自学教程：Python数据分析之Matplotlib的常用操作总结

import matplotlib.pyplot as plt

import numpy as np

def matplotlib_draw():    # 从-1到1生成100个点，包括最后一个点，默认为不包括最后一个点    x = np.linspace(-1, 1, 100, endpoint=True)     y = 2 * x + 1    plt.plot(x, y)  # plot将信息传入图中    plt.show()  # 展示图片

def matplotlib_figure():    x = np.linspace(-1, 1, 100)    y1 = 2 * x + 1    y2 = x ** 2  # 平方     plt.figure()  # figure是视图面板    plt.plot(x, y1)     # 这里再创建一个视图面板，最后会生成两张图，figure只绘制范围以下的部分    plt.figure(figsize=(4, 4))  # 设置视图长宽    plt.plot(x, y2)     plt.show()

def matplotlib_style():    x = np.linspace(-3, 3, 100)    y1 = 2 * x + 1    y2 = x ** 2  # 平方     # 限制xy输出图像的范围    plt.xlim((-1, 2))  # 限制x的范围    plt.ylim((-2, 3))  # 限制y的范围     # xy描述    plt.xlabel('I am X')    plt.ylabel('I am Y')     # 设置xy刻度值    # 从-2到2上取11个点,最后生成一个一维数组    new_sticks = np.linspace(-2, 2, 11)    plt.xticks(new_sticks)    # 使用文字代替数字刻度    plt.yticks([-1, 0, 1, 2, 3], ['level1', 'level2', 'level3', 'level4', 'level5'])     # 获取坐标轴 gca get current axis    ax = plt.gca()    ax.spines['right'].set_color('red')  # 设置右边框为红色    ax.spines['top'].set_color('none')  # 设置顶部边框为没有颜色，即无边框     # 把x轴的刻度设置为'bottom'    ax.xaxis.set_ticks_position('bottom')    # 把y轴的刻度设置为'left'    ax.yaxis.set_ticks_position('left')    # 设置xy轴的位置,以下测试xy轴相交于(1,0)    # bottom对应到0点    ax.spines['bottom'].set_position(('data', 0))    # left对应到1点    ax.spines['left'].set_position(('data', 1))  # y轴会与1刻度对齐     # 颜色、线宽、实线：'-',虚线：'--',alpha表示透明度    plt.plot(x, y1, color="red", linewidth=1.0, linestyle='--', alpha=0.5)    plt.plot(x, y2, color="blue", linewidth=5.0, linestyle='-')    plt.show()  # 这里没有设置figure那么两个线图就会放到一个视图里

def matplotlib_legend():    x = np.linspace(-3, 3, 100)    y1 = 2 * x + 1    y2 = x ** 2  # 平方     l1, = plt.plot(x, y1, color="red", linewidth=1.0, linestyle='--', alpha=0.5)    l2, = plt.plot(x, y2, color="blue", linewidth=5.0, linestyle='-')    # handles里面传入要产生图例的关系线，labels中传入对应的名称，    # loc='best'表示自动选择最好的位置放置图例    plt.legend(handles=[l1, l2], labels=['test1', 'test2'], loc='best')    plt.show()

def matplotlib_describe():    x = np.linspace(-3, 3, 100)    y = 2 * x + 1    plt.plot(x, y, color="red", linewidth=1.0, linestyle='-')     # 画点,s表示点的大小    x0 = 0.5    y0 = 2 * x0 + 1    plt.scatter(x0, y0, s=50, color='b')     # 画虚线,    # k代表黑色，--代表虚线,lw线宽    # 表示重(x0,y0)到(x0,-4)画线    plt.plot([x0, x0], [y0, -4], 'k--', lw=2)    # 标注,xytext:位置，textcoords设置起始位置，arrowprops设置箭头，connectionstyle设置弧度    plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xytext=(+30, -30),                  textcoords="offset points", fontsize=16,                 arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2'))     # 文字描述    plt.text(-3, 3, r'$this/ is/ the/ text$', fontdict={'size': '16', 'color': 'r'})     plt.show()

