一.统计图
plot()函数能够画出各种函数曲线
scatter()能够画出散点图
是时候了解统计图了
1.柱形图
pld.bar(x, height, width=0.8, bottom=None, hold=None, data=None, **kwargs)
柱形图中 “柱子” 的基本位置和长、宽,是由 x、height、width、bottom确定的
最简单的柱形图
参数解释
x:默认情况下,其值是柱子竖直中线的位置
height:柱子的高度,即 y轴的数据
width:柱子的宽度,默认是0.8
bottom:柱子底部与x轴的距离,默认为None,即距离为0
稍微复杂点,带上基本参数
如果你觉得图像太过单调不够美观,还有一些参数装饰柱子
有种五彩缤纷的感觉高级操作
(1)堆积柱形图
作用:两个柱形图叠加
完美的利用了基本参数
(2)簇状柱状图
拓宽一下,看有4组数据的柱状图
2.条形图
将柱子横过来就是‘条’了
3.饼图
有时候我们需要知道某一部分占整体的比例,饼图无疑是最好的选择
plt.pie(x, explode=None, labels=None, colors=None, autopct=None, shadow=False,
startangle=None, radius=None)
解释如下
x:数据源
explode: 扇面的偏移. explode中第二个数为0.1,对应扇面 b 偏移0.1,其他数为0,不偏移
labels: 为每个扇面设置标示
colors: 为每个扇面设置颜色
autopct: 按照规定格式在每个扇面上显示百分比
shadow: 是否有阴影
startangle:第一个扇形开始的角度,然后默认依逆时针旋转
radius:半径大小
一个示范
二.三维图像
(1)基础
除了在二维坐标系中实现数据可视化外,还能在三维坐标系中绘制三维图像
需要导入 mplot3d 模块
原始三维图像
在三维坐标系中画出函数图和散点图
(2)平面三角形的绘制
Triangulation(x, y, triangles=None, mask=None)
(3)三维中的三角形
二维图形转换为三维图形只需要加一个参数
对比二维和三维三角形