数据挖掘之matplotlib入门

简单介绍

matplotlib库是Python数据挖掘中的库之一，主要用于2D绘图，简单的3D绘图，数据可视化的库。

Python数据挖掘相关扩展库

简单使用

（一）画根直线

y=x+10的直线

代码：

def print_line_draw():
    """
    画直线图
    :return: 
    """
    # 创建一个0-10之间以1为间隔的numpy数组
    x = np.arange(0, 10, 1)
    y = x + 10

    # 绘制图形
    plt.plot(x, y, color='blue', linestyle='--', marker='*', linewidth=1, label=' y = x + 10 ')

    # 保存图片，dpi表示
    plt.savefig('first.png', dpi=50)
    # 显示图例
    plt.legend()
    # 显示图形
    plt.show()

（二）画个饼图

饼图

代码：

def print_pie_draw():
    """
    画饼状图
    :return: 
    """
    # 指定每个切片大小（比例）
    slice = [2,3,4,9]
    # 指定标签
    activities =['sleeping','eating','working','playing']
    # 颜色
    cols = ['c','m','r','b']

    plt.pie(slice,
            labels=activities,
            colors=cols,
            startangle=90, #开始角度，默认是0度，从x轴开始，90度从y轴开始
            shadow=True,
            explode=(0,0.1,0,0), # 拉出第二个切片，如果全为0，就不拉出，这里的数字相对于圆心的距离
            autopct='%1.1f%%')   # 显示百分比
    plt.title('Activities analysis')
    # explode 这个词里面的参数第一个0代表第一个切片，距离原点为0距离
    plt.show()

（三）画个散点图

散点图

代码：

def print_scatter_draw():
    """
    画散点图
    :return: 
    """
    x = np.random.rand(1000)
    y = np.random.rand(len(x))

    # 绘图
    plt.scatter(x,y,color='r',alpha=0.3,label='scatter draw ',marker='p')
    plt.legend()

    #plt.axis([0,2,0,2])# 设置坐标的范围
    plt.show()

（四）画个直方图

有点丑的直方图

代码：

def print_hist_draw():
    """
    绘制直方图
    :return: 
    """
    x = np.random.randint(1,1000,200)

    axit = plt.gca()  # 得到当前的绘图对象
    #bins 直方图的个数，histtype 直方图的样式 normed 直方图归一化，显示概率密度（默认false）
    axit.hist(x,bins=35,facecolor='r',normed=True,histtype='bar',alpha=0.5)
    axit.set_xlabel('values') # 设置x的标签
    axit.set_ylabel('Frequery') # 设置y的标签
    axit.set_title('HIST')
    plt.show()

（五）简单的三角函数

三角函数图

代码：

def print_sinandcos_line():

    x = np.linspace(0,10,1000)
    y = np.sin(x) +1
    z = np.cos(x**2) +1

    # 设置图像大小
    plt.figure(figsize=(8,4))
    # 作图，设置标签，线条颜色，线条大小
    plt.plot(x,y,label='$\sin x +1$',color='red',linewidth=2)
    # 作图，设置标签，线条类型
    plt.plot(x,z,'b--',label='$\cos x^2+1$')
    # 设置x轴名称
    plt.xlabel('Time(s)')
    # 设置y轴名称
    plt.ylabel('Volt')
    # 设置标题
    plt.title('A simple Example')
    # 显示的y轴范围
    plt.ylim(0,2.2)
    # 显示图例
    plt.legend()
    # 显示作图结果
    plt.show()

---

以上就是对今天matplotlib函数的简单使用

全部代码

# -*- coding: utf-8 -*-
# @Time    : 2018/3/26 15:09
# @Author  : 蛇崽
# @Email   : 643435675@QQ.com
# @File    : test_matplotlib.py

import matplotlib.pyplot as plt
import numpy as np


def print_line_draw():
    """
    画直线图
    :return: 
    """
    # 创建一个0-10之间以1为间隔的numpy数组
    x = np.arange(0, 10, 1)
    y = x + 10

    # 绘制图形
    plt.plot(x, y, color='blue', linestyle='--', marker='*', linewidth=1, label=' y = x + 10 ')

    # 保存图片，dpi表示
    plt.savefig('first.png', dpi=50)
    # 显示图例
    plt.legend()
    # 显示图形
    plt.show()


def print_pie_draw():
    """
    画饼状图
    :return: 
    """
    # 指定每个切片大小（比例）
    slice = [2,3,4,9]
    # 指定标签
    activities =['sleeping','eating','working','playing']
    # 颜色
    cols = ['c','m','r','b']

    plt.pie(slice,
            labels=activities,
            colors=cols,
            startangle=90, #开始角度，默认是0度，从x轴开始，90度从y轴开始
            shadow=True,
            explode=(0,0.1,0,0), # 拉出第二个切片，如果全为0，就不拉出，这里的数字相对于圆心的距离
            autopct='%1.1f%%')   # 显示百分比
    plt.title('Activities analysis')
    # explode 这个词里面的参数第一个0代表第一个切片，距离原点为0距离
    plt.show()


def print_scatter_draw():
    """
    画散点图
    :return: 
    """
    x = np.random.rand(1000)
    y = np.random.rand(len(x))

    # 绘图
    plt.scatter(x,y,color='r',alpha=0.3,label='scatter draw ',marker='p')
    plt.legend()

    #plt.axis([0,2,0,2])# 设置坐标的范围
    plt.show()
    pass


def print_hist_draw():
    """
    绘制直方图
    :return: 
    """
    x = np.random.randint(1,1000,200)

    axit = plt.gca()  # 得到当前的绘图对象
    #bins 直方图的个数，histtype 直方图的样式 normed 直方图归一化，显示概率密度（默认false）
    axit.hist(x,bins=35,facecolor='r',normed=True,histtype='bar',alpha=0.5)
    axit.set_xlabel('values') # 设置x的标签
    axit.set_ylabel('Frequery') # 设置y的标签
    axit.set_title('HIST')
    plt.show()
    pass


def print_sinandcos_line():

    x = np.linspace(0,10,1000)
    y = np.sin(x) +1
    z = np.cos(x**2) +1

    # 设置图像大小
    plt.figure(figsize=(8,4))
    # 作图，设置标签，线条颜色，线条大小
    plt.plot(x,y,label='$\sin x +1$',color='red',linewidth=2)
    # 作图，设置标签，线条类型
    plt.plot(x,z,'b--',label='$\cos x^2+1$')
    # 设置x轴名称
    plt.xlabel('Time(s)')
    # 设置y轴名称
    plt.ylabel('Volt')
    # 设置标题
    plt.title('A simple Example')
    # 显示的y轴范围
    plt.ylim(0,2.2)
    # 显示图例
    plt.legend()
    # 显示作图结果
    plt.show()
    pass


if __name__ == '__main__':
    # print_line_draw()
    # print_pie_draw()
    # print_scatter_draw()
    # print_hist_draw()
    print_sinandcos_line()