def matplotlib_scatter():    plt.figure()    plt.scatter(np.arange(5), np.arange(5))  # 安排两个0到4的数组绘制     x = np.random.normal(0, 1, 500)  # 正态分布的500个数    y = np.random.normal(0, 1, 500)     plt.figure()    plt.scatter(x, y, s=50, c='b', alpha=0.5)     plt.show()

def matplotlib_bar():    x = np.arange(10)    y = 2 ** x + 10    # facecolor块的颜色，edgecolor块边框的颜色    plt.bar(x, y, facecolor='#9999ff', edgecolor='white')    # 设置数值位置    for x, y in zip(x, y):  # zip将x和y结合在一起        plt.text(x + 0.4, y, "%.2f" % y, ha='center', va='bottom')     plt.show()

def matplotlib_contours():    def f(a, b):        return (1 - a / 2 + a ** 5 + b ** 3) * np.exp(-a ** 2 - b ** 2)     x = np.linspace(-3, 3, 100)    y = np.linspace(-3, 3, 100)     X, Y = np.meshgrid(x, y)  # 将x和y传入一个网格中    # 8表示条形线的数量，数量越多越密集    plt.contourf(X, Y, f(X, Y), 8, alpha=0.75, cmap=plt.cm.hot)  # cmap代表图的颜色     C = plt.contour(X, Y, f(X, Y), 8, color='black', linewidth=.5)    plt.clabel(C, inline=True, fontsize=10)     plt.xticks(())    plt.yticks(())    plt.show()

from mpl_toolkits.mplot3d import Axes3D

def matplotlib_Axes3D():    fig = plt.figure()  # 创建绘图面版环境    ax = Axes3D(fig)  # 将环境配置进去     x = np.arange(-4, 4, 0.25)    y = np.arange(-4, 4, 0.25)    X, Y = np.meshgrid(x, y)      R = np.sqrt(X ** 2 + Y ** 2)    Z = np.sin(R)     # stride控制色块大小    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))    ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap='rainbow')    ax.set_zlim(-2, 2)     plt.show()

def matplotlib_subplot():    plt.figure()  # 生成绘图面板    plt.subplot(2, 1, 1)  # 两行1列绘图位置的第1个位置    plt.plot([0, 1], [0, 1])  # 绘制从(0,0)绘制到(1,1)的图像    plt.subplot(2, 3, 4)  # 两行3列绘图位置的第4个位置    plt.plot([0, 1], [0, 1])  # 绘制从(0,0)绘制到(1,1)的图像    plt.subplot(2, 3, 5)  # 两行3列绘图位置的第5个位置    plt.plot([0, 1], [0, 1])  # 绘制从(0,0)绘制到(1,1)的图像    plt.subplot(2, 3, 6)  # 两行3列绘图位置的第6个位置    plt.plot([0, 1], [0, 1])  # 绘制从(0,0)绘制到(1,1)的图像     plt.show()

from matplotlib import animation

# ipython里运行可以看到动态效果def matplotlib_animation():    fig, ax = plt.subplots()     x = np.arange(0, 2 * np.pi, 0.01)    line, = ax.plot(x, np.sin(x))     def animate(i):        line.set_ydata(np.sin(x + i / 10))        return line,     def init():        line.set_ydata(np.sin(x))        return line,     ani = animation.FuncAnimation(fig=fig, func=animate, init_func=init, interval=20)     plt.show()

import numpy as npimport matplotlib.pyplot as pltnp.random.seed(1)# 产生30个学生身高数据hight = np.random.randint(low=140, high=190, size=30)print("身高数据", hight)# 绘制直方图 plt.hist# 参数1：要统计的数据； 参数2：区间信息# 区间信息有默认值 bins =10 
Python实现爬取腾讯招聘网岗位信息
详解python的二进制转化模块