Python科学画图代码分享
前言
Python是一门优秀的编程语言,尤其在科学计算领域拥有广泛的应用。Python科学画图模块也越来越受到关注。通过本篇文章,我们将学习如何用Python科学画图模块来进行数据可视化,并分享一些常用的代码。
本篇文章将重点介绍以下三个主要的Python科学画图模块:
- Matplotlib:Python中最常用的科学画图模块之一。
- Seaborn:基于Matplotlib的数据可视化工具。
- Plotly:一个用于创建交互图形的库。
Matplotlib
安装
在终端下输入以下命令来安装Matplotlib:
pip install matplotlib
基本代码
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.show()
以上代码将绘制一条平滑的曲线。
示例代码
绘制散点图
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.scatter(x, y)
plt.show()
以上代码将绘制一张散点图。
绘制多条曲线
import matplotlib.pyplot as plt
x = list(range(-10, 11))
y1 = [i**2 for i in x]
y2 = [i**3 for i in x]
plt.plot(x, y1, "r-", label="y=x^2")
plt.plot(x, y2, "g-", label="y=x^3")
plt.legend(loc="upper left")
plt.show()
以上代码将绘制两条曲线,再加上图例。
Seaborn
安装
在终端下输入以下命令来安装Seaborn:
pip install seaborn
基本代码
import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips")
sns.set_style("whitegrid")
sns.scatterplot(x="total_bill", y="tip", data=tips)
plt.show()
以上代码将绘制一张散点图,同时也展示了Seaborn的主题样式。
示例代码
绘制多条直方图
import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips")
sns.set_style("whitegrid")
g = sns.FacetGrid(tips, row="sex", col="time")
g.map(plt.hist, "total_bill")
plt.show()
以上代码将绘制四张子图,同时也展示了Seaborn的灵活性。
Plotly
安装
在终端下输入以下命令来安装Plotly:
pip install plotly
基本代码
import plotly.graph_objs as go
fig = go.Figure(data=go.Bar(x=[1, 2, 3, 4, 5], y=[2, 4, 6, 8, 10]))
fig.show()
以上代码将绘制一张条形图。
示例代码
绘制双系列直方图
import plotly.express as px
titanic = px.data.titanic()
fig = px.histogram(titanic, x="age", color="sex", marginal="box")
fig.show()
以上代码将绘制一张双系列直方图,同时也展示了Plotly对于数据的探索能力。
结语
本篇文章介绍了Python科学画图的三个主要模块,以及它们的基本用法和示例代码。这些模块不仅可以用于数据科学领域,也可以在其他领域中进行数据可视化。
这里只是介绍了这三个库的一部分用法,还有很多值得探索的内容等待开发者去发掘。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Python科学画图代码分享 - Python技术站