以后你肯定会用到的，25个常用Matplotlib图的Python代码，可以不会不能没有

2301_82243078

1023人浏览 · 2024-03-28 12:52:03

2301_82243078 · 2024-03-28 12:52:03 发布

边缘箱图与边缘直方图具有相似的用途。然而，箱线图有助于精确定位X和Y的中位数，第25和第75百分位数。

‘’’

学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

Import Data

df = pd.read_csv(“https://raw.githubusercontent.com/selva86/datasets/master/mpg_ggplot2.csv”)

Create Fig and gridspec

fig = plt.figure(figsize=(16, 10), dpi= 80)

grid = plt.GridSpec(4, 4, hspace=0.5, wspace=0.2)

Define the axes

ax_main = fig.add_subplot(grid[:-1, :-1])

ax_right = fig.add_subplot(grid[:-1, -1], xticklabels=[], yticklabels=[])

ax_bottom = fig.add_subplot(grid[-1, 0:-1], xticklabels=[], yticklabels=[])

Scatterplot on main ax

ax_main.scatter(‘displ’, ‘hwy’, s=df.cty*5, c=df.manufacturer.astype(‘category’).cat.codes, alpha=.9, data=df, cmap=“Set1”, edgecolors=‘black’, linewidths=.5)

Add a graph in each part

sns.boxplot(df.hwy, ax=ax_right, orient=“v”)

sns.boxplot(df.displ, ax=ax_bottom, orient=“h”)

Decorations ------------------

Remove x axis name for the boxplot

ax_bottom.set(xlabel=‘’)

ax_right.set(ylabel=‘’)

Main Title, Xlabel and YLabel

ax_main.set(title='Scatterplot with Histograms

displ vs hwy’, xlabel=‘displ’, ylabel=‘hwy’)

Set font size of different components

ax_main.title.set_fontsize(20)

for item in ([ax_main.xaxis.label, ax_main.yaxis.label] + ax_main.get_xticklabels() + ax_main.get_yticklabels()):

item.set_fontsize(14)

plt.show()

在这里插入图片描述

8. 相关图

Correlogram用于直观地查看给定数据帧（或2D数组）中所有可能的数值变量对之间的相关度量。

Import Dataset

df = pd.read_csv(“https://github.com/selva86/datasets/raw/master/mtcars.csv”)

Plot

plt.figure(figsize=(12,10), dpi= 80)

sns.heatmap(df.corr(), xticklabels=df.corr().columns, yticklabels=df.corr().columns, cmap=‘RdYlGn’, center=0, annot=True)

Decorations

plt.title(‘Correlogram of mtcars’, fontsize=22)

plt.xticks(fontsize=12)

plt.yticks(fontsize=12)

plt.show()

在这里插入图片描述

9. 矩阵图

成对图是探索性分析中的最爱，以理解所有可能的数字变量对之间的关系。它是双变量分析的必备工具。

Load Dataset

df = sns.load_dataset(‘iris’)

Plot

plt.figure(figsize=(10,8), dpi= 80)

sns.pairplot(df, kind=“scatter”, hue=“species”, plot_kws=dict(s=80, edgecolor=“white”, linewidth=2.5))

plt.show()

在这里插入图片描述

Load Dataset

df = sns.load_dataset(‘iris’)

Plot

plt.figure(figsize=(10,8), dpi= 80)

sns.pairplot(df, kind=“reg”, hue=“species”)

plt.show()

在这里插入图片描述

10. 发散型条形图

如果您想根据单个指标查看项目的变化情况，并可视化此差异的顺序和数量，那么发散条是一个很好的工具。它有助于快速区分数据中组的性能，并且非常直观，并且可以立即传达这一点。

‘’’

学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

Prepare Data

df = pd.read_csv(“https://github.com/selva86/datasets/raw/master/mtcars.csv”)

x = df.loc[:, [‘mpg’]]

df[‘mpg_z’] = (x - x.mean())/x.std()

df[‘colors’] = [‘red’ if x < 0 else ‘green’ for x in df[‘mpg_z’]]

df.sort_values(‘mpg_z’, inplace=True)

df.reset_index(inplace=True)

Draw plot

plt.figure(figsize=(14,10), dpi= 80)

plt.hlines(y=df.index, xmin=0, xmax=df.mpg_z, color=df.colors, alpha=0.4, linewidth=5)

