python可视化直⽅图的x轴参数设置_python之可视化
Matplotlib模块
本⽂要讲的是Matplotlib，⼀个强⼤的Python可视化库。通过模块，轻松实现曲线图、散点图、折线图、直⽅图、柱状图、饼图等。⼀、曲线图
绘制单条曲线:
x = [1,2,3,4,5,6,7,8,9,10]
y = [10,9,8,7,6,5,4,3,2,1]
plt.plot(x,y)
注意：y,x轴的值必须为数字
绘制抛物线:
x = np.arange(-np.pi,np.pi,0.1)
y = x**2
plt.plot(x,y)
绘制正弦曲线图:
x = np.linspace(-np.pi,np.pi,100)
y = np.sin(x)
plt.plot(x,y)
包含多个曲线的图:
1、连续调⽤多次plot函数
plt.plot(x,y)
plt.plot(x+2,y+2)
2、也可以在⼀个plot函数中传⼊多对X,Y值，在⼀个图中绘制多个曲线
plt.plot(x,y,x-1,y+1)
plt.subplot(row,col,loc)
将多个曲线图绘制在⼀个table区域中：对象形式创建表图
a=plt.subplot(row,col,loc) 创建曲线图 rol col可以决定table的⼤⼩
a.plot(x,y) 绘制曲线图
屏幕快照 2018-11-07 下午5.44.30.png
⽹格线 id(XXX)
参数：
axis：轴向
color:⽀持⼗六进制颜⾊
linestyle: -- -. ：样式
matplotlib中subplotalpha：透明度
使⽤plt绘制：
plt.plot(x,y)
使⽤对象形式设置⽹格：
ax = plt.subplot(111)
ax.plot(x,y)
设置坐标轴界限
axis⽅法：设置x，y轴刻度值的范围
plt.axis([xmin,xmax,ymin,ymax])
关闭坐标轴
plt.axis('off')
设置画布⽐例：plt.figure(figsize=(a,b)) a:x刻度⽐例 b：y刻度⽐例 (2:1)表⽰x刻度显⽰为y刻度显⽰的2倍plt的xlabel⽅法、ylabel⽅法、 title⽅法
参数介绍：
s 标签内容
color 标签颜⾊
fontsize 字体⼤⼩
rotation 旋转⾓度
对象⽅法set_xlabel/ylabel()
图例
legend⽅法
两种传参⽅法：
1.分别在plot函数中增加label参数，再调⽤plt.legend()⽅法显⽰
plt.plot(x,label='AAA')
plt.legend()
2.直接在legend⽅法中传⼊字符串列表
put.plot(x)
plt.plot(y)
plt.legend(['BBB','AAA'])
legend的参数
loc参数：
loc参数⽤于设置图例标签的位置，⼀般在legend函数内
matplotlib已经预定义好⼏种数字表⽰的位置
ncol参数：
ncol控制图例中有⼏列，在legend中设置ncol
图像保存：
使⽤figure对象的savefig函数来保存图⽚
fig = plt.figure()---必须放置在绘图操作之前
figure.savefig的参数选项：
filename：
含有⽂件路径的字符串或Python的⽂件型对象。图像格式由⽂件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG (“png”、“pdf”、“svg”、“ps”、“eps”……)
dpi：
图像分辨率(每英⼨点数)，默认为100
facecolor
打开保存图⽚查看 图像的背景⾊，默认为“w”(⽩⾊)
设置plot的风格和样式:
plot语句中⽀持除X,Y以外的参数，以字符串形式存在，来控制颜⾊、线型、点型等要素，语法形式为：
plt.plot(X, Y, 'format', ...)
-- 颜⾊
参数color或c
-- 透明度
alpha参数
-- 线型
参数linestyle或ls
-- 线宽
linewidth或lw参数
-- 点型
marker 设置点形
markersize 设置点形⼤⼩
⼆、直⽅图
plt.hist(x):
是⼀个特殊的柱状图，⼜叫做密度图。
【直⽅图的参数只有⼀个x不像条形图需要传⼊x,y】
plt.hist()的参数
bins
直⽅图的柱数，可选项，默认为10
color
指定直⽅图的颜⾊。可以是单⼀颜⾊值或颜⾊的序列。如果指定了多个数据集合，例如DataFrame对象，颜⾊序列将会设置为相同的顺序。如果未指定，将会使⽤⼀个默认的线条颜⾊
orientation
通过设置orientation为horizontal创建⽔平直⽅图。默认值为vertical
三、条形图
plt.bar(x,y)：
plt.bar()垂直条形图
参数：第⼀个参数是索引。第⼆个参数是数据值。第三个参数是条形的宽度。
条形图有两个参数x,y
width 纵向设置条形宽度
height 横向设置条形⾼度
plt.barh()⽔平条形图
四、饼图
plt.pie(x)
饼图也只有⼀个数据参数x
饼图适合展⽰各部分占总体的⽐例，条形图适合⽐较各部分的⼤⼩
饼图阴影、分裂等属性设置
labels参数设置每⼀块的标签；
labeldistance参数设置标签距离圆⼼的距离(⽐例值)
autopct参数设置⽐例值⼩数保留位(%.3f%%)；
pctdistance参数设置⽐例值⽂字距离圆⼼的距离
explode参数设置每⼀块顶点距圆⼼的长度(⽐例值，列表)；
colors参数设置每⼀块的颜⾊(列表)；
shadow参数为布尔值，设置是否绘制阴影
startangle参数设置饼图起始⾓度
五、散点图
scatter(x,y)
散点图：因变量随⾃变量⽽变化的⼤致趋势
散点图需要两个参数x,y，但此时x不是表⽰x轴的刻度，⽽是每个点的横坐标！
plt.scatter(x,y,marker='d',c="rbgy") 设置不同的散点颜⾊
六、简单了解机器学习实现线性回归
导⼊sklearn，建⽴线性回归算法模型对象
from sklearn.linear_model import LinearRegression
linear = LinearRegression()
样本集：⽤于对机器学习算法模型对象进⾏训练。样本集通常为⼀个DataFrame。特征数据：特征数据的变化会影响⽬标数据的变化。必须为多列。
⽬标数据：结果。通常为⼀列。
使⽤样本数据对模型进⾏训练
linear.fit(near_shape(-1,1),near_citys_max_temp)
对模型进⾏精准度的评分
linear.score(near_shape(-1,1),near_citys_max_temp)
使⽤模型进⾏预测
x = np.array([65,44,12,99]).reshape(-1,1)
linear.predict(x)
绘制回归曲线
x = np.linspace(0,100,num=100)
y = linear.shape(-1,1))
plt.scatter(x,y)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。