硬件开发网站,美御品牌推广,网页升级访问升级,上海公司名字Python 数据分析重点知识点
本系列不同其他的知识点讲解#xff0c;力求通过例子让新同学学习用法#xff0c;帮助老同学快速回忆知识点
可视化系列#xff1a;
Python基础数据分析工具数据处理与分析数据可视化机器学习基础
四、数据可视化
图表类型与选择
根据数据特…Python 数据分析重点知识点
本系列不同其他的知识点讲解力求通过例子让新同学学习用法帮助老同学快速回忆知识点
可视化系列
Python基础数据分析工具数据处理与分析数据可视化机器学习基础
四、数据可视化
图表类型与选择
根据数据特点和分析目的选合适图表类型。 图形大全解析 非常全面 可视化技巧
①设置中文字体
# 设置中文字体
matplotlib.rcParams[font.sans-serif] [SimHei]
matplotlib.rcParams[font.family]sans-serif②通过subplots函数创建多个子图并调整布局
# subplots详解
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
# 设置中文字体
matplotlib.rcParams[font.sans-serif] [SimHei]
matplotlib.rcParams[font.family]sans-serif
# 创建数据
# 生成从0到10的等间距数组共100个数值
x np.linspace(0, 10, 100)
y1 np.sin(x)
y2 np.cos(x)
y3 np.tan(x)
y4 np.exp(x / 10)# 创建2x2的子图网格
fig, axs plt.subplots(2, 2, figsize(10, 8))# 在第一个子图中绘制正弦曲线
axs[0, 0].plot(x, y1, labelsin(x))
axs[0, 0].set_title(正弦曲线)
axs[0, 0].legend() #用于生成图例# 在第二个子图中绘制余弦曲线
axs[0, 1].plot(x, y2, labelcos(x), colorr)
axs[0, 1].set_title(余弦曲线)
axs[0, 1].legend()# 在第三个子图中绘制正切曲线
axs[1, 0].plot(x, y3, labeltan(x), colorg)
axs[1, 0].set_title(正切曲线)
axs[1, 0].legend()# 在第四个子图中绘制指数曲线
axs[1, 1].plot(x, y4, labelexp(x/10), colorm)
axs[1, 1].set_title(指数曲线)
axs[1, 1].legend()# 自动调整布局
plt.tight_layout()# 显示图表
plt.show()fig, axs plt.subplots(2, 2, figsize(10, 8)) 是 Matplotlib 库中的一个函数调用用于创建一个包含多个子图subplot的图形对象。这个函数返回两个对象 fig这是一个 Figure 对象表示整个图形或画布。你可以使用它来设置图形的整体属性比如标题、大小等。 axs这是一个包含多个 Axes 对象的数组。每个 Axes 对象代表一个子图。在这个例子中axs 是一个 2x2的数组因此共有四个子图。 ③使用Echarts结合Python 使用Python进行数据处理可以使用Pandas、NumPy等库来处理和分析数据。 将处理后的数据转换为JSON格式ECharts支持JSON格式的数据输入因此需要将Python中的数据转换为JSON格式。 使用ECharts生成图表在HTML文件中引入ECharts库并使用JavaScript代码来加载和显示图表。 将Python和ECharts集成可以通过Web框架如Flask或Django来集成Python和ECharts或者使用Jupyter Notebook中的IPython显示模块来直接在Notebook中显示ECharts图表。