天津谁做网站,wordpress手机端跳转,云建站不能用了吗,wordpress 分类目录树Matplotlib绘图技巧#xff08;三#xff09; 写在前面7. 雷达图7.1 圆形雷达图7.2 多边形雷达图 8. 极坐标图 subplot9. 折线图 plot10. 灰度图 meshgrid11. 热力图11.1 自定义colormap 12. 箱线图 boxplot 写在前面
终于更新完Matplotlib绘图技巧的全部内容#xff0c;有… Matplotlib绘图技巧三 写在前面7. 雷达图7.1 圆形雷达图7.2 多边形雷达图 8. 极坐标图 subplot9. 折线图 plot10. 灰度图 meshgrid11. 热力图11.1 自定义colormap 12. 箱线图 boxplot 写在前面
终于更新完Matplotlib绘图技巧的全部内容有需要完整文档的同学欢迎留言~
7. 雷达图
7.1 圆形雷达图
import matplotlib.pyplot as plt
import numpy as np
p1{编程能力:60,沟通技能:70,专业知识:65,团体协作:75,工具掌握:80} #创建第一个人的数据
p2{编程能力:70,沟通技能:60,专业知识:75,团体协作:65,工具掌握:70} #创建第二个人的数据
# 分别提取两个人的信息和对应的标签
data1np.array([i for i in
p1.values()]).astype(int) #提取第一个人的信息
data2np.array([i for i in
p2.values()]).astype(int) #提取第二个人的信息
labelnp.array([j for j in p1.keys()]) #提取标签
angle np.linspace(0, 2*np.pi, len(data1),
endpointFalse) #data里有几个数据就把整圆360°分成几份
# 闭合的目的是在绘图时能够生成闭合的环
angles np.concatenate((angle, [angle[0]])) #增加第一个angle到所有angle里以实现闭合
data1 np.concatenate((data1, [data1[0]])) #增加第一个人的第一个data到第一个人所有的data里以实现闭合
data2 np.concatenate((data2, [data2[0]])) #增加第二个人的第一个data到第二个人所有的data里以实现闭合
fig plt.figure()
ax fig.add_subplot(111, polarTrue) # 设置坐标轴为极坐标
# 绘制两个数据样本的闭合环
ax.plot(angles, data1, bo-, linewidth2,
colorgreen, alpha0.5)
ax.fill(angles, data1, facecolorred,
alpha0.2)
ax.plot(angles, data2, bo-, linewidth2,
colorblue, alpha0.5) #
ax.fill(angles, data2, facecolorsteelblue,
alpha0.5)
# 设置圆周每一维上显示的样本
ax.set_thetagrids(angles * 180/np.pi, label,
fontpropertiesSimHei, colorgray,
fontsize13)
# 设置在半径方向上要显示的文本和显示文本的角度
ax.set_rgrids(np.arange(0, 81, 20),angle45)
ax.set_rlim(0, 100)
ax.set_title(matplotlib 雷达图, vabottom,
fontpropertiesSimHei, colorgold,
fontsize15)
#help(ax.set_thetagrids)7.2 多边形雷达图
import numpy as np
import matplotlib.pyplot as plt
def plot_radar(data):
criterion [1, 1, 1, 1, 1, 1] # 基准雷达图
angles np.linspace(0, 2 * np.pi, 5,
endpointFalse)
angles np.concatenate((angles, [angles[0]]))
#print(criterion)
#print(angles)
fig plt.figure(facecolor#87CEEB) # 创建画板
并填充颜色
ax fig.add_subplot(111, polarTrue,) # 设置
坐标为极坐标
# 绘制三个五边形
floor 0
ceil 2
labels np.array([x1, x2, x3, x4,
x5])
# 绘制五边形的循环
for i in np.arange(floor, ceil 0.5 ,0.5):
ax.plot(angles, [i] * (6), -, lw 0.5,
colorblack)
for i in range(5):
ax.plot([angles[i], angles[i]], [floor,
ceil], -,lw0.5, colorblack)
# 绘制雷达图
ax.plot(angles, criterion, b-, lw2,
alpha0.4)
ax.fill(angles, criterion, facecolorb,
alpha0.3) #填充
ax.plot(angles, data, b-, lw2, alpha0.35)
ax.fill(angles, data, facecolorb,
alpha0.25)
ax.set_thetagrids(angles * 180 / np.pi,
labels)
ax.spines[polar].set_visible(False)#不显示极坐最外的圆形
