本文实例讲述了Python使用matplotlib和pandas实现的画图操作。分享给大家供大家参考，具体如下：

画图在工作再所难免，尤其在做数据探索时候，下面总结了一些关于python画图的例子

#encoding:utf-8

'''''

Created on 2015年9月11日

@author: ZHOUMEIXU204

'''

# pylab 是 matplotlib 面向对象绘图库的一个接口。它的语法和 Matlab 十分相近

#from ggplot import *

df=pd.Dataframe(np.random.randn(1000,4),columns=list('ABCD'))

print(plt.figure())

print(df.plot())

print(plt.show())

# print(ggplot(df,aes(x='A',y='B'))+geom_point())

# 画简单的图形

x=np.linspace(-np.pi,np.pi,256,endpoint=True)

c,s=np.cos(x),np.sin(x)

plot(x,c, color="blue", linewidth=2.5, linestyle="-", label="cosine") #label用于标签显示问题

plot(x,s,color="red", linewidth=2.5, linestyle="-", label="sine")

n = 1024

X = np.random.normal(0,1,n)

Y = np.random.normal(0,1,n)

scatter(X,Y)

#条形图

n = 12

X = np.arange(n)

Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)

Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)

bar(X, +Y1, facecolor='#9999ff', edgecolor='white')

bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x,y in zip(X,Y1):

text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')

ylim(-1.25,+1.25)

n = 20

Z = np.random.uniform(0,1,n)

pie(Z), show()

#画三维图

from mpl_toolkits.mplot3d import Axes3D

fig=figure()

ax=Axes3D(fig)

x=np.arange(-4,4,0.1)

y=np.arange(-4,4,0.1)

x,y=np.meshgrid(x,y)

R=np.sqrt(x**2+y**2)

z=np.sin(R)

ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap='hot')

#用于图像显示的问题

weights_dataframe=pd.Dataframe()

plt.figure()

plt.plot(weights_dataframe.weights_ij,weights_dataframe.weights_x1,label='weights_x1')

plt.plot(weights_dataframe.weights_ij,weights_dataframe.weights_x0,label='weights_x0')

plt.plot(weights_dataframe.weights_ij,weights_dataframe.weights_x2,label='weights_x2')

plt.legend(loc='upper right') #用于标签显示问题

plt.xlabel(u"迭代次数", fontproperties='SimHei')

plt.ylabel(u"参数变化", fontproperties='SimHei')

plt.title(u"迭代次数显示", fontproperties='SimHei') #fontproperties='SimHei' 用于可以显示中文

from numpy.random import random

colors = ['b', 'c', 'y', 'm', 'r']

lo = plt.scatter(random(10), random(10), marker='x', color=colors[0])

ll = plt.scatter(random(10), random(10), marker='o', color=colors[0])

l = plt.scatter(random(10), random(10), marker='o', color=colors[1])

a = plt.scatter(random(10), random(10), marker='o', color=colors[2])

h = plt.scatter(random(10), random(10), marker='o', color=colors[3])

hh = plt.scatter(random(10), random(10), marker='o', color=colors[4])

ho = plt.scatter(random(10), random(10), marker='x', color=colors[4])

plt.legend((lo, ll, l, a, h, hh, ho),

('Low Outlier', 'LoLo', 'Lo', 'Average', 'Hi', 'HiHi', 'High Outlier'),

scatterpoints=1,

loc='lower left',

ncol=3,

fontsize=8)

#pandas中画图

#画累和图

ts=pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2000',periods=1000))

ts=ts.cumsum()

ts.plot()

df=pd.Dataframe(np.random.randn(1000,4),index=ts.index,columns=list('ABCD'))

df.plot()

#画柱状图

df2 = pd.Dataframe(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])

df2.plot(kind='bar') #分开并列线束

df2.plot(kind='bar', stacked=True) #四个在同一个里面显示 百分比的形式

df2.plot(kind='barh', stacked=True)#纵向显示

df4=pd.Dataframe({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':np.random.randn(1000)-1},columns=list('abc'))

df4.plot(kind='hist', alpha=0.5)

df4.plot(kind='hist', stacked=True, bins=20)

df4['a'].plot(kind='hist', orientation='horizontal',cumulative=True) #cumulative是按顺序排序，加上这个

#Area Plot

df = pd.Dataframe(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])

df.plot(kind='area')

df.plot(kind='area',stacked=False)

df = pd.Dataframe(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])

df.plot(kind='scatter', x='a', y='b')

df.plot(kind='scatter', x='a', y='b',color='DarkBlue', label='Group 1')

df = pd.Dataframe(3 * np.random.rand(4, 2), index=['a', 'b', 'c', 'd'], columns=['x', 'y'])

df.plot(kind='pie', subplots=True, figsize=(8, 4))

df.plot(kind='pie', subplots=True,autopct='%.2f',figsize=(8, 4)) #显示百分比

#画矩阵散点图

df = pd.Dataframe(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])

pd.scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde')

    以上就是本篇文章【python画熊猫代码_Python使用matplotlib和pandas实现的画图操作【经典示例】】的全部内容了，欢迎阅览 ！ 文章地址：http://dfvalve.xrbh.cn/news/7087.html 
     资讯      企业新闻      行情      企业黄页      同类资讯      首页      网站地图      返回首页 迅博思语资讯移动站 http://keant.xrbh.cn/ , 查看更多