亚洲十大黄片在线免费看,欧美深夜激情网站

1 引言

Matplotlib 是 Python 中最受歡迎的數據可視化軟件包之一，支持跨平臺運行，它是 Python 常用的 2D 繪圖庫，同時它也提供了一部分 3D 繪圖接口。Matplotlib 通常與 NumPy、Pandas 一起使用，是數據分析中不可或缺的重要工具之一。

本文就日常生活中常見的業(yè)務場景進行展開討論，更詳盡的說明可以參考文檔。

2 折線圖

折線圖（line chart）是我們日常工作、學習中經常使用的一種圖表，它可以直觀的反映數據的變化趨勢。

可視化結果：

直線：左上直線圖形顯示。曲線：右上帶有樣式變化和標記的折線預覽。

代碼如下：

def draw_line():
 N = 8
 t = np.linspace(0, 1, N)
 fig, (axA, axB) = plt.subplots(1, 2)
 # Line
 axA.plot(t, t, marker = 'o')
 axA.set_title('line')
 # Curve
 axB.plot(t, t, linestyle='--', marker='*',c='r', label='linear')
 axB.plot(t, t**2, linestyle='-.', marker='D',c='c', label='quadratic')
 axB.plot(t, t**3, linestyle=':', marker='^',c='y', label='cubic')
 axB.set_title('Curve')
 plt.legend()
 plt.show()

函數說明：

plot([x], y, [fmt], data=None, **kwargs)

可選參數[fmt] 是一個字符串來定義圖的基本屬性如：顏色（color），點型（marker），線型（linestyle）
對于顏色 color=‘r' 代表red 表示紅色；color=‘c' 代表cyan 表示藍綠；color=‘y' 代表yellow表示黃色
對于線型 linestyle='–' 代表dashed line style 為虛線；linestyle='-.‘代表 dash-dot line style 為點畫線； linestyle=':' 代表dotted line style 為點線

3 散點圖

散點圖用于在水平軸和垂直軸上繪制數據點，它表示了因變量隨自變量變化的趨勢。通俗地講，它反映的是一個變量受另一個變量的影響程度。

可視化結果：

散點圖：左上散點圖可視化，帶有顏色變化。氣泡圖：右上帶有顏色變化和刻度的氣泡圖。

代碼如下：

def  draw_scatter():
 N = 128
 x = np.random.rand(N)
 y = np.random.rand(N)
 c = np.random.rand(N)
 s = np.random.rand(N)
 s = np.pi*(32*s)**2
 
 cmapDisp = cm.get_cmap('rainbow')
 fig, (axA, axB) = plt.subplots(1, 2)
 # scatter
 axA.scatter(x, y, s=8,c=cmapDisp(c),alpha=0.75)
 axA.set_title('scatter')
 # bubble
 axB.scatter(x, y, c=cmapDisp(c), s=s, alpha=0.25, edgecolors='none')
 axB.set_title('bubble')
 plt.show()

函數說明：

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs)

x，y：表示的是大小為(n,)的數組，也就是我們即將繪制散點圖的數據點
s:是一個標量實數或者是一個數組大小為(n,)，表示點的大小。
c:表示的是顏色，是一個可選項。默認是藍色'b',表示的是標記的顏色，或者可以是一個表示顏色的字符，或者是一個長度為n的表示顏色的序列等等
marker:表示的是標記的樣式，默認的是'o'。
alpha：實數，0-1之間。點的透明度，透明度設置的好能夠使圖好看。

4 柱狀圖

柱狀圖是一種用矩形柱來表示數據分類的圖表，柱狀圖可以垂直繪制，也可以水平繪制，它的高度與其所表示的數值成正比關系。柱狀圖顯示了不同類別之間的比較關系，圖表的水平軸 X 指定被比較的類別，垂直軸 Y 則表示具體的類別值。

