導(dǎo)語(yǔ)

采用數(shù)據(jù)可視化技術(shù)，數(shù)據(jù)不僅一目了然，而且更容易被解讀。同樣在數(shù)據(jù)分析得到結(jié)果之后，我們還需要用到可視化技術(shù)，把最終的結(jié)果呈現(xiàn)出來(lái)。

問(wèn)

可視化視圖都有哪些？

散點(diǎn)圖、折線圖、直方圖、條形圖、箱線圖、餅圖、熱力圖等。

答

Q1

折線圖

python源碼：

import matplotlib.pyplot as plt

import matplotlib.font_manager as fm

yy=[1,2,3,4,5,6,3,1,7,8]

xx=[3,5,4,1,9,3,2,5,6,3]

zz=[2,2,4,7,4,8,2,4,5,6]

plt.plot(yy,color='r',linewidth=2,linestyle='-',label='Data 1')

plt.plot(xx,color='b',linewidth=2,linestyle='--',label='Data 2')

plt.legend(loc=3) #loc是調(diào)整圖例的位置

plt.xlabel('X',fontproperties='simhei',fontsize=14) #fontsize字大小 fontproperties是字體

plt.ylabel('y軸名稱',fontproperties='simhei')

plt.title('折線圖',fontproperties='simhei')

plt.ylim(0,10)

plt.show()

Q2

雷達(dá)圖

python源碼：

import?matplotlib.pyplot?as?plt
import?numpy?as?np
theta=np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2,0.25])
r=[75,60,50,70,50,85,45,70,75]
plt.polar(theta*np.pi,r,'ro-',lw=2)#theta是角，np.pi=3.1415926....r是徑。‘ro’r是紅色，o是形狀，lw是連線的寬度
plt.fill(theta*np.pi,r,facecolor='r',alpha=0.2)?#facecolor是填充的顏色，alpha是透明度
plt.ylim(0,100)?#定義每圈雷達(dá)的值plt.show()

Q3

柱形圖

python源碼：

import?numpy?as?np
import?matplotlib.pyplot?as?plt
N=5
men=(20,35,30,35,27)
wmen=(25,32,34,20,25)
menstd=(2,3,4,1,2)
womstd=(3,5,2,3,3)
ind=np.arange(N)
width=0.25
p1=plt.bar(ind,men,width,yerr=menstd)?#yerr是誤差
p2=plt.bar(ind,wmen,width,bottom=men,yerr=womstd)?#bottom是以？？？為底開(kāi)始畫柱子
plt.ylabel('scores')
plt.title('scores?by?group?and?gender')
plt.xticks(ind,('1','2','3','4','5'))
plt.yticks(np.arange(0,81,10))
plt.legend((p1[0],p2[0]),('nan','nv'))?#legend是圖例plt.show()

Q4

三維圖

python源碼：

from matplotlib import pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

import numpy as np

#定義坐標(biāo)軸

fig4 = plt.figure()

ax4 = plt.axes(projection='3d')

#生成三維數(shù)據(jù)

xx = np.arange(-5,5,0.1)

yy = np.arange(-5,5,0.1)

X, Y = np.meshgrid(xx, yy)

Z = np.sin(np.sqrt(X**2+Y**2))

#作圖

ax4.plot_surface(X,Y,Z,alpha=0.3,cmap='winter')? ? ?#生成表面， alpha 用于控制透明度

ax4.contour(X,Y,Z,zdir='z', offset=-3,cmap="rainbow")? #生成z方向投影，投到x-y平面

ax4.contour(X,Y,Z,zdir='x', offset=-6,cmap="rainbow")? #生成x方向投影，投到y(tǒng)-z平面

ax4.contour(X,Y,Z,zdir='y', offset=6,cmap="rainbow")? ?#生成y方向投影，投到x-z平面

#ax4.contourf(X,Y,Z,zdir='y', offset=6,cmap="rainbow")? ?#生成y方向投影填充，投到x-z平面，contourf()函數(shù)

#設(shè)定顯示范圍

ax4.set_xlabel('X')

ax4.set_xlim(-6, 4)? #拉開(kāi)坐標(biāo)軸范圍顯示投影

ax4.set_ylabel('Y')

ax4.set_ylim(-4, 6)

ax4.set_zlabel('Z')

ax4.set_zlim(-3, 3)

plt.show()

掃碼關(guān)注我們

微信號(hào)｜hzy992893018

公眾號(hào)｜蘇職大韓仲洋

總結(jié)

以上是生活随笔為你收集整理的python 可视化_Python数据可视化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。