Advertisement

PYthon建模 --处理数据(二) --数据可视化

阅读量:

figure 函数

该函数用于创建绘图对象,并接受多个参数来配置绘图设置:

  • num:指定图像编号或名称,默认情况下若未指定则视为数字(整数)或字符型字符串(表示文件名)
  • figsize:定义绘图区域的宽度和高度,默认以英寸为单位
  • dpi:设置绘图对象分辨率(像素/英寸),默认取值为80
    其中:
  • 1英寸等于2.5厘米;A4纸尺寸标准规定其尺寸规格为宽21厘米、高30厘米
  • facecolor:指定了绘制区域的背景色
  • edgecolor:指定了绘制区域边界的线条颜色
  • frameon属性决定是否显示绘图边界

版权声明:这篇博客文章是我个人的initial creation作品,请在转载时注明出处并附上原文链接,并依照CC 4.0 BY-SA授权协议使用。

原文链接:

kind 字符串

复制代码
 ‘line’ : line plot (default) # 折线图

    
 ‘bar’  : vertical bar plot   # 条形图
    
 ‘barh’ : horizontal bar plot # 横向条形图
    
 ‘hist’ : histogram           # 柱状图
    
 ‘box’  : boxplot             #箱线图
    
 ‘kde’  : Kernel Density Estimation plot #密度估计图,主要对柱状图添加Kernel 概率密度线
    
 ‘density’ : same as ‘kde’
    
 ‘area’ : area plot           #区域图
    
 ‘pie’ : pie plot             #饼图
    
 ‘scatter’ : scatter plot     #散点图  需要传入columns方向的索引
    
 ‘hexbin’ : hexbin plot       #具有六边形单元的二维直方图
    
    
    
    
    
![](https://ad.itadn.com/c/weblog/blog-img/images/2025-07-12/0Na4GL6BxdDhiCl3tjOMP7bsAope.png)

/ 折线图

复制代码
 dataset.plot(kind='line',subplots=True,layout=(2,2),sharex=False,sharey=False)

    
 pyplot.show()
    
    
    
    
    python

kand = "line" : 绘制折线图表
sharex, sharey : 决定子图共享坐标轴的方式。该参数可取布尔值或{'none', 'all', 'row', 'col'}四种类型,默认设置为False。
当设置为True时(即相当于'default'=True),所有子图表均共享其x/y坐标轴;
而当设置为False时(即相当于'default'=False),则各子图表的坐标轴相互独立。

layout(2,2) :所画的子图按(2,2)排布

subplots = Ture :建立多个子图

/ 相关矩阵图

复制代码
 filename = 'C:/Users/11/Desktop/data_1.csv'

    
 names = ['chinese','math','English']
    
 dataset = read_csv( filename,names=names,sep=',')
    
 correlations = dataset.corr()
    
 fig = plt.figure()
    
 ax = fig.add_subplot(111)
    
 cax = ax.matshow(correlations, vmin=-1, vmax=1)
    
 fig .colorbar(cax)
    
 ticks = np.arange(0, 3, 1)
    
 ax.set_xticks(ticks)
    
 ax.set_yticks(ticks)
    
 ax.set_xticklabels(names)
    
 ax.set_yticklabels(names)
    
 plt.show()
    
    
    
    
    python
    
    
![](https://ad.itadn.com/c/weblog/blog-img/images/2025-07-12/E7cd8BvsFmkWX3uSGzYLr6Aj9pqN.png)

调用add_subplot函数来创建并根据参数abc生成a×b个子图布局;其中c用于确定显示的具体子图。

corr() 表示为data中两个变量之间的相关程度,在-1到+1之间变化。数值越接近-1,则表示负比例关系;数值越接近+1,则表示正比例关系。

matshow :plt.matshow(mat, cmap=plt.cm.colors)

vminvmax 参数用于确定映射到的颜色值范围。这些参数通常与所使用的颜色图一起应用。

它可用于控制 matplotlib 中颜色条的范围。

colorbar : 自定义工具

np.arange() : np.arange([start, ]stop, [step, ]dtype=None)

  • start : 起始位置;可省略不设置,默认值为零
    • stop : 结束位置;结果数组将不包含指定终点
    • step : 间隔长度;可忽略未指定则默认步长为一
    • dtype : 数据类型的属性;若无指定则默认采用None类型

使用ax.set_xticks()函数设置坐标轴的刻度线

ax.set_xticklabels()函数允许用户将任何其他类型的值用作标签,并将其赋值给之前已经设置过的set_xtick属性。

/ 相关散点矩阵图

复制代码
 scatter_matrix(dataset)

    
 plt.show()
    
    
    
    
    python

全部评论 (0)

还没有任何评论哟~