python 데이터 시각 화 plt 라 이브 러 리 인 스 턴 스 상세 설명

주 피 터 와 pycharm 환경의 차 이 를 먼저 살 펴 보 겠 습 니 다.
왼쪽 은 jupyter----------------------------------오른쪽 은 pycharm

다음은 모두 pycharm 환경 을 사용 합 니 다.
1.하나의 창 에 선형 방정식 을 그린다.

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)#  0 1，   11     
print(x)
y = 2*x
plt.plot(x,y)
plt.show()

2.두 창 은 각각 하나의 선형 방정식 을 그린다.

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)#  0 1，   11     
y1 = 2*x
y2 = 3*x
#   figure      
plt.figure()
plt.plot(x,y1)
#   figure      
plt.figure()
plt.plot(x,y2)
#   
plt.show()

3.하나의 창 에 두 개의 선형 방정식 을 그린다.

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)#  0 1，   11     
y1 = 2*x
y2 = 3*x
#   figure      
plt.figure()
plt.plot(x,y1)
plt.plot(x,y2)
#   
plt.show()

4.그림 스타일 정의

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)#  0 1，   11     
y = 2*x
#   figure      
plt.figure(num=1)
plt.plot(x,y)
plt.figure(num=2)
# color      
plt.plot(x,y,color='red')
plt.figure(num=3)
# linestyle       
plt.plot(x,y,linestyle='--')
plt.figure(num=4)
# linewidth       
plt.plot(x,y,linewidth=3)
#   
plt.show()

5.xy 축의 범위,라벨,눈금 설정

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)#  0 1，   11     
y = 2*x
plt.figure(num=1)#    figure1
plt.plot(x,y)
plt.figure(num=2)#    figure2
plt.plot(x,y)
plt.xlim(0,3)#   x   
plt.ylim(0,3)#   y   
plt.xlabel('this is x')#   x   
plt.ylabel('this is y')#   y   
plt.figure(num=3)#    figure3
plt.plot(x,y)
#   x   
x_ticks = np.linspace(1,3,3)
plt.xticks(x_ticks)
plt.figure(num=4)#    figure4
plt.plot(x,y)
plt.ylim(0,3)#   y   
plt.yticks([1,2],['bad','good'])#   y   
#   
plt.show()

6.그림 설정

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,11)#  0 1，   11     
y1 = 2*x
y2 = 3*x
plt.figure()
plt.plot(x,y1,label='y1')
plt.plot(x,y2,label='y2')
plt.legend()
#   
plt.show()

7.산포도

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randint(0,50,1024)
y = np.random.randint(0,50,1024)

plt.scatter(x,y,s=20)
#    x    
plt.xticks(())
#   
plt.show()

8.막대 그래프

import numpy as np
import matplotlib.pyplot as plt

n = 6
x = np.arange(n)
print(x)
#   6  ， 6   0 1    
y = np.random.uniform(0,1,n)
print(y)
plt.bar(x,y)

#   
plt.show()

9.막대 그래프 표시 높이

import numpy as np
import matplotlib.pyplot as plt
n = 6
X = np.arange(n)
Y = np.random.uniform(0,1,n)

plt.figure(num=1)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,y)

plt.figure(num=2)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,"%.2f"%y)

plt.figure(num=3)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y,"%.2f"%y,ha='center')

plt.figure(num=4)
plt.bar(X,Y)
for x,y in zip(X,Y):
    plt.text(x,y+0.01,"%.2f"%y,ha='center')
#   
plt.show()

10.등고선도

import numpy as np
import matplotlib.pyplot as plt

def f(X,Y):
    return X+Y

n = 256
x = np.linspace(0,3,n)
y = np.linspace(0,3,n)
X,Y=np.meshgrid(x,y)
plt.figure()
plt.contourf(X,Y,f(X,Y),4,cmap=plt.cm.hot)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
plt.contour(X,Y,f(X,Y),9)

plt.figure()
plt.contourf(X,Y,f(X,Y),9,cmap=plt.cm.hot)
C = plt.contour(X,Y,f(X,Y),9)
plt.clabel(C,inline=True)
#   
plt.show()

11.한 창 에 여러 개의 하위 그림

import matplotlib.pyplot as plt

plt.figure()
#           ，       
plt.subplot(2,2,1)
plt.plot([0,1],[0,1])
#           ，       
plt.subplot(2,2,2)
plt.plot([0,2],[0,2])
#           ，       
plt.subplot(223)
plt.plot([0,3],[0,3])
#           ，       
plt.subplot(224)
plt.plot([0,4],[0,4])

plt.figure()
#           ，       
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])
#           ，       
plt.subplot(2,3,4)
plt.plot([0,2],[0,2])
#           ，       
plt.subplot(235)
plt.plot([0,3],[0,3])
#           ，       
plt.subplot(236)
plt.plot([0,4],[0,4])
#   
plt.show()

12.상용 서브 맵 표시

plt.figure(figsize=(20,10))
for i in range(40):
    plt.subplot(4,10,i+1)
    plt.xticks()
    plt.yticks()
    plt.grid(False)
    plt.imshow(train_images[i],cmap=plt.cm.binary_r)
    plt.title(train_labels[i])
plt.show()

13.체크 레이아웃 배치 서브 맵

import matplotlib.pyplot as plt

plt.figure()

#        ， 0 0   ，     
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax1.plot([0,1],[0,1])
ax1.set_title('this is ax1')
#        ， 1 0   ，     
ax2 = plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
#        ， 1 2   ，     
ax3 = plt.subplot2grid((3,3),(1,2),colspan=1,rowspan=2)
#        ， 2 0   ，     
ax4 = plt.subplot2grid((3,3),(2,0),colspan=1,rowspan=1)
#        ， 2 1   ，     
ax5 = plt.subplot2grid((3,3),(2,1),colspan=1,rowspan=1)
#   
plt.show()

이상 은 python 시각 화 데이터 plt 라 이브 러 리 인 스 턴 스 의 상세 한 내용 입 니 다.python 시각 화 데이터 plt 라 이브 러 리 에 관 한 자 료 는 다른 관련 글 을 주목 하 십시오!