Decorations

plt.gca().set(ylabel=‘ $M o d e l$ ’, xlabel=‘ $M i l e a g e$ ’)

plt.yticks(df.index, df.cars, fontsize=12)

plt.title(‘Diverging Bars of Car Mileage’, fontdict={‘size’:20})

plt.grid(linestyle=‘–’, alpha=0.5)

plt.show()

在这里插入图片描述

11. 发散型文本

分散的文本类似于发散条，如果你想以一种漂亮和可呈现的方式显示图表中每个项目的价值，它更喜欢。

Prepare Data

df = pd.read_csv(“https://github.com/selva86/datasets/raw/master/mtcars.csv”)

x = df.loc[:, [‘mpg’]]

df[‘mpg_z’] = (x - x.mean())/x.std()

df[‘colors’] = [‘red’ if x < 0 else ‘green’ for x in df[‘mpg_z’]]

df.sort_values(‘mpg_z’, inplace=True)

df.reset_index(inplace=True)

Draw plot

plt.figure(figsize=(14,14), dpi= 80)

plt.hlines(y=df.index, xmin=0, xmax=df.mpg_z)

for x, y, tex in zip(df.mpg_z, df.index, df.mpg_z):

t = plt.text(x, y, round(tex, 2), horizontalalignment=‘right’ if x < 0 else ‘left’,

verticalalignment=‘center’, fontdict={‘color’:‘red’ if x < 0 else ‘green’, ‘size’:14})

Decorations

plt.yticks(df.index, df.cars, fontsize=12)

plt.title(‘Diverging Text Bars of Car Mileage’, fontdict={‘size’:20})

plt.grid(linestyle=‘–’, alpha=0.5)

plt.xlim(-2.5, 2.5)

plt.show()

在这里插入图片描述

12. 发散型包点图

发散点图也类似于发散条。然而，与发散条相比，条的不存在减少了组之间的对比度和差异。

Prepare Data

df = pd.read_csv(“https://github.com/selva86/datasets/raw/master/mtcars.csv”)

x = df.loc[:, [‘mpg’]]

df[‘mpg_z’] = (x - x.mean())/x.std()

df[‘colors’] = [‘red’ if x < 0 else ‘darkgreen’ for x in df[‘mpg_z’]]

df.sort_values(‘mpg_z’, inplace=True)

df.reset_index(inplace=True)

Draw plot

plt.figure(figsize=(14,16), dpi= 80)

plt.scatter(df.mpg_z, df.index, s=450, alpha=.6, color=df.colors)

for x, y, tex in zip(df.mpg_z, df.index, df.mpg_z):

t = plt.text(x, y, round(tex, 1), horizontalalignment=‘center’,

verticalalignment=‘center’, fontdict={‘color’:‘white’})

Decorations

Lighten borders

plt.gca().spines[“top”].set_alpha(.3)

plt.gca().spines[“bottom”].set_alpha(.3)

plt.gca().spines[“right”].set_alpha(.3)

plt.gca().spines[“left”].set_alpha(.3)

plt.yticks(df.index, df.cars)

plt.title(‘Diverging Dotplot of Car Mileage’, fontdict={‘size’:20})

plt.xlabel(‘ $M i l e a g e$ ’)

plt.grid(linestyle=‘–’, alpha=0.5)

plt.xlim(-2.5, 2.5)

plt.show()

在这里插入图片描述

13. 带标记的发散型棒棒糖图

带标记的棒棒糖通过强调您想要引起注意的任何重要数据点并在图表中适当地给出推理，提供了一种可视化分歧的灵活方式。

‘’’

学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

Prepare Data

df = pd.read_csv(“https://github.com/selva86/datasets/raw/master/mtcars.csv”)

x = df.loc[:, [‘mpg’]]

df[‘mpg_z’] = (x - x.mean())/x.std()

df[‘colors’] = ‘black’

color fiat differently

df.loc[df.cars == ‘Fiat X1-9’, ‘colors’] = ‘darkorange’

df.sort_values(‘mpg_z’, inplace=True)

df.reset_index(inplace=True)