可視化結果：

柱狀圖：左上圖形以組合在一起的平行柱狀圖顯示。

堆疊柱狀圖：右上圖形顯示在堆疊的柱狀圖上。

代碼如下：

def  draw_bar():
 N = 8
 Hx = np.random.randint(18, 65, size=N)
 Mx = np.random.randint(18, 65, size=N)
 Hs = np.random.randint(1, 5, size=N)
 Ms = np.random.randint(1, 5, size=N)
 indice = np.arange(N) + 1
 igrupos = ['G{}'.format(g) for g in indice]
 iidades = np.arange(0, 80, 5)
 larg = 0.25
 fig, (axA, axB) = plt.subplots(1, 2)
 # Bar
 axA.bar(indice - larg, Hx, width=larg, yerr=Hs,color='c', align='edge', label='man')
 axA.bar(indice, Mx, width=larg, yerr=Ms, color='r', align='edge', label='women')
 axA.set_title('Bar')
 axA.set_xticks(indice)
 axA.set_yticks(iidades)
 axA.set_xticklabels(igrupos)
 axA.legend()
 # Barras
 axB.bar(indice, Hx, color='c', label='man', yerr=Hs)
 axB.bar(indice, Mx, color='r', bottom=Hx, label='women', yerr=Ms)
 axB.set_title('Barras ')
 axB.set_xticks(indice)
 axB.set_xticklabels(igrupos)
 axB.set_yticks(iidades*2)
 axB.legend()
 plt.show()

函數說明：

bar(x, height, width, bottom, align)

x :一個標量序列，代表柱狀圖的x坐標，默認x取值是每個柱狀圖所在的中點位置，或者也可以是柱狀圖左側邊緣位置。
height: 一個標量或者是標量序列，代表柱狀圖的高度。
width: 可選參數，標量或類數組，柱狀圖的默認寬度值為 0.8。
bottom: 可選參數，標量或類數組，柱狀圖的y坐標默認為None。
algin: 有兩個可選項 {“center”,“edge”}，默認為 ‘center'，該參數決定 x 值位于柱狀圖的位置。
bottom: 該參數可以指定柱狀圖開始堆疊的起始值，一般從底部柱狀圖的最大值開始，依次類推
yerr: 可選參數，這里針對垂直型誤差，以誤差棒的形式顯示

5 餅狀圖

餅狀圖用來顯示一個數據系列，具體來說，餅狀圖顯示一個數據系列中各項目的占項目總和的百分比。

可視化結果：

餅圖：左上玫瑰圖顯示兩層信息（外層標簽和內層比例分布）。

雷達圖：右上雷達圖形顯示，具有基于中心的值和基于徑向的變化。

代碼如下：

def test_pie():
 etiqueta = list('ABCDEFGHIJKL')
 M, N = 128, len(etiqueta)
 valor = np.random.random(N)*0.9 + 0.1
 var = np.random.random(M)
 # param
 cmapRadial = cm.get_cmap('magma')
 theta = 2*np.pi*np.arange(N)/N
 omega = 2*np.pi*np.arange(M)/M
 valor_ = np.append(valor, [valor[0]])
 var_ = np.append(var, [var[0]])
 theta_ = np.append(theta, [theta[0]])
 omega_ = np.append(omega, [omega[0]])
 raio = 1.25
 mult = 0.15
 # draw
 fig = plt.figure()
 axA = fig.add_subplot(121, aspect='equal')
 axB = fig.add_subplot(122, projection='polar') 
 # Pizza 
 axA.pie(valor, labels=etiqueta, pctdistance=0.9,autopct='%1.1f%%', radius=1.1)
 axA.pie(var, radius=0.9, colors=cmapRadial(var))
 axA.set_title('Pizza')
 centro = plt.Circle((0,0), 0.75, fc='white')
 axA.add_patch(centro) 
 # Radar
 axB.plot(theta_, valor_, marker='o', color='black', label='variable')
 axB.fill_between(theta_, 0, valor_, facecolor='black', alpha=0.25)
 axB.plot(omega_, raio + var_*mult, color='y', label='change')
 axB.plot(omega_, raio - var_*mult, color='y')
 axB.fill_between(omega_, raio - var_*mult, raio + var_*mult,facecolor='y', alpha=0.25)
 axB.set_title('Radar')
 axB.set_xticks(theta)
 axB.set_xticklabels(etiqueta)
 axB.set_rticks(np.linspace(0, 1.5, 7))
 axB.legend()
 plt.show()

函數說明：