python可视化

>>pyecharts: 详细参见官方中文文档: https://pyecharts.org/#/zh-cn/intro

>>dataframe绘图:

【python】详解pandas.DataFrame.plot( )画图函数

pandas.DataFrame.plot( )参数详解

>>matplotlib绘图:

  • Plt.plot( *args, **kw)参数: plot是折线图

1) x轴和y轴,如果给出两个参数,则默认第一组数据为x轴,第二组参数为y轴。 如果只有一组参数,则默认为y轴,x轴会自动添加,也可以自行添加x轴或y轴的数字,

2) plot对曲线的属性设置 。

颜色设置: 'go--' g代表线条颜色green (颜色设置可以参考 16位html 字符串 或RGB进行设置,从网上找到相应的表示方法赋值给color参数即可,具体的设置参考 http://tool.oschina.net/commons?type=3

o 代表线条上每个点的标注方式为圆圈,

--代表点与点之间的连接方式为 双短横线(如果是一个短横线表示实线连接)

linewindth为线条宽度或深度,markersize为每个点的尺寸大小3) 设定x轴和y轴的范围,即坐标轴的最大值和最小值。 两种方法

1) Plt.axis = ( [xmin, xmax, ymin, ymax] )

2) plt.xlim = [xmin,xmax] 和 plt.ylim = [ymin, ymax] 单独设置。

4) 多个图在同一个x和y轴坐标轴上展示,

方法1: plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^'),如下图三条曲线展示在同一个坐标轴上

方法2:先设置

python可视化

5) plot 对 支持所有可索引对象。这可以是例如a dict,a pandas.DataFame或结构化的numpy数组。更为方便的绘制图像

6)plt.title 为每一个图或者子图设置标题

7) plt.plot(x,y,label= 'str') label参数为该条数据曲线的图例,如果要显示各条曲线的图例,必须添加 代码 plt.legend( ) 才能显示图例

plt.plot(x1,y1,x2,y2,xn,yn)

plt.legend (labels = [],loc = ,title = ,ncol = n ,bbox_to_anchor = [x1,x2,x3,x4],mode = )

为多个曲线设置图例,首先在plot方法为每条曲线绘图,然后使用legend方法单独设置图例,labels参数是多个曲线的图例名称,

title 即表示图例的名称,添加字符使看图者知晓这是图例。

Ncol 参数表示图例按照几列显示。

Mode 如果为 expand,图例则会一定基准按照分布显示。如果有bbox_to_anchor,则bbox_to_anchor 为基准,如果无,则图像的

横轴为基准

bbox_to_anchor 参数大体确定图例的位置: (x0,y0,width,height) 意思是在figure内设置一个框。 X0,y0是相对于figure的左下角的点的位置,如果是 x0 = 0.5,y0 = 0.5 则表示位于figure的正中间(即此时使用的是坐标轴体系,Axes coordinates),x0为正,则向上,为负,则向下,y0为正,则向右,为负,则向左。X0,y0确定了 框的左下角的点,width height 确定框的宽度和高度。 loc参数和bbox_to_anchor并用,确定具体的legend的位置,loc是相对于bbox_to_anchor的框的位置。 。 如下图:

具体参见链接: https://*.com/questions/39803385/what-does-a-4-element-tuple-argument-for-bbox-to-anchor-mean-in-matplotlib/39806180#39806180

将图例设置在图像下方正*的方法:定义bbox_to_anchor [x0,y0,width,height] 通过设置 1 - x0 +width = x0即2*x0+width = 1可让 图例显示在正*,x0表示图例位置距离x = 0即图像左端的距离,width为图例的宽度,1-x0-width = x0 表示距离图像右端的距离也等于x0,此时图例显示在正*。 经测试,bbox_to_anchor = [0.2,-0.15,0.6,0.2],loc = 'lower center'能够准确将图例显示在最下方,比较美观

python可视化

python可视化

8) plt.xlable(str) plt.ylable(str) 为x和y轴的轴标签

 

>>>在表中添加一条辅助参考线,用于表示界限。 垂直线 axvline( x轴位置,ymin, yman )其中ymin ymax用于确定垂直线的长度 水平线 axhline( y轴位置,xmin, xmax ) xmin xmax 用于确定水平线长度。一般只标注 垂直线的x轴位置 水平线的y轴位置即可,其他参数 包括linewidth color等等 plt.axhspan pltaxvspan 用于表示水平参考线的 宽度 垂直参考线区域的长度,详见 https://matplotlib.org/gallery/subplots_axes_and_figures/axhspan_demo.html?highlight=axhline

>>>设置注解 plt.annotate 参数 s 注释的文字表述 xy 注释的数据所在的位置, xytext注释的文字表述所在的位置xycoords采用的坐标系

python可视化

>>>对图像的边框进行调整:移动坐标轴的位置,设置四个象限

python可视化

>>>坐标系规则,即判断位置时的依据: 如果想要改变坐标系,即在确定figure中的一些具体位置时需要更换坐标系,则在一些方法中需要对 transform参数进行调整 。建议使用data的用户数据坐标系,即figure的横纵坐标表示的坐标体系,也即最后实际显示的坐标体系。

具体的坐标轴体系参见 https://matplotlib.org/users/transforms_tutorial.html

总结:

transdata 是 用户坐标体系,即实际看到图表的坐标体系

transAxes 是每个子图的坐标体系,如果没有子图,则为整个图。具体表示方法为(0,0)代表左下方,(1,1)代表右上方,(0.5,0.5)代表正中间,按照比例表示。

这些转换可用于任何类型的Matplotlib对象。ax.text的默认转换是ax.transData,fig.text的默认转换是fig.transFigure。

python可视化

>>>常用知识点细节整理: https://www.cnblogs.com/zhizhan/p/5615947.html

>>>多种图表示例代码: 40000字 Matplotlib 实操干货,真的全!

上一篇:拦截在javascript中命名为锚


下一篇:Spring 的IOC和AOP总结