Draw plot

import matplotlib.patches as patches

plt.figure(figsize=(14,16), dpi= 80)

plt.hlines(y=df.index, xmin=0, xmax=df.mpg_z, color=df.colors, alpha=0.4, linewidth=1)

plt.scatter(df.mpg_z, df.index, color=df.colors, s=[600 if x == ‘Fiat X1-9’ else 300 for x in df.cars], alpha=0.6)

plt.yticks(df.index, df.cars)

plt.xticks(fontsize=12)

Annotate

plt.annotate(‘Mercedes Models’, xy=(0.0, 11.0), xytext=(1.0, 11), xycoords=‘data’,

fontsize=15, ha=‘center’, va=‘center’,

bbox=dict(boxstyle=‘square’, fc=‘firebrick’),

arrowprops=dict(arrowstyle=‘-[, widthB=2.0, lengthB=1.5’, lw=2.0, color=‘steelblue’), color=‘white’)

Add Patches

p1 = patches.Rectangle((-2.0, -1), width=.3, height=3, alpha=.2, facecolor=‘red’)

p2 = patches.Rectangle((1.5, 27), width=.8, height=5, alpha=.2, facecolor=‘green’)

plt.gca().add_patch(p1)

plt.gca().add_patch(p2)

Decorate

plt.title(‘Diverging Bars of Car Mileage’, fontdict={‘size’:20})

plt.grid(linestyle=‘–’, alpha=0.5)

plt.show()

在这里插入图片描述

14.面积图

通过对轴和线之间的区域进行着色，区域图不仅强调峰值和低谷，而且还强调高点和低点的持续时间。高点持续时间越长，线下面积越大。

import numpy as np

import pandas as pd

Prepare Data

df = pd.read_csv(“https://github.com/selva86/datasets/raw/master/economics.csv”, parse_dates=[‘date’]).head(100)

x = np.arange(df.shape[0])

y_returns = (df.psavert.diff().fillna(0)/df.psavert.shift(1)).fillna(0) * 100

Plot

plt.figure(figsize=(16,10), dpi= 80)

plt.fill_between(x[1:], y_returns[1:], 0, where=y_returns[1:] >= 0, facecolor=‘green’, interpolate=True, alpha=0.7)

plt.fill_between(x[1:], y_returns[1:], 0, where=y_returns[1:] <= 0, facecolor=‘red’, interpolate=True, alpha=0.7)

Annotate

plt.annotate('Peak

1975’, xy=(94.0, 21.0), xytext=(88.0, 28),

bbox=dict(boxstyle=‘square’, fc=‘firebrick’),

arrowprops=dict(facecolor=‘steelblue’, shrink=0.05), fontsize=15, color=‘white’)

Decorations

xtickvals = [str(m)[:3].upper()+“-”+str(y) for y,m in zip(df.date.dt.year, df.date.dt.month_name())]

plt.gca().set_xticks(x[::6])

plt.gca().set_xticklabels(xtickvals[::6], rotation=90, fontdict={‘horizontalalignment’: ‘center’, ‘verticalalignment’: ‘center_baseline’})

plt.ylim(-35,35)

plt.xlim(1,100)

plt.title(“Month Economics Return %”, fontsize=22)

plt.ylabel(‘Monthly returns %’)

plt.grid(alpha=0.5)

plt.show()

在这里插入图片描述

15. 有序条形图

有序条形图有效地传达了项目的排名顺序。但是，在图表上方添加度量标准的值，用户可以从图表本身获取精确信息。

Prepare Data

df_raw = pd.read_csv(“https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv”)

df = df_raw[[‘cty’, ‘manufacturer’]].groupby(‘manufacturer’).apply(lambda x: x.mean())

df.sort_values(‘cty’, inplace=True)

df.reset_index(inplace=True)

Draw plot

import matplotlib.patches as patches

fig, ax = plt.subplots(figsize=(16,10), facecolor=‘white’, dpi= 80)

ax.vlines(x=df.index, ymin=0, ymax=df.cty, color=‘firebrick’, alpha=0.7, linewidth=20)

Annotate Text

for i, cty in enumerate(df.cty):

ax.text(i, cty+0.5, round(cty, 1), horizontalalignment=‘center’)

Title, Label, Ticks and Ylim

ax.set_title(‘Bar Chart for Highway Mileage’, fontdict={‘size’:22})

ax.set(ylabel=‘Miles Per Gallon’, ylim=(0, 30))

plt.xticks(df.index, df.manufacturer.str.upper(), rotation=60, horizontalalignment=‘right’, fontsize=12)

