Python Matplotlib.pyplot模組知識點
繪製最簡單的圖形可以不用建立畫布
建立子圖=>新增標題/刻度/名稱/範圍=>繪製圖形=>新增圖例=>儲存圖形=>顯示圖形
建立子圖:pl=plt.figure()
pl.add_subplot()
指定範圍: plt.xlim((0,1))
指定刻度: plt.xticks([‘’,’’,’’ ])
新增圖例: plt.legend([‘y=’,’x=’])
儲存圖形: plt.savefig()
顯示圖形:plt.show()
Pyplot的動態rc引數
lines.linewidth
lines.linestyle線條樣式(4種): ’-‘ 實線, ‘—‘ 長虛線, ‘-.’ 點線, ‘:’ 短虛線
lines.marker點的形狀(20種): ‘o’圓圈, ‘D’菱形, ‘.’點, ‘s’正方形, ‘*’星號,‘d’小菱形
lines.markersize 點的大小 0-10 預設為1
顯示中文:
plt.rcParams[‘font.sans-serif’]=’SimHei’
正常顯示符號
plt.rcParams[‘axes.unidcode_minus’]=False
color=’b’藍色color=’k’黑色 color=’‘c’青色
折線圖適合顯示資料的變化趨勢場景。散點圖適合顯示若干資料系列中各數值之間的關係。餅狀圖適合顯示各項的大小與各項總和的比例。箱型圖適合用於反映原始資料分佈的特徵,還可以進行多組資料分佈特徵的比較。
散點圖(plt.scatter()): (通常用於跨類別的資料)
提供兩類關鍵資訊:是否存在關聯趨勢,關聯趨勢是線性的還是非線性的
離群值
通過疏密程度和變化趨勢表示兩個特徵的數量關係
折線圖(plt.plot()):
直方圖(plt.bar()):
箱線圖(plt.boxplot()):
提供有關資料位置和分散情況的關鍵資訊
5個統計量:最小值,下四分位數(QL),中位數,上四分位數(QU),最大值
看出資料是否具有對稱性,分佈的分散程度
notch=True是否有缺口
sym=’o’異常點形狀
meanline=True是否顯示均值線
四分位數間距(IQR)=QU-QL
異常值:QL-1.5IQR
QU+1.5IQR
餅圖(plt.pie()):清楚反應部分與部分,部分與整體的比例關係
explode=[0.1,0.1,0.1]各項距離圓心半徑