기사 디렉토리
다른 도구에서 파이썬의 데이터 시각화에는 약간의 차이가 있습니다. 그러나 데이터 구성의 원칙은 동일합니다. 이 부분의 데이터 구성은 이전 방법을 참조 할 수 있습니다.
그리기 모드 :
pyplot : 클래식 레벨 패키지 (이하 pyplot 방식)
pylab : Matplotlib 및 결합 된 Numpy 모듈, 프로그래밍 환경 Matlab 시뮬레이션
객체 지향 (객체 지향) : 기본 계층 및 기타 기반 접근 방식
// An highlighted block
import numpy as np
import matplotlib.pyplot as plt
산포도
두 변수 간의 상관 관계
그림
// An highlighted block
height=[160,170,180,190,200]
weight=[50,51,52,53,54]
plt.scatter(height,weight)
plt.show()
외관 조정
c, 포인트 크기 : s (면적), 투명도 : 알파, 포인트 모양 : 마커
// An highlighted block
height=[160,170,180,190,200]
weight=[50,51,52,53,54]
plt.scatter(height,weight,s=300,c='r',marker='<',alpha=0.5)
plt.show( )
라인 차트
시간 경과에 따른 데이터 추세 관찰
그림
// An highlighted block
x=np.linspace(-10,10,5)
y=x**2
plt.plot(x,y)
plt.show()
외관 조정
두 선의 선형 그리기를 동시에 구현
: 선 스타일 색상 : 색상 포인트 모양 : 마커
// An highlighted block
x=np.linspace(-10,10,5)
y=x**2
y1=x*2
plt.plot(x,y,linestyle='-',c='r',marker='o')
plt.plot(x,y1,linestyle='--',c='g',marker='<')
plt.show()
막대 그래프
여러 항목 분류의 데이터 크기를 비교하고 분석을 위해 더 작은 데이터 세트를 사용합니다.
그림
// An highlighted block
y=[50,30,40,20,60]
index=np.arange(5)
pl=plt.bar(x=index,height=y)
plt.show()
외관 조정
대역폭 폭 색상 색상
// An highlighted block
y=[50,30,40,20,60]
index=np.arange(5)
pl=plt.bar(x=index,height=y,width=0.5,color='r')
plt.show()
두 개의 히스토그램 그리기
// An highlighted block
y1=[50,30,40,20,60]
y2=[55,35,45,25,65]
index=np.arange(5)
p1=plt.bar(x=index,height=y1,width=0.3,color='r')
p2=plt.bar(x=index+0.3,height=y2,width=0.3,color='g')
plt.show()
놓다
// An highlighted block
y1=[50,30,40,20,60]
y2=[55,35,45,25,65]
index=np.arange(5)
p1=plt.bar(x=index,height=y1,width=0.5,color='r')
p2=plt.bar(x=index,height=y2,width=0.5,color='g',bottom=y1)
plt.show()
히스토그램
데이터 배포
그림
// An highlighted block
mu=100
sigma=20
x=mu+sigma*np.random.randn(2000)
#normed 标准化
plt.hist(x,bins=20)
plt.show()
외관 조정
표준 색상
// An highlighted block
mu=100
sigma=20
x=mu+sigma*np.random.randn(2000)
#normed 标准化
plt.hist(x,bins=20,color='green',normed=True)
plt.show()
이변 량 히스토그램
// An highlighted block
x=np.random.randn(1000)+2
y=np.random.randn(1000)+3
plt.hist2d(x,y,bins=40)
plt.show()
파이 차트
원형 차트의 데이터 포인트는 전체 원형 차트의 백분율로 표시됩니다.
그림
// An highlighted block
labels='A','B','C','D'
fracs=[15,30,10,45]
plt.axes(aspect=1)
plt.pie(x=fracs,labels=labels,autopct='%0.2f')
plt.show()
가장 밝은 부분
그래프에서 'B', 'C'를 강조 표시하고 explode는 그래프에서 원 중심까지의 거리를 제어하며 그림자는 그림자를 증가시킵니다.
// An highlighted block
labels='A','B','C','D'
fracs=[15,30,10,45]
explode=[0,0.08,0.08,0]
plt.axes(aspect=1)
plt.pie(x=fracs,labels=labels,autopct='%0.2f',explode=explode,shadow=True)
plt.show()
박스 플롯
표시된 데이터의 분산은
위쪽 가장자리, 위쪽 사 분위수, 중앙값, 아래쪽 사 분위수, 아래쪽 가장자리 및 특이 치로 구성됩니다.
그림
// An highlighted block
np.random.seed(100)
data=np.random.normal(size=1000,loc=0,scale=1)
plt.boxplot(data)
plt.show()
외관 조정
이상 값의 모양, 허수 값의 길이 : 이상 값의 길이 조정
// An highlighted block
np.random.seed(100)
data=np.random.normal(size=1000,loc=0,scale=1)
plt.boxplot(data,sym='o',whis=0.5)
plt.show()
동시에 여러 데이터 세트 플로팅
// An highlighted block
np.random.seed(100)
data=np.random.normal(size=(1000,4),loc=0,scale=1)
labels=['A','B','C','D']
plt.boxplot(data,labels=labels,sym='o',whis=0.5)
plt.show()
스타일 문자열
색상, 점형, 선형을 문자열로 그릴 때 매우 편리합니다.
// An highlighted block
x=np.linspace(-10,10,5)
y=x**2
y1=2*x
plt.plot(x,y,'cx--')
plt.plot(x,y1,'mo:')
plt.show()
