベルのカプセル化方法、および使用するのは簡単
オブジェクト指向のアプローチ4.3
一番下に近い、より大きな能力をカスタマイズします
注意:実際のプロジェクトに基づいて推奨され、オブジェクト指向のアプローチpyplotの統合利用
5サブ描画
オブジェクト指向5.1を描きます
図= plt.figure() AX1 = fig.add_subplot(121 ) ax1.plot(X1、X1の *のX1) AX2 = fig.add_subplot(122 ) ax2.plot(X1、X1)
pyplotを描くことにより、5.2
X1 = np.arange(10 ) plt.subplot( 121 ) plt.plot(X1、X1の *のX1) plt.subplot( 122 ) plt.plot(X1、X1)
以上の6描画
複数の図形オブジェクトを作成することで、複数のグラフィックスを描画することができます:
FIG1 = plt.figure() AX1 = fig1.add_subplot(111 ) ax1.plot(x、y)の FIG2 = plt.figure() AX2 = fig2.add_subplot(111 ) ax2.plot(x、y)は
7グリッドドロー
7.1 pyplotインタラクティブ
plt.grid(真)
また、()plt.gridによってグリッドの色、線種などを設定することができます
7.2オブジェクト指向スタイル
ax.grid(真)
8凡例を追加します。
8.1 pyplot方法
plt.plot(X、Y、ラベル= 'こんにちは')
plt.legend()
8.2オブジェクト指向スタイル
plt.plot(X、Y、ラベル= 'こんにちは')
ax.legend()
軸範囲調整9は、座標
三つの方法:
モード:plt.axis([値1、値2、値3、値4])
第二の方法:plt.xlim([値1、値2])
三つの方法:plt.xlim(XMIN =値1、XMAX =値2)
軸のスケール調整10
plt.plot(x、y)は AX = plt.gca() ax.locator_params( 'X'、nbins個 = 5)
日付については、比較的複雑で、オブジェクト指向の方法:
datetime.datetimeの=スタート(2015,1,1 ) STOPは datetime.datetimeの(2016,1,1 = ) デルタ = datetime.timedelta(日= 1 ) 日付 = mpl.dates.drange(スタート、STOP、デルタ) Yを = np.random.rand(LEN(日付)) AX = plt.gca() ax.plot_date(日付、Y) DATE_FORMAT = mpl.dates.DateFormatter( '%Y-%M-%D')日付書式設定ウィンドウ AX .xaxis.set_major_formatter(DATE_FORMAT) fig.autofmt_xdate()適応窓は、日付モード表示 plt.showを()
軸11を追加
11.1 pyplot方法
plt.twinx()
plt.plot(X1、Y1)
11.2オブジェクト指向の方法
AX2 = ax1.twinx()
ax2.plot(X、Y2)
ax2.set_ylabel( 'Y2')