Add patches to color the X axis labels

p1 = patches.Rectangle((.57, -0.005), width=.33, height=.13, alpha=.1, facecolor=‘green’, transform=fig.transFigure)

p2 = patches.Rectangle((.124, -0.005), width=.446, height=.13, alpha=.1, facecolor=‘red’, transform=fig.transFigure)

fig.add_artist(p1)

fig.add_artist(p2)

plt.show()

在这里插入图片描述

16. 棒棒糖图

棒棒糖图表以一种视觉上令人愉悦的方式提供与有序条形图类似的目的。

‘’’

学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

Prepare Data

df_raw = pd.read_csv(“https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv”)

df = df_raw[[‘cty’, ‘manufacturer’]].groupby(‘manufacturer’).apply(lambda x: x.mean())

df.sort_values(‘cty’, inplace=True)

df.reset_index(inplace=True)

Draw plot

fig, ax = plt.subplots(figsize=(16,10), dpi= 80)

ax.vlines(x=df.index, ymin=0, ymax=df.cty, color=‘firebrick’, alpha=0.7, linewidth=2)

ax.scatter(x=df.index, y=df.cty, s=75, color=‘firebrick’, alpha=0.7)

Title, Label, Ticks and Ylim

ax.set_title(‘Lollipop Chart for Highway Mileage’, fontdict={‘size’:22})

ax.set_ylabel(‘Miles Per Gallon’)

ax.set_xticks(df.index)

ax.set_xticklabels(df.manufacturer.str.upper(), rotation=60, fontdict={‘horizontalalignment’: ‘right’, ‘size’:12})

ax.set_ylim(0, 30)

Annotate

for row in df.itertuples():

ax.text(row.Index, row.cty+.5, s=round(row.cty, 2), horizontalalignment= ‘center’, verticalalignment=‘bottom’, fontsize=14)

plt.show()

在这里插入图片描述

17. 包点图

点图表传达了项目的排名顺序。由于它沿水平轴对齐，因此您可以更容易地看到点彼此之间的距离。

Prepare Data

df_raw = pd.read_csv(“https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv”)

df = df_raw[[‘cty’, ‘manufacturer’]].groupby(‘manufacturer’).apply(lambda x: x.mean())

df.sort_values(‘cty’, inplace=True)

df.reset_index(inplace=True)

Draw plot

fig, ax = plt.subplots(figsize=(16,10), dpi= 80)

ax.hlines(y=df.index, xmin=11, xmax=26, color=‘gray’, alpha=0.7, linewidth=1, linestyles=‘dashdot’)

ax.scatter(y=df.index, x=df.cty, s=75, color=‘firebrick’, alpha=0.7)

Title, Label, Ticks and Ylim

ax.set_title(‘Dot Plot for Highway Mileage’, fontdict={‘size’:22})

ax.set_xlabel(‘Miles Per Gallon’)

ax.set_yticks(df.index)

ax.set_yticklabels(df.manufacturer.str.title(), fontdict={‘horizontalalignment’: ‘right’})

ax.set_xlim(10, 27)

plt.show()

在这里插入图片描述

18. 坡度图

斜率图最适合比较给定人/项目的“之前”和“之后”位置。

import matplotlib.lines as mlines

Import Data

df = pd.read_csv(“https://raw.githubusercontent.com/selva86/datasets/master/gdppercap.csv”)

klass = [‘red’ if (y1-y2) < 0 else ‘green’ for y1, y2 in zip(df[‘1952’], df[‘1957’])]

draw line

https://stackoverflow.com/questions/36470343/how-to-draw-a-line-with-matplotlib/36479941

def newline(p1, p2, color=‘black’):

ax = plt.gca()

l = mlines.Line2D([p1[0],p2[0]], [p1[1],p2[1]], color=‘red’ if p1[1]-p2[1] > 0 else ‘green’, marker=‘o’, markersize=6)

ax.add_line(l)

return l

fig, ax = plt.subplots(1,1,figsize=(14,14), dpi= 80)

Vertical Lines

ax.vlines(x=1, ymin=500, ymax=13000, color=‘black’, alpha=0.7, linewidth=1, linestyles=‘dotted’)

ax.vlines(x=3, ymin=500, ymax=13000, color=‘black’, alpha=0.7, linewidth=1, linestyles=‘dotted’)

