不乱于心，不困于情。
不畏将来，不念过往。如此，安好。
当前位置：seo优化_前端开发_渗透技术 > 编程语言 > python > 正文

Matplotlib入门指南

2020-07-01 分类：python 阅读(583)

Matplotlib

Matplotlib 是用于创建图表的 Python 库。 Matplotlib 可用于 Python 脚本，Python 和 IPython shell，jupyter 笔记本，Web 应用服务器以及四个图形用户界面工具包。

Matplotlib 安装

Matplotlib 是需要安装的外部 Python 库。

$ sudo pip install matplotlib
Py

我们可以使用pip工具安装该库。

Matplotlib 散点图

散点图是一种图形或数学图，使用笛卡尔坐标显示一组数据的两个变量的值。

scatter.py

#!/usr/bin/python3

import matplotlib.pyplot as plt

x_axis = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis = [5, 16, 34, 56, 32, 56, 32, 12, 76, 89]

plt.title("Prices over 10 years")
plt.scatter(x_axis, y_axis, color='darkblue', marker='x', label="item 1")

plt.xlabel("Time (years)")
plt.ylabel("Price (dollars)")

plt.grid(True)
plt.legend()

plt.show()
Py

该示例绘制了一个散点图。 该图表显示了十年内某些商品的价格。

import matplotlib.pyplot as plt
Py

我们从matplotlib模块导入pyplot。 它是创建图表的命令样式函数的集合。 它的操作与 MATLAB 类似。

x_axis = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis = [5, 16, 34, 56, 32, 56, 32, 12, 76, 89]
Py

我们有 x 和 y 轴的数据。

plt.title("Prices over 10 years")
Py

通过title()功能，我们可以为图表设置标题。

plt.scatter(x_axis, y_axis, color='darkblue', marker='x', label="item 1")
Py

scatter()功能绘制散点图。 它接受 x 和 y 轴，标记的颜色，标记的形状和标签的数据。

plt.xlabel("Time (years)")
plt.ylabel("Price (dollars)")
Py

我们为轴设置标签。

plt.grid(True)
Py

我们用grid()功能显示网格。 网格由许多垂直和水平线组成。

plt.legend()
Py

legend()功能在轴上放置图例。

plt.show()
Py

show()功能显示图表。

Matplotlib 教程

两个数据集

在下一个示例中，我们将另一个数据集添加到图表。

scatter2.py

#!/usr/bin/python3

import matplotlib.pyplot as plt

x_axis1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis1 = [5, 16, 34, 56, 32, 56, 32, 12, 76, 89]

x_axis2 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis2 = [53, 6, 46, 36, 15, 64, 73, 25, 82, 9] 

plt.title("Prices over 10 years")

plt.scatter(x_axis1, y_axis1, color='darkblue', marker='x', label="item 1")
plt.scatter(x_axis2, y_axis2, color='darkred', marker='x', label="item 2")

plt.xlabel("Time (years)")
plt.ylabel("Price (dollars)")

plt.grid(True)
plt.legend()

plt.show()
Py

该图表显示两个数据集。 我们通过标记的颜色来区分它们。

x_axis1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis1 = [5, 16, 34, 56, 32, 56, 32, 12, 76, 89]

x_axis2 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis2 = [53, 6, 46, 36, 15, 64, 73, 25, 82, 9]
Py

我们有两个数据集。

plt.scatter(x_axis1, y_axis1, color='darkblue', marker='x', label="item 1")
plt.scatter(x_axis2, y_axis2, color='darkred', marker='x', label="item 2")
Py

