python可视化处理数据CVS绘制散点图以及曲线图绘制显示并保存DIY

本文主要是介绍python可视化处理数据CVS绘制散点图以及曲线图绘制显示并保存DIY，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
# Author's_name_is_NIKOLA_SS
import pandas as pd
import numpy as np
from numpy import array
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['KaiTi'] #用来正常显示中文标签FangSong,SimHei,KaiTi
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

wm=pd.read_csv('W:\PY\WDPY\Programss\lPsslianxx\ccdd.csv')#index_col=1默认，自动增加一列
print(wm.head())
#    Unnamed: 0  height  weight
# 0           1      50     115
# 1           2      52     118
# 2           3      54     120
# 3           4      59     123
# 4           5      56     127

# wm=pd.read_csv('ccdd.csv',index_col=0)
# # print(wm.head()) #原始表格型
plt.plot(wm['height'],wm['weight'],'g+')
plt.scatter(wm.height,wm.weight)#散点图
plt.title('散点图5')
plt.show()
#########################################################################
# plt.savefig('wm人213.jpg')#默认是png格式
# # plt.rcParams['figure.dpi'] = 300   # 像素or分辨率
# # plt.rcParams['figure.figsize'] = (30,60)        # 图像显示大小
# # plt.rcParams['image.cmap'] = 'gray'  # 使用灰度输出而不是彩色输出
# plt.rcParams['image.interpolation'] = 'nearest'  # 最近邻差值: 像素为正方形
# #Interpolation/resampling即插值，是一种图像处理方法，它可以为数码图像增加或减少象素的数目。
#
# plt.show()#开始绘图
# s=np.arange(0,4,0.1)
# print(s)
# np.arange([start, ]stop, [step, ]dtype=None)
# arange函数用于创建等差数组
# start:可忽略不写，默认从0开始;起始值
# stop:结束值；生成的元素不包括结束值
# step:可忽略不写，默认步长为1；步长
# dtype:默认为None，设置显示元素的数据类型
# nd3 = np.arange(1,15,2)#nd3 = np.arange(1,5,2)
# nd2=array([1, 2, 3, 4])
# nd2 = np.arange(1,5)
# 必须执行：
#np.linspace(-10, 1, 500)从-10到1取500个等距元素
from numpy import array
# 即使执行：
#
# >>> import numpy也不能解决问题
# print(nd2)
# plt.plot(s,s,s+2,3*s)#同一个s对应多个Y值
# plt.show()
############################################################
x=np.arange(-1,4*np.pi,0.1*np.pi)
y=np.sin(x)+2
z=np.cos(x)-3
plt.figure(2)
plt.grid()
plt.xlim((-2,15))#限制X轴范围
# 在绘制时设置lable, 逗号是必须的
l1, = plt.plot(x, y, label = 'line', color = 'blue')
l2, = plt.plot(x, z, label = 'parabola', color = 'red', linewidth = 1.0, linestyle = '--')

plt.plot(x,y,x,z)

# 设置x坐标轴刻度, 原来为0.25, 修改后为0.5
plt.xticks(np.linspace(-1, 10, 5))
# 设置y坐标轴刻度及标签, $$是设置字体
# plt.yticks([0, 0.5], ['$minimum$', 'normal'])

plt.legend(handles = [l1, l2,], labels = ['a', 'b'], loc = 'best')

# plt.legend(labels = ['sinx', 'bcosx'], loc = 'best')
plt.show()

组合最后的文件保存大小如图=
精简版源码：

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
# Author's_name_is_NIKOLA_SS
import pandas as pd
import numpy as np
from numpy import array
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['KaiTi'] #用来正常显示中文标签FangSong,SimHei,KaiTi
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

wm=pd.read_csv('W:\PY\WDPY\Programss\lPsslianxx\ccdd.csv')#index_col=1默认，自动增加一列
print(wm.head())

plt.plot(wm['height'],wm['weight'],'g+')
plt.scatter(wm.height,wm.weight)#散点图
plt.title('散点图5')
plt.show()

x=np.arange(-1,4*np.pi,0.1*np.pi)
y=np.sin(x)+2
z=np.cos(x)-3
plt.figure(2)
plt.grid()
plt.xlim((-2,15))#限制X轴范围
l1, = plt.plot(x, y, label = 'line', color = 'blue')
l2, = plt.plot(x, z, label = 'parabola', color = 'red', linewidth = 1.0, linestyle = '--')

plt.plot(x,y,x,z)
plt.xticks(np.linspace(-1, 10, 5))
plt.legend(handles = [l1, l2,], labels = ['a', 'b'], loc = 'best')
plt.show()

csv文件;

   Unnamed: 0  height  weight
0           1      50     115
1           2      52     118
2           3      54     120
3           4      59     123
4           5      56     127

这篇关于python可视化处理数据CVS绘制散点图以及曲线图绘制显示并保存DIY的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！