type
status
date
slug
summary
tags
category
icon
password
AI 摘要
测试一
案例一
需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度
如图：
案例完整代码
案例一文档：
这段代码展示了如何使用Python的Matplotlib库创建一个简单的温度变化图表。下面是代码的详细解释：
导入必要的库
这里导入了matplotlib的pyplot模块、random模块和pylab的mpl模块。
设置中文显示
这两行代码设置了matplotlib的参数，使其能够正确显示中文字体和负号。
准备数据
创建了x轴数据（0到59的整数）和y轴数据（15到18之间的随机浮点数）。
创建画布
创建一个20x8英寸、分辨率为100dpi的图形。
绘制图像
使用x和y_shanghai数据绘制折线图。
设置坐标轴
设置x轴和y轴的刻度标签。x轴每5分钟显示一次，y轴每5度显示一次。
添加网格
添加网格线，使用虚线样式，透明度为0.5。
添加标签和标题
为x轴、y轴添加标签，并设置图表标题。
保存图像
将图表保存为PNG文件。
显示图像
在屏幕上显示生成的图表。
这段代码生成了一个展示某城市在11点到12点之间温度变化的折线图，并将其保存为图片文件。
案例二
需求： 在一个坐标系中绘制多个图像，再添加一个城市的温度变化
图形风格的说明
颜色字符 | 风格字符 |
r 红色 | - 实线 |
g 绿色 | - - 虚线 |
b 蓝色 | -. 点划线 |
w 白色 | : 点虚线 |
c 青色 | ' ' 留空、空格 |
m 洋红 | ㅤ |
y 黄色 | ㅤ |
k 黑色 | ㅤ |
图例的显示
Location String | Location Code |
'best' | 0 |
'upper right' | 1 |
'upper left' | 2 |
'lower left' | 3 |
'lower right' | 4 |
'right' | 5 |
'center left' | 6 |
'center right' | 7 |
'lower center' | 8 |
'upper center' | 9 |
'center' | 10 |
案例的完整代码
案例二的文档：
准备数据
创建了x轴数据（0到59的整数）和两组y轴数据：
- 上海：15到18之间的随机温度
- 北京：1到3之间的随机温度
创建画布
创建一个20x8英寸、分辨率为100dpi的图形。
绘制图像
绘制两条折线：
- 上海数据用默认颜色和实线
- 北京数据用红色和虚线
设置坐标轴
设置x轴和y轴的刻度标签。x轴每5分钟显示一次，y轴每5度显示一次。
添加网格
添加网格线，使用虚线样式，透明度为0.5。
添加标签和标题
为x轴、y轴添加标签，并设置图表标题。
保存图像
将图表保存为PNG文件。
添加图例
添加图例，
loc=0表示自动选择最佳位置。显示图像
在屏幕上显示生成的图表。
案例三
需求：多个坐标系显示— plt.subplots(面向对象的画图方法)
案例完整代码：
案例三文档：
准备数据
创建x轴数据（0到59的整数）和两组y轴数据：
- 上海：15到18之间的随机温度
- 北京：1到5之间的随机温度
创建画布和子图
创建一个包含1行2列子图的画布，大小为20x8英寸，分辨率为100dpi。
绘制图像
在左侧子图绘制上海数据，在右侧子图绘制北京数据。
设置坐标轴
为两个子图设置相同的x轴和y轴刻度。
添加网格
为两个子图添加网格线。
添加标签和标题
为两个子图添加x轴标签、y轴标签和标题。
保存图像
将整个图表保存为PNG文件。
添加图例
为两个子图添加图例，自动选择最佳位置。
显示图像
在屏幕上显示生成的图表。
这段代码生成了一个包含两个子图的图表，左侧显示上海的温度变化，右侧显示北京的温度变化。这种布局允许直观地比较两个城市的温度趋势，而不会在同一个图中造成视觉混乱。每个子图都有自己的坐标轴、标题和图例，使得信息呈现更加清晰和有组织。
案例四
需求：折线图的应用场景
- 呈现公司产品(不同区域)每天活跃用户数
- 呈现app每天下载数量
- 呈现产品新功能上线后,用户点击次数随时间的变化
- 拓展：画各种数学函数图像
常见图形种类及意义
- 折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
api：plt.plot(x, y)
- 散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
api：plt.scatter(x, y)
- 柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。
特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
api：plt.bar(x, width, align='center', **kwargs)
- 直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
api：matplotlib.pyplot.hist(x, bins=None)
- 饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
特点：分类数据的占比情况(占比)
api：plt.pie(x, labels=,autopct=,colors)
散点图绘制
需求：探究房屋面积和房屋价格的关系
房屋面积数据：
房屋价格数据：
柱状图绘制
需求-对比每部电影的票房收入
电影数据如下图所示：
- 准备数据
- 绘制柱状图
代码：
总结
图表类型 | 主要用途 | Matplotlib API函数 |
折线图 | 显示数据的变化趋势，反映事物的变化情况 | plt.plot() |
散点图 | 判断变量之间是否存在数量关联趋势，展示离群点 | plt.scatter() |
柱状图 | 绘制离散的数据，直观比较数据之间的差别 | plt.bar(x, width, align="center") |
直方图 | 绘制连续性数据，展示一组或多组数据的分布状况 | plt.hist(x, bins) |
饼图 | 表示不同分类的占比情况，通过弧度大小对比各种分类 | plt.pie(x, labels, autopct, colors) |
- Author:YXH1024
- URL:http://bk.yxh666.top/article/f6243eed-8baa-42ef-82e0-efb67e599290
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!