我们为每个集合调用scatter()函数。

Matplotlib 折线图

折线图是一种显示图表的图表，该信息显示为一系列数据点，这些数据点通过直线段相连，称为标记。

linechart.py

#!/usr/bin/python3

import numpy as np
import matplotlib.pyplot as plt

t = np.arange(0.0, 3.0, 0.01)
s = np.sin(2.5 * np.pi * t)
plt.plot(t, s)

plt.xlabel('time (s)')
plt.ylabel('voltage (mV)')

plt.title('Sine Wave')
plt.grid(True)

plt.show()
Py

该示例显示正弦波折线图。

import numpy as np
Py

在示例中，我们还需要numpy模块。

t = np.arange(0.0, 3.0, 0.01)
Py

arange()函数返回给定间隔内的均匀间隔的值列表。

s = np.sin(2.5 * np.pi * t)
Py

我们获得数据的sin()值。

plt.plot(t, s)
Py

我们使用plot()功能绘制折线图。

Matplotlib 条形图

条形图显示带有矩形条的分组数据，其长度与它们代表的值成比例。 条形图可以垂直或水平绘制。

barchart.py

#!/usr/bin/python3

from matplotlib import pyplot as plt
from matplotlib import style

style.use('ggplot')

x = [0, 1, 2, 3, 4, 5]
y = [46, 38, 29, 22, 13, 11]

fig, ax = plt.subplots()

ax.bar(x, y, align='center')

ax.set_title('Olympic Gold medals in London')
ax.set_ylabel('Gold medals')
ax.set_xlabel('Countries')

ax.set_xticks(x)
ax.set_xticklabels(("USA", "China", "UK", "Russia", 
    "South Korea", "Germany"))

plt.show()
Py

该示例绘制了条形图。 它显示了 2012 年伦敦每个国家/地区的奥运金牌数量。

style.use('ggplot')
Py

可以使用预定义的样式。

fig, ax = plt.subplots()
Py

subplots()函数返回图形和轴对象。

ax.bar(x, y, align='center')
Py

使用bar()功能生成条形图。

ax.set_xticks(x)
ax.set_xticklabels(("USA", "China", "UK", "Russia", 
    "South Korea", "Germany"))
Py

我们为 x 轴设置国家/地区名称。

Matplotlib 饼图

饼图是圆形图，将其分成多个切片以说明数值比例。

piechart.py

#!/usr/bin/python3

import matplotlib.pyplot as plt

labels = ['Oranges', 'Pears', 'Plums', 'Blueberries']
quantity = [38, 45, 24, 10]

colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']

plt.pie(quantity, labels=labels, colors=colors, autopct='%1.1f%%', 
    shadow=True, startangle=90)

plt.axis('equal')

plt.show()
Py

该示例创建一个饼图。

labels = ['Oranges', 'Pears', 'Plums', 'Blueberries']
quantity = [38, 45, 24, 10]
Py

我们有标签和相应的数量。

colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']
Py

我们为饼图的切片定义颜色。

plt.pie(quantity, labels=labels, colors=colors, autopct='%1.1f%%', 
    shadow=True, startangle=90)
Py

饼图是通过pie()功能生成的。 autopct负责在图表的楔形图中显示百分比。

plt.axis('equal')
Py

我们设置了相等的长宽比，以便将饼图绘制为圆形。

赞(0) 打赏
未经允许不得转载：seo优化_前端开发_渗透技术 » Matplotlib入门指南
标签：

hush

相关推荐

  • 暂无文章

热门文章

热门搜索

Powershell (78)metasploit (46)python (31)seo (24)seo技巧 (24)seo优化 (23)wordpress (23)web渗透 (19)渗透测试 (18)seo策略 (17)web安全 (12)内网渗透 (12)mysql (11)信息收集 (10)sql注入 (9)git (8)php (7)ubuntu (7)kali (6)selenium (6)waf (5)sqlmap (4)composer (4)laravel (4)linux提权 (4)代码审计 (4)dedecms (3)渗透 (3)seo学习 (3)nmap (3)
SEO推荐

seo超级工具

可能很多第一次使用外链工具的站长朋友们都会担心同一个问题，就是会不会被百度K站、降权等风险？其实大家只要了解此类工具批量增加外链的原理就不会担心这个问题。

此类工具的原理其实非常简单，网络上几乎所有的网站查询工具（例如爱站网、去查网和站长工具）都会留下查询网站的外链。你要是把网络上的每一个工具站都去查询一遍，就能为查询的网站建设大量的外链。

外链工具正是利用这个原理，免除你手动去访问每一个工具站查询，利用收集到的工具站列表，在线自动为你的网站查询。这种方法建设的外链是正规有效的，所以不必担心被K站和降权的风险。

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