matplotlib绘图

一基础例1 知识点在一个画布上绘制多幅图片，了解需要导入的模块了解plot的用法了解title xlable ylable用法了解rcparams如何使用import numpy as npfrom matplotlib import pyplot as pltx = np.arange(1,11)y = 2 * x + 5data=np.arange(0,5,0.1)plt.rcParams['lines.linewidth']=5plt.title("Matplotlib demo")plt.xlabel("x axis caption")plt.ylabel("y axis caption")plt.plot(x,y)plt.plot(data,data**2)plt.plot(data,data)plt.show()例2 知识点了解常见的数学函数的使用如何创建m*n网络-plt.subplot(3, 3, 1)了解网格的定位 -根据subplot的第三个参数,下标从1开始import numpy as npimport matplotlib.pyplot as plt# 计算正弦和余弦曲线上的点的 x 和 y 坐标x = np.arange(0, 3 * np.pi, 0.1)y_sin = np.sin(x)y_cos = np.cos(x)y_arctan=np.arctan(x)# 建立 subplot 网格，高为 3，宽为3# 激活第一个 subplotplt.subplot(3, 3, 1)# 绘制第一个图像plt.plot(x, y_sin)plt.title('Sinx')# 将第二个 subplot 激活，并绘制第二个图像plt.subplot(3, 3, 5)plt.plot(x, y_cos)plt.title('Cosx')plt.subplot(3, 3, 9)plt.plot(x, y_arctan)plt.title('ARCTan')plt.rcParams['lines.linewidth']=1plt.rcParams['lines.linestyle']='-.'# 展示图像plt.show()例3知识点：import matplotlib.pyplot as pltimport numpy as npx1 = [1, 2, 3, 4]y1 = [1, 2, 3, 4] #第一组数据x2 = [1, 2, 3, 4]y2 = [2, 3, 4, 5] #第二组数据n = 10x3 = np.random.randint(0, 5, n)y3 = np.random.randint(0, 5, n) #使用随机数产生plt.scatter(x1, y1, marker = 'x',color = 'red', s = 40 ,label = 'First')# 记号形状颜色点的大小设置标签plt.scatter(x2, y2, marker = '+', color = 'blue', s = 40, label = 'Second') plt.scatter(x3, y3, marker = 'o', color = 'green', s = 40, label = 'Third') plt.legend(loc = 'best') # 设置图例所在的位置使用推荐位置plt.show()二实验准备工作：把数据文件导进来1 绘制第一季度散点图import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']='SimHei'#设置中文显示，否则可能无法显示中文或者是各种字符错乱plt.rcParams['axes.unicode_minus']=Falsedata=np.load("D:/tmp/国民经济核算季度数据.npz")#加载数据print(data)#这时的data是数据对象print(data.keys())#该数据对象是个字典，所以先获取他的key值print(data['columns'])#看一下key值里面有什么，print(data['values'])#看一下value值里面有什么，name=data['columns']values=data['values']plt.figure(figsize=(8,7))plt.scatter(values[:,0],values[:,2],marker='o')#以数据的第零列做x轴，第三列做y 轴,来描绘散点图plt.xlabel('年份');plt.ylabel('生产总值（亿元）');plt.ylim((0,225000))plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)#此时取得值都是第一季度的plt.title('2000-2018年季度生产总值散点图')plt.savefig('D:/tmp/2000-2018年季度生产总值散点图.png')#注意要先保存再show plt.show()#下面是得到的结果2 分析的第1，2，3产业的的国民生产总值import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']='SimHei'#设置中文显示，否则可能无法显示中文或者是各种字符错乱plt.rcParams['axes.unicode_minus']=Falsedata=np.load("D:/tmp/国民经济核算季度数据.npz")#加载数据plt.figure(figsize=(8,7))plt.scatter(values[:,0],values[:,3],marker='o',c='red')#下面三类是绘制的第一二三产业的增加值plt.scatter(values[:,0],values[:,4],marker='D',c='blue')plt.scatter(values[:,0],values[:,5],marker='v',c='yellow')plt.xlabel('年份');plt.ylabel('生产总值（亿元）');plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)#此时取得值都是第一季度的plt.title('2000-2018年季度生产总值散点图')plt.legend(['第一产业','第二产业','第三产业'])plt.savefig('D:/tmp/2000-2018年季度生产总值散点图.png')#注意要先保存再show plt.show()分析图，可以得到：第一季度增长平缓，第三季度呈现指数增长，第二季度每年会根据季度呈现指数增长。

总体来看，我国近18年的各个产业都在持续增长中，并且第二和第三产业的增长幅度比较大，18年增长了400%以上。

3 折线图分析第一季度import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']='SimHei'#设置中文显示，否则可能无法显示中文或者是各种字符错乱plt.rcParams['axes.unicode_minus']=Falsedata=np.load("D:/tmp/国民经济核算季度数据.npz")#加载数据plt.figure(figsize=(8,7))plt.plot(values[:,0],values[:,2],color='r',linestyle='--')plt.xlabel('年份');plt.ylabel('生产总值（亿元）');plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)#此时取得值都是第一季度的plt.title('2000-2018年季度生产总值折现图')plt.savefig('D:/tmp/2000-2018年季度生产总值散点图.png')#注意要先保存再show plt.show()散点图可以反映x和y轴（特性）的相关关系，而绘制折线图可以了解特性之间的趋势关系4 点线图（其实就是改变marker）import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']='SimHei'plt.rcParams['axes.unicode_minus']=Falsedata=np.load("D:/tmp/国民经济核算季度数据.npz")#加载数据plt.figure(figsize=(8,7))plt.plot(values[:,0],values[:,2],color='r',linestyle='--',marker='s')#plot绘制点线图plt.xlabel('年份',fontsize=10);plt.ylabel('生产总值（亿元）',fontsize=20);plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)plt.title('2000-2007年各季度国民生产总值点线图')plt.savefig('D:/tmp/a4.png')plt.show()有时可能默认的图片字体大小可能不符合要求，只需要用fontsize去改变大小即可5 各产业季度生产总值折线图plt.plot(values[:,0],values[:,3],'bs-')#第三个参数的含义是颜色blue点的形状正方形线的类型是实线-plt.plot(values[:,0],values[:,4],'ro-.')plt.plot(values[:,0],values[:,5],'gh--')plt.xlabel('年份',fontsize=15);plt.ylabel('生产总值（亿元）',fontsize=20);plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)plt.title('2000-2007年各季度国民生产总值折线图')plt.legend(['第一季度','第二季度','第三季度'])plt.savefig('D:/tmp/a4.png')plt.show()同时把三条线加到同一张图片上，同时每个图片设置各自的属性（颜色，点的形状，线性）注意要先绘制图形，再添加图例（先plot再legend）否则图列显示不出来。