1、失业率数据
import pandas as pd unrate = pd.read_csv('unrate.csv') unrate['DATE'] = pd.to_datetime(unrate['DATE']) #help(pd.to_datetime) unrate.head(12)
2、使用不同的pyplot函数,我们可以创建、自定义和显示图形
import matplotlib.pyplot as plt # 使用不同的pyplot函数,我们可以创建、自定义和显示图形。 plt.plot() plt.show() #help(plt.plot) #help(plt.show) #help(plt.xticks)
3、plt.plot(x,y) 传入x,y对应的数据 plt.xticks(rotation=45) x坐标,文字45度
first_twelve = unrate[0:120] # plt.plot(x,y) 传入x,y对应的数据 plt.plot(first_twelve['DATE'], first_twelve['VALUE']) # x坐标,文字45度 plt.xticks(rotation=45) plt.xlabel('Month') plt.ylabel('Unemployment Rate') plt.title('Monthly Unemployment Trends, 1948') plt.show()
4、figure.add_subplot(a,b,index) 构图函数,a*b个子图,a表示行,b表示列,index表示第几个
# figure.add_subplot(a,b,index) 构图函数,a*b个子图,a表示行,b表示列,index表示第几个 import matplotlib.pyplot as plt fig = plt.figure() # matplotlib.figure.Figure type(fig) # matplotlib.figure.Figure # 3 * 2 个子图 # ax1位于第1个子图 ax1 = fig.add_subplot(3,2,1) # ax2位于第3个子图 ax2 = fig.add_subplot(3,2,3) # ax3位于第6个子图 ax3 = fig.add_subplot(3,2,6) plt.show()
5、plt.figure(figsize=(10, 10))定义子图尺寸
import numpy as np fig = plt.figure() # plt.figure(figsize=(10, 10))定义子图尺寸 fig = plt.figure(figsize=(10, 10)) ax1 = fig.add_subplot(2,1,1) ax2 = fig.add_subplot(2,1,2) #ax1.plot(np.random.randint(1,5,5), np.arange(5)) #ax2.plot(np.arange(10)*3, np.arange(10)) plt.show()
6、plt.plot(x1, y1, c='colorName') plt.plot(x2, y2, c='colorName') 两个部分
unrate['MONTH'] = unrate['DATE'].dt.month # 定义图的尺寸 fig = plt.figure(figsize=(8,4)) # 第一年的月失业率,红色的线 plt.plot(unrate[0:12]['MONTH'], unrate[0:12]['VALUE'],c='red') # 第二年的月失业率,蓝色的线 plt.plot(unrate[12:24]['MONTH'],unrate[12:24]['VALUE'],c='blue') plt.show()
7、不同年份用不同颜色表示:1:红 2:蓝 3:绿 4:橙 5:黑
# 定义图的尺寸 fig = plt.figure(figsize=(12,6)) # 不同年份用不同颜色表示:1:红 2:蓝 3:绿 4:橙 5:黑 colors = ['red', 'blue', 'green', 'orange', 'black'] #[0:4] for i in range(5): # 按12行,进行数据分片 start_index = i * 12 end_index = (i + 1) * 12 subset = unrate[start_index:end_index] # 将每个数据分片,填充plot画图,MONTH作为x坐标值,VALUE作为y坐标值,颜色从colors中轮训 plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i]) plt.show()
8、plt.legend(loc='xxx') 在坐标轴上显示标签注释图例
# 定义图的尺寸 fig = plt.figure(figsize=(12,6)) # 不同年份用不同颜色表示:1:红 2:蓝 3:绿 4:橙 5:黑 colors = ['red', 'blue', 'green', 'orange', 'black'] #[0:4] for i in range(5): # 按12行,进行数据分片 start_index = i * 12 end_index = (i + 1) * 12 subset = unrate[start_index:end_index] # 为每个颜色的线命名 label = str(1948 + i) # 将每个数据分片,填充plot画图,MONTH作为x坐标值,VALUE作为y坐标值,颜色从colors中轮训 plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i],label=label) # plt.legend(loc='xxx') 在坐标轴上显示标签注释图例 #plt.legend(loc='best') plt.legend(loc='upper left' ) plt.show() #help(plt.legend)
9、plt.legend(loc='xxx') 在坐标轴上显示标签注释图例 ; plt.xlabel(name)x轴名 ; plt.ylabel(name) y轴名 ; plt.title(name) 坐标轴名
fig = plt.figure(figsize=(12, 6)) colors = ['red', 'blue', 'green', 'orange', 'black'] for i in range(5): # 按12行,进行数据分片 start_index = i * 12 end_index = (i + 1) * 12 subset = unrate[start_index: end_index] # 为每个颜色的线命名 label = str(1948 + i) # 将每个数据分片,填充plot画图,MONTH作为x坐标值,VALUE作为y坐标值,颜色从colors中轮训 plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i], label=label) # plt.legend(loc='xxx') 在坐标轴上显示标签注释图例 plt.legend(loc='upper left') # x轴名 plt.xlabel('Month, Integer') # y轴名 plt.ylabel('Unemployment Rate, Percent') # 坐标轴名 plt.title('Monthly Unemployment Trends, 1948-1952') plt.show()