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
2021/5/23 20:27:25
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!
- 2024-11-14Python编程入门指南
- 2024-11-13Python基础教程
- 2024-11-12Python编程基础指南
- 2024-11-12Python基础编程教程
- 2024-11-08Python编程基础与实践示例
- 2024-11-07Python编程基础指南
- 2024-11-06Python编程基础入门指南
- 2024-11-06怎么使用python 计算两个GPS的距离功能-icode9专业技术文章分享
- 2024-11-06Python 基础编程入门教程
- 2024-11-05Python编程基础:变量与类型