python学习笔记13(matplotlib绘图)

matplotlib图像绘制

import matplotlib.pyplot as plt

# 1. 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.图像绘制
x = [1,2,3,4,5,6]
y = [3,6,3,5,3,10]
plt.plot(x, y)

# 2.1 图像保存
plt.savefig("./data/test.png")

# 3.图像展示
plt.show()

基本绘制功能

import matplotlib.pyplot as plt
import random

# 0.生成数据
x = range(60)
y_beijing = [random.uniform(10, 15) for i in x]
y_shanghai = [random.uniform(15, 25) for i in x]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.图形绘制
plt.plot(x, y_beijing, label="北京", color="g", linestyle="-.")
plt.plot(x, y_shanghai, label="上海")

# 2.1 添加x,y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11点{}分".format(i) for i in x]

plt.yticks(y_ticks[::5])
plt.xticks(x[::5], x_ticks_labels[::5])

# 2.2 添加网格
plt.grid(True, linestyle="--", alpha=0.7)

# 2.3 添加描述
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("一小时温度变化图", fontsize=20)

# 2.4 显示图例
plt.legend(loc=0)

# 3.图像展示
plt.show()

多坐标系显示图像

import matplotlib.pyplot as plt
import random

# 0.生成数据
x = range(60)
y_beijing = [random.uniform(10, 15) for i in x]
y_shanghai = [random.uniform(15, 25) for i in x]

# 1.创建画布
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)

# 2.图形绘制
axes[0].plot(x, y_beijing, label="北京", color="g", linestyle="-.")
axes[1].plot(x, y_shanghai, label="上海")


# 2.1 添加x,y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11点{}分".format(i) for i in x]

axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_labels[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_labels[::5])

# 2.2 添加网格
axes[0].grid(True, linestyle="--", alpha=0.7)
axes[1].grid(True, linestyle="--", alpha=0.7)

# 2.3 添加描述
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("北京一小时温度变化图", fontsize=20)
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("上海一小时温度变化图", fontsize=20)

# 2.4 显示图例
axes[0].legend(loc=0)
axes[1].legend(loc=0)

# 3.图像展示
plt.show()

常见图形绘制
1.折线图 – plt.plot
变化
2.散点图 – plt.scatter()
分布规律
3.柱状图 – plt.bar
统计、对比
4.直方图 – plt.hist()
统计，分布
5.饼图 – plt.pie()
占比