【Python】数据分析:matplotlib散点图

简介: 【Python】数据分析:matplotlib散点图

散点图和之前的折线图的唯一区别就是绘制时是scatter方法

语法知识

复习一下语法知识:

  • 设置字体:fm = font_manager.FontProperties(fname="字体包存放路径")
  • 设置x提示语plt.xlabel("x_label_name",fontproperties=fm)
  • 设置y提示语plt.ylabel("y_label_name",fontproperties=fm)
  • 设置标题plt.title("title_name",fontproperties=fm)
  • 设置横坐标plt.xticks(x_value_list,x_ticks_list,fontproperties=fm,ratation=n)
  • 设置纵坐标plt.yticks(y_value_list,y_ticks_list,fontproperties=fm,rotation=n)
  • 绘制散点图plt.scatter(x,y)
  • 显示图片plt.show()
  • 设置画布大小plt.figure(figsize=(m,n),dpi=p
  • 设置图例:plt.legend(loc="upper right",prop = fm)
  • 保存图片:plt.savefig("savepath+figname"): # 保存图片至savepath并命名为figname

Demo:绘制March和April温度图

from matplotlib import pyplot as plt
from matplotlib import font_manager
fm = font_manager.FontProperties(fname='F:\HuaDaBoSi\scratch\practice\img\AlimamaDaoLiTi.ttf')
plt.figure(figsize=(20,8),dpi=80)
temperature_3 = [12,13,14,28,10,15,17,23,24,24]
temperature_4 = [29,23,24,18,20,25,17,16,14,14]
x_3 = range(1,31,3)
x_4 = range(41,71,3)
plt.scatter(x_3,temperature_3,label="March")
plt.scatter(x_4,temperature_4,label="April")
x_ = list(x_3) + list(x_4)
x_tick_label = ["March,{}".format(i) for i in x_3]
x_tick_label += ["April,{}".format(i-40) for i in x_4]
plt.xticks(x_[::],x_tick_label[::],fontproperties = fm,rotation=45)
plt.legend(loc="upper right",prop = fm)
plt.xlabel("Time",fontproperties = fm)
plt.ylabel("Temperature",fontproperties = fm)
plt.title("The temperature between March and April",fontproperties=fm)
plt.show()

目录
相关文章
|
2月前
|
Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
2月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
46 1
|
2天前
|
数据可视化 JavaScript 前端开发
Python中交互式Matplotlib图表
【10月更文挑战第20天】Matplotlib 是 Python 中最常用的绘图库之一,但默认生成的图表是静态的。通过结合 mpld3 库,可以轻松创建交互式图表,提升数据可视化效果。本文介绍了如何使用 mpld3 在 Python 中创建交互式散点图、折线图和直方图,并提供了详细的代码示例和安装方法。通过添加插件,可以实现缩放、平移和鼠标悬停显示数据标签等交互功能。希望本文能帮助读者掌握这一强大工具。
17 5
|
6天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
25 5
|
1月前
|
Python
Matplotlib 教程 之 Matplotlib 散点图 1
通过设置参数如点的大小(`s`)、颜色(`c`)和样式(`marker`)等,可以定制图表外观。示例展示了如何用两个长度相同的数组分别表示 x 和 y 轴的值来创建基本散点图。
41 12
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
24 2
|
1月前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 散点图 7
使用 Matplotlib 的 `scatter()` 方法绘制散点图。该方法接受多个参数,如 x 和 y 数据点、点的大小(s)、颜色(c)和样式(marker)等。通过示例展示了如何利用颜色数组和颜色映射 (`cmap`) 来增强图表的表现力,并使用 `colorbar()` 方法添加颜色条,使数据可视化更加直观。
30 1
|
2月前
|
机器学习/深度学习 搜索推荐 数据可视化
Python量化炒股常用的Matplotlib包
Python量化炒股常用的Matplotlib包
|
1月前
|
数据可视化 数据挖掘 API
Python中的数据可视化利器:Matplotlib与Seaborn对比解析
在Python数据科学领域,数据可视化是一个重要环节。它不仅帮助我们理解数据,更能够让我们洞察数据背后的故事。本文将深入探讨两种广泛使用的数据可视化库——Matplotlib与Seaborn,通过对比它们的特点、优劣势以及适用场景,为读者提供一个清晰的选择指南。无论是初学者还是有经验的开发者,都能从中找到有价值的信息,提升自己的数据可视化技能。
65 3
|
19天前
|
数据可视化 定位技术 Python
Python数据可视化--Matplotlib--入门
Python数据可视化--Matplotlib--入门
21 0

热门文章

最新文章