程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
您现在的位置: 程式師世界 >> 編程語言 >  >> 更多編程語言 >> Python

python數據分析繪圖可視化

編輯:Python

前言:

數據分析初始階段,通常都要進行可視化處理。數據可視化旨在直觀展示信息的分析結果和構思,令某些抽象數據具象化,這些抽象數據包括數據測量單位的性質或數量。本章用的程序庫matplotlib是建立在Numpy之上的一個Python圖庫,它提供了一個面向對象的API和一個過程式類的MATLAB API,他們可以並行使用。

1、

import numpy as npimport matplotlib.pyplot as pltscores=np.random.randint(0,100,50)plt.hist(scores,bins=8,histtype=‘stepfilled')plt.title(‘37')plt.show()

2、

x=np.arange(6)y1=np.array([1,4,3,5,6,7])y2=np.array([3,4,3,5,6,7])y3=np.array([2,4,3,5,6,7])plt.stackplot(x,y1,y2,y3)plt.title(‘37')plt.show()

3、

random_state=np.random.RandomState(1231241)random_x=random_state.randn(10000)plt.hist(random_x,bins=25)plt.title(‘37')plt.show()

4、

data=np.array([10,30,15,30,15])pie_labels=np.array([‘A',‘B',‘C',‘D',‘E'])plt.pie(data,radius=1.5,labels=pie_labels,autopct='%3.1f%%')plt.title(‘37')plt.show()

5、

import matplotlib as mplmpl.rcParams[‘font.sans-serif']=[‘SimHei']mpl.rcParams[‘axes.unicode_minus']=Falsekinds=[‘購物',‘禮尚往來',‘餐飲美食',‘通信',‘生活日用',‘交通出行',‘休閒娛樂',‘其他']money_scale=[500/1500,123/1500,400/1500,234/1500,300/1500,200/1500,100/1500,150/1500]dev_position=[0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1]plt.pie(money_scale,labels=kinds,autopct='%3.1f%%',shadow=True,explode=dev_position,startangle=90)plt.title(‘37')plt.show()

6、

num=50x=np.random.rand(num)y=np.random.rand(num)plt.scatter(x,y)plt.title(‘37')plt.show()

7、

num=50x=np.random.rand(num)y=np.random.rand(num)area=(800*np.random.rand(num)**2)plt.scatter(x,y,s=area)plt.title(‘37')plt.show()

8、

plt.rcParams[‘font.sans-serif']=‘SimHei'plt.rcParams[‘axes.unicode_minus']=Falsex_speed=np.arange(10,210,10)y_distance=np.array([0.3,0.5,1,3,5,5.5,7,8,9,12,14,15.5,17.8,19,20,23,27,30,31,32])plt.scatter(x_speed,y_distance,s=50,alpha=0.9)plt.title(‘37')plt.show()

9、

plt.rcParams[‘font.family']= ‘SimHei'plt.rcParams[‘axes.unicode_minus']=Falsedata_2018=np.array([4500,6654.5,5283.4,5107.8,5443.3,5550.6,6400.2,6404.9,5483.1,5330.2,5543,6199.9])data_2017=np.array([4605.2,4710.3,5168.9,4767.2,4947,5203,6047.4,5945.5,5219.6,5038.1,5196.3,5698.6])plt.boxplot([data_2018,data_2017],labels=(‘2018年',‘2017年'),meanline=True,widths=0.5,vert=False,patch_artist=True)plt.title(‘37')plt.show()

10、

plt.rcParams[‘font.family']= ‘SimHei'plt.rcParams[‘axes.unicode_minus']=Falsedim_num=6data=np.array([[0.50,0.32,0.35,0.30,0.30,0.88],[0.45,0.35,0.30,0.40,0.40,0.30],[0.43,0.99,0.30,0.28,0.22,0.30],[0.30,0.25,0.48,0.95,0.45,0.40],[0.20,0.38,0.87,0.45,0.32,0.28],[0.34,0.31,0.38,0.40,0.92,0.28]])angles=np.linspace(0, 2 * np.pi, dim_num, endpoint=False)angles=np.concatenate((angles,[angles[0]]))data=np.concatenate((data,[data[0]]))radar_labels=[‘研究型(I)',‘藝術型(A)',‘社會型(S)',‘企業型(E)',‘傳統型',‘現實型']radar_labels=np.concatenate((radar_labels, [radar_labels[0]]))plt.polar(angles, data)plt.thetagrids(angles * 180/np.pi, labels=radar_labels)plt.fill(angles, data, alpha=0.25)plt.title(‘37')plt.show()

11、

data =np.array([20,50,10,15,30,55])pie_labels=np.array([‘A',‘B',‘C',‘D',‘E',‘F'])plt.pie(data,radius=1.5,wedgeprops={‘width': 0.7},labels=pie_labels,autopct='%3.1f%%',pctdistance=0.75)plt.title(‘37')plt.show()

12、

x = np.arange(1,13)y_a = np.array([191,123,234,42,123,432,567,234,231,132,123,134])y_b = np.array([123,143,234,242,523,232,467,334,131,332,234,345])y_c = np.array([91,123,534,432,223,332,367,434,111,322,345,560])plt.stackplot(x,y_a,y_b,y_c)plt.title(‘37')plt.show()

到此這篇關於python數據分析繪圖可視化的文章就介紹到這了,更多相關python 可視化內容請搜索軟件開發網以前的文章或繼續浏覽下面的相關文章希望大家以後多多支持軟件開發網!



  1. 上一篇文章:
  2. 下一篇文章:
Copyright © 程式師世界 All Rights Reserved