python数据可视化之matplotlib.pyplot

---

不论是数据挖掘还是数据建模,都免不了数据可视化的问题,对于Python来说,Matplotlib是最著名的绘图库,它主要用于二维绘图,这篇文章主要给大家介绍了关于python数据可视化之matplotlib.pyplot基础以及折线图的相关资料,需要的朋友可以参考下

不论是数据挖掘还是数据建模，都免不了数据可视化的问题。对于Python来说，Matplotlib是最著名的绘图库，它主要用于二维绘图，当然它也可以进行简单的三维绘图(基于spyder)。

模块引用

import matplotlib.pyplot as plt #引用画图库中的pyplot模块

1
2

折线条图

语法

import matplotlib.pyplot as plt
data=\[1,2,3,4,5,4,2,4,6,7\] #随便创建了一个数据
plt.plot(data) #引用画图库中的pyplot模块

1
2
3
4

plot参数

基本折线图不能满足，这时就需plot的参数来进行调整

美化示例：

import matplotlib.pyplot as plt
yy=\[1,2,3,4,5,4,2,4,6,7\]#随便创建了一个数据
xx=\[3,5,4,1,2,3,4,5,6,3\]
zz=\[2,3,4,6,4,3,2,4,5,6\]
plt.plot(yy,color='r',linewidth=5,linestyle=':',label='数据一')#color指定线条颜色，labeL标签内容
plt.plot(xx,color='g',linewidth=2,linestyle='--',label='数据二')#linewidth指定线条粗细
plt.plot(zz,color='b',linewidth=0.5,linestyle='-',label='数据三')#linestyle指定线形为点
plt.legend(loc=2)#标签展示位置，数字代表标签具位置
plt.xlabel('X轴称')
plt.ylabel('Y轴的名称')
plt.title('2018.7.30折线图示例')
plt.ylim(0,10)#Y轴标签范围为0-10

1
2
3
4
5
6
7
8
9
10
11
12
13

plt常用参数有：

官网详细说明点这里

plt常画图例有：

官网详细说明点这里

plot常用参数有：

官网详细说明点这里

实际应用案例

因案例涉及机密数据，只展示数据可视化的过程及结果，先放结果输出的样式

import pandas as pd #导入pandas库
import pymysql as mysql #导入mysql库
import matplotlib.pyplot as plt #导入数据可视化库
import numpy as np #导入numpy库
plt.rcParams\['font.sans-serif'\] = \['Microsoft Yahei'\] #指定文字字体格式为微软雅黑字段
plt.rcParams\['axes.unicode\_minus'\] = False

1
2
3
4
5
6
7

connection=mysql.connect(host='数据库ip',port='端口',user='用户账号',password='登录密码',db='连接的库名',charset='utf8')#设置连接数据库的参数
select=connection.cursor()#创建游标
select.execute("SELECT \* FROM tabel")#写入SQL查询语句
zd=list((pd.DataFrame(list(select.description)))\[0\])#获取查询结果的列名
sqldata=select.fetchall()#获取查询结果
select.close #关闭查询
connection.close #关闭数据库接接
data1=pd.DataFrame(list(sqldata)) #将数据转化成df类型
data1.columns=zd #将列名重置为查询结果列名

plt.figure(figsize=(10,5)) #设置图表大小，长10，宽5
plt.plot(data1\['机器A拟合度'\],label='机器A准确率',color='#aa0000',linestyle='-',linewidth=3)#画机器A准确率的线条
plt.plot(data1\['人工A拟合度'\],label='人工A准确率',color='#aa0000',linestyle=':',linewidth=3)#画人工A准确率的线条
plt.plot(data1\['机器B拟合度'\],label='机器B准确率',color='#666666',linestyle='-',linewidth=3)#画机器B准确率的线条
plt.plot(data1\['人工B拟合度'\],label='人工B准确率',color='#666666',linestyle=':',linewidth=3)#画人工B准确率的线条
plt.plot(\[0,7\],\[0.9,0.9\],color='g',linestyle='-.',linewidth=1)#画一根绿色的辅助线，x轴从0到7，Y轴为0.9
plt.xticks(np.arange(8),('wk23','wk24','wk25','wk26','wk27','wk28','wk29','wk30'))#更改图表X标签为制定内容
plt.legend(loc=4)#将图例说明放在图表的右下角
plt.title('人机绝对准确率6.4-7.29',fontsize=20)#命名图表名称，设置字体大小
plt.xlabel('周',fontsize=20)#设置X轴名称及字体大小
plt.ylabel('准确率%',fontsize=20)#设置Y轴名称及字体大小

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

---

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉CSDN大礼包：《Python入门资料&实战源码&安装工具】免费领取（安全链接，放心点击）

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python基础学习视频

② 路线对应学习视频

还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~在这里插入图片描述

③练习题

每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！

因篇幅有限，仅展示部分资料

三、精品Python学习书籍

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python工具包+项目源码合集

①Python工具包

学习Python常用的开发软件都在这里了！每个都有详细的安装教程，保证你可以安装成功哦！

②Python实战案例

光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。100+实战案例源码等你来拿！

③Python小游戏源码

如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

六、Python兼职渠道

而且学会Python以后，还可以在各大兼职平台接单赚钱，各种兼职渠道+兼职注意事项+如何和客户沟通，我都整理成文档了。


这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】