随笔分类 -  可视化_统计图形

摘要:matplotlib.pyplot contourf coutour([X, Y,] Z,[levels], **kwargs)contour和contourf都是画三维等高线图的,不同点在于contour() 是绘制轮廓线,contourf()会填充轮廓。除非另有说明,否则两个版本的函数是相同的。 阅读全文
posted @ 2020-01-07 21:51 赏尔 阅读(5220) 评论(0) 推荐(0)
摘要:1、代码 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 生成数据,创建 DataFrame np.random.seed(27) data = np.random.rand(7, 3) index = 阅读全文
posted @ 2019-12-15 22:37 赏尔 阅读(1649) 评论(0) 推荐(0)
摘要:1、自变量的误差条 import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = 'SimHei' # 使图形中的中文正常编码显示 plt.rcParams['axes.unicode_min 阅读全文
posted @ 2019-12-03 13:13 赏尔 阅读(4559) 评论(0) 推荐(0)
摘要:1、示例代码 import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = 'SimHei' plt.rcParams['axes.unicode_minus'] = False # 生成标准 阅读全文
posted @ 2019-06-16 22:42 赏尔 阅读(1886) 评论(0) 推荐(0)
摘要:借助 pandas 绘制分组条形图 1、 示例 1 使用默认颜色 代码 import matplotlib.pyplot as plt import numpy as np import pandas as pd # 生成数据 rng = np.random.RandomState(42) v1 = 阅读全文
posted @ 2019-06-15 22:38 赏尔 阅读(6999) 评论(0) 推荐(0)
摘要:1、误差条图 代码 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 生成数据 x= pd.Series(range(5)) y = v.index ** 2 xe = x.index/2 plt.err 阅读全文
posted @ 2019-06-14 22:36 赏尔 阅读(3124) 评论(0) 推荐(0)
摘要:1、示例代码 import numpy as np import matplotlib.pyplot as plt # 生成数据 x = np.arange(10) + 1 y1 = np.random.randint(1, 3, 10) y2 = np.full(x.shape, 2) # 在左下 阅读全文
posted @ 2019-06-13 22:34 赏尔 阅读(4026) 评论(0) 推荐(0)
摘要:1、示例 1 代码 import numpy as np import matplotlib.pyplot as plt # 生成数据 np.random.seed(42) y = np.random.normal(5, 6, 7) plt.plot(y, '--') plt.show() 图形 2 阅读全文
posted @ 2019-06-12 22:31 赏尔 阅读(861) 评论(0) 推荐(0)
摘要:1 普通风格 代码 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = 'SimHei' # 使图形中的中文正常编码显示 plt.rcPara 阅读全文
posted @ 2018-12-06 23:12 赏尔 阅读(311) 评论(0) 推荐(0)
摘要:1、普通风格 代码 import numpy as np import matplotlib.pyplot as plt rng = np.random.RandomState(27) x = rng.normal(0, 1, 1000) plt.hist(x, bins=9) plt.show() 阅读全文
posted @ 2018-12-04 13:12 赏尔 阅读(296) 评论(0) 推荐(0)