ax.set_theta_zero_location(N)#设置极坐标的起点即0度在正上方向
ax.grid(False)# 不显示分隔线
ax.set_yticks([]) # 不显示坐标间隔
ax.set_title(xxxxxxxxxxxx, vabottom,
fontpropertiesSimHei)
ax.set_facecolor(#87ceeb) # 填充绘图区域的颜色
# 保存文png图片
plt.subplots_adjust(left0.09, right1,
wspace0.25, hspace0.25, bottom0.13, top0.91)
plt.savefig(a_1.png)
plt.show()
data [0.8, 0.9, 1.2, 1.0, 1.5, 0.8]
plot_radar(data)8. 极坐标图 subplot
import matplotlib.pyplot as plt
import numpy as np
N20
thetanp.linspace(0,2*np.pi,N,endpointFalse)#均分角度
radii10*np.random.rand(N)#随机角度
widthnp.pi/4*np.random.rand(N)#随机宽度
axplt.subplot(111,projectionpolar)#极坐标图绘制
barsax.bar(theta,radii,widthwidth,bottom0.0)#哪个角度画长度扇形角度,从距离圆心0的地方开始画
for r,bar in zip(radii,bars):
bar.set_facecolor(plt.cm.viridis(r/10.0))
bar.set_alpha(0.5) #添加颜色
plt.title(polar)
plt.show()9. 折线图 plot
import matplotlib.pyplot as plt
x [5, 10, 15, 20, 25, 30, 35, 40]
y [17, 24, 29, 36, 38, 47, 59, 80]
plt.plot(x, y, rs-, markersize10)10. 灰度图 meshgrid
灰度图和热力图的区别其实在于colormap的不同灰度图采用的灰度map而热力图一般采用的是多个颜色组成的彩色的map。
import numpy as np
import matplotlib.pyplot as plt
def f(x,y):
return (1-x/2x *5y *3)*np.exp(-x *2-y *2)
n 10
x np.linspace(-3,3,3.5*n)
y np.linspace(-3,3,3.0*n)
X,Y np.meshgrid(x,y)
Z f(X,Y)
plt.axes([0.025,0.025,0.95,0.95])
plt.imshow(Z, interpolationbicubic,
cmapbone, originlower)
plt.colorbar(shrink0.9
plt.xticks([]), plt.yticks([])
# savefig( ./figures/imshow_ex.png, dpi48)
plt.show()11. 热力图
import matplotlib.pyplot as plt
import matplotlib.colors as col
import matplotlib.cm as cm
import numpy as np
points np.arange(-5, 5, 0.01)
# print(points)
xs, ys np.meshgrid(points, points)
z np.sqrt(xs *2 ys *2)
# print(z)
# 自定义colormap
start_color red
end_color blue
cmap_1
col.LinearSegmentedColormap.from_list(cmap1,
[start_color, end_color])
plt.imshow(z, cmapcmap_1, alpha0.3)
plt.show()11.1 自定义colormap
import matplotlib.pyplot as plt
points np.arange(-5, 5, 1)
# print(points)
xs, ys np.meshgrid(points, points)
z np.sqrt(xs *2 ys *2)
# 列表中包含的颜色数目并不固定可以选多个
color [red, green, blue]
cmap_1
col.LinearSegmentedColormap.from_list(cmap1,
[start_color, end_color])
plt.imshow(z, cmapcmap_1, alpha1)
plt.colorbar(shrink0.92)
plt.show()12. 箱线图 boxplot
箱线图是一种用作显示一组数据分散情况的统计图 箱线图有五个参数分别为
下边缘Q1表示最小值下四分位数Q2又称“第一四分位数”等于该样本中所有数值由小到大排列后第25%的数字中位数Q3又称“第二四分位数”等于该样本中所有数值由小到大排列后第50%的数字上四分位数Q4又称“第三四分位数”等于该样本中所有数值由小到大排列后第75%的数字上边缘Q5表述最大值。
箱线图各参数和正态分布之间的对比如下图
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import numpy as np
# 0、导入数据集
df pd.read_excel(boxplot_data.xlsx, Sheet1)
fig plt.figure()
ax fig.add_subplot(111)
ax.boxplot(df[Age])
plt.show()