Points

ax.scatter(y=df[‘1952’], x=np.repeat(1, df.shape[0]), s=10, color=‘black’, alpha=0.7)

ax.scatter(y=df[‘1957’], x=np.repeat(3, df.shape[0]), s=10, color=‘black’, alpha=0.7)

Line Segmentsand Annotation

for p1, p2, c in zip(df[‘1952’], df[‘1957’], df[‘continent’]):

newline([1,p1], [3,p2])

ax.text(1-0.05, p1, c + ', ’ + str(round(p1)), horizontalalignment=‘right’, verticalalignment=‘center’, fontdict={‘size’:14})

ax.text(3+0.05, p2, c + ', ’ + str(round(p2)), horizontalalignment=‘left’, verticalalignment=‘center’, fontdict={‘size’:14})

‘Before’ and ‘After’ Annotations

ax.text(1-0.05, 13000, ‘BEFORE’, horizontalalignment=‘right’, verticalalignment=‘center’, fontdict={‘size’:18, ‘weight’:700})

ax.text(3+0.05, 13000, ‘AFTER’, horizontalalignment=‘left’, verticalalignment=‘center’, fontdict={‘size’:18, ‘weight’:700})

Decoration

ax.set_title(“Slopechart: Comparing GDP Per Capita between 1952 vs 1957”, fontdict={‘size’:22})

ax.set(xlim=(0,4), ylim=(0,14000), ylabel=‘Mean GDP Per Capita’)

ax.set_xticks([1,3])

ax.set_xticklabels([“1952”, “1957”])

plt.yticks(np.arange(500, 13000, 2000), fontsize=12)

Lighten borders

plt.gca().spines[“top”].set_alpha(.0)

plt.gca().spines[“bottom”].set_alpha(.0)

plt.gca().spines[“right”].set_alpha(.0)

plt.gca().spines[“left”].set_alpha(.0)

plt.show()

在这里插入图片描述

19. 哑铃图

哑铃图传达各种项目的“前”和“后”位置以及项目的排序。如果您想要将特定项目/计划对不同对象的影响可视化，那么它非常有用。

‘’’

学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

import matplotlib.lines as mlines

Import Data

df = pd.read_csv(“https://raw.githubusercontent.com/selva86/datasets/master/health.csv”)

df.sort_values(‘pct_2014’, inplace=True)

df.reset_index(inplace=True)

Func to draw line segment

def newline(p1, p2, color=‘black’):

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V：vip1024c 备注Python获取（资料价值较高，非无偿）

p2, color=‘black’):

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
[外链图片转存中…(img-irps5PaV-1711601512624)]
[外链图片转存中…(img-MoFWCEDH-1711601512624)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

如果你觉得这些内容对你有帮助，可以添加V：vip1024c 备注Python获取（资料价值较高，非无偿）
[外链图片转存中…(img-AZCUVRtJ-1711601512624)]

GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

[转载]在Windows环境下安装GNU Radio

转自：在Windows环境下安装GNURadio_恐弱智_新浪博客GNU Radio是用Python开发的，大部分开源的工程能够在Linux环境下运行良好，而Windows下却运行的很勉强，而且安装配置都很复杂。GNU Radio算是个例外了，不光提供了Windows的二进制安装，还有比较详细的说明。我是Python小白，所以折腾了好久才弄好，特意记录下来，免得以后再装还折腾。GNU Radio的

GitCode 开源社区

centOS 8 使用dnf安装Docker

DNF是什么？CentOS 8使用YUM软件包管理器版本v4.0.4。现在，该版本使用DNF(已删除YUM)。DNF是软件包管理器。它会在Linux发行版上安装，执行更新并删除软件包。使用DNF安装Docker跳过具有损坏依赖性的程序包一个有效的解决方案是使您的CentOS 8系统使用以下--nobest命令安装最符合条件的版本：sudo dnf install docker...

GitCode 开源社区

定时同步数据库表(mysql+linux+crontab)

sync.sh里面的参数需要改变，ip/username/password/database/tablesync.sh#!/bin/sh# Please change the IP and password of the data source db.# Then change the table name.filename=/home/nington/db/$(date +%Y-%m