[人工智能] day03、图表辅助元素的定制

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> day03、图表辅助元素的定制 -> 正文阅读

[人工智能]day03、图表辅助元素的定制

3.1认识图表常用的辅助元素
坐标轴：分为单坐标轴和双坐标轴，单坐标轴按不同的方向又可分为水平坐标轴和垂直坐标轴
标题：表示图表的说明性文本
图例：用于指出图表中各组图形采用的标识方式
网格：从坐标轴刻度开始的、贯穿绘图区域的若干条线
参考线：标记坐标轴上特殊范围的一条直线
参考区域：标记坐标轴上特殊范围的一块区域
注释文本：
表格：用于强调比较难理解数据的表格
3.2、设置坐标轴的标签、刻度范围和刻度标签
3.2.1设置坐标轴的标签
1、设置x轴的标签：matplotlib中可以直接使用pyplot模块的xlabel（）函数设置x轴的标签
函数参数如下：
xlabel：表示x轴标签的文本
fontdict：表示控制标签文本样式的字典
labelpad：表示标签与坐标轴边框的距离
2、设置y轴的标签：matplotlib中可以直接使用pyplot模块的ylabel（）函数设置y轴的标签

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2=np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
plt.xlabel(“x轴”)
plt.ylabel(“y轴”)
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r’ $-\pi$ ’,r’ $-\pi/2$ ’,r’ $0$ ’,r’ $\pi/2$ ’,r’ $\pi$ ’])
plt.title(‘2020080603051’)
plt.show()
在这里插入图片描述 3.3、添加标题和图例
3.3.1、添加标题
fontdict：表示控制标题文本样式的字典
loc：表示标题的对齐样式，包括‘left’，‘right’和‘center’三种取值，默认取值为‘center’
pad：表示标题与图标顶部的距离，默认为None
3.3.2、添加图例
图例是一个列举各组图形数据标识方式的方框图，它由图例标识和图例项两个部门构成，其中图例标识是代表各组图形的图案，图例项是与图例标识对应的名称
（1）handles和labels参数
（2）loc参数
（3）bbox_to_anchor参数
（4）ncol参数
（5）title参数
（6）shadow参数
（7）fancybox参数
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2=np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
plt.xlabel(“x轴”)
plt.ylabel(“y轴”)
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r’ $-\pi$ ’,r’ $-\pi/2$ ’,r’ $0$ ’,r’ $\pi/2$ ’,r’ $\pi$ ’])
lines=plt.plot(x,y1,x,y2)
plt.legend(lines,[‘正弦’,‘余弦’],shadow=True,fancybox=True)#绘制图例
#shadow：图例阴影
plt.title(‘2020080603051’)
plt.show()
在这里插入图片描述
3.3.3、添加参考线
1、绘制axhline（）绘制水平参考线
2、使用axvline（）绘制垂直参考线
在3.3.2代码后增加以下代码
plt.axvline(x=0,linestyle=’–’)
plt.axhline(y=0,linestyle=’–’)

3.3.4、添加参考区域
1、使用axhspan（）绘制水平参考区域
2、使用axvspan（）绘制垂直参考区域
plt.axvspan(xmin=0.5,xmax=2.0,alpha=0.3)
plt.axhspan(ymin=0.5,ymax=2.0,alpha=0.3)
在这里插入图片描述
3.3.5、添加注释
1、添加指向型注释文本
2、添加无指向型注释文本
代码如下：
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2=np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
plt.xlabel(“x轴”)
plt.ylabel(“y轴”)
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r’ $-\pi$ ’,r’ $-\pi/2$ ’,r’ $0$ ’,r’ $\pi/2$ ’,r’ $\pi$ ’])
lines=plt.plot(x,y1,x,y2)
plt.legend(lines,[‘正弦’,‘余弦’],shadow=True,fancybox=True)
plt.axvline(x=0,linestyle=’–’)
plt.axhline(y=0,linestyle=’–’)
plt.axvspan(xmin=0.5,xmax=2.0,alpha=0.3)
plt.axhspan(ymin=0.5,ymax=2.0,alpha=0.3)
plt.annotate(“最小值”,#添加指向型注释文本
xy=(-np.pi/2,-1.0),xytext=(-(np.pi/2),-0.5),arrowprops=dict(arrowstyle=“fancy”))
plt.text(3.10,0.10,“y=sin(x)”,bbox=dict(alpha=0.5))#添加无指向型注释文本
plt.text(3.10,-1.0,“y=con(x)”,bbox=dict(alpha=0.5))
plt.title(‘2020080603051’)
plt.show()
在这里插入图片描述
3.3.5、添加表格
1、添加自定义样式的表格
cellText：表示表格单元格的数据，是一个二维列表
cellColurs：表示单元格的背景颜色
cellLoc：表示单元格文本的对齐方式，支持‘left’、‘right’和‘center’三种取值
colWidth：表示每列的宽度
rowLabel：表示行标题的文本
rowLoc：表示行标题的对齐方式
colLoc：表示列标题的对齐方式
loc：表示表格与绘图区域的对齐方式

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2=np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
plt.xlabel(“x轴”)
plt.ylabel(“y轴”)
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r’ $-\pi$ ’,r’ $-\pi/2$ ’,r’ $0$ ’,r’ $\pi/2$ ’,r’ $\pi$ ’])
lines=plt.plot(x,y1,x,y2)
plt.legend(lines,[‘正弦’,‘余弦’],shadow=True,fancybox=True)
plt.axvline(x=0,linestyle=’–’)
plt.axhline(y=0,linestyle=’–’)
plt.axvspan(xmin=0.5,xmax=2.0,alpha=0.3)
plt.axhspan(ymin=0.5,ymax=2.0,alpha=0.3)
plt.annotate(“最小值”,
xy=(-np.pi/2,-1.0),xytext=(-(np.pi/2),-0.5),arrowprops=dict(arrowstyle=“fancy”))
plt.text(3.10,0.10,“y=sin(x)”,bbox=dict(alpha=0.5))
plt.text(3.10,-1.0,“y=con(x)”,bbox=dict(alpha=0.5))
plt.table(cellText=[[6,6,6],[8,8,8]],colWidths=[0.1]*3,
rowLabels=[‘第一行’,‘第二行’],
colLabels=[‘第一列’,‘第二列’,‘第三列’],
loc=‘center’)
plt.title(‘2020080603051’)
plt.show()
在这里插入图片描述
案例1：支付宝月账单报告（添加标题、图例）
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
kinds=[‘购物’,‘人情往来’,‘餐饮美食’,‘通信物流’,‘生活日用’,‘交通出行’,‘休闲娱乐’,‘其他’]
money_scale=[800/3000,100/3000,1000/3000,300/3000,
200/3000,200/3000,200/3000,200/3000]
dev_position=[0.1,0.2,0.3,0.1,0.1,0.1,0.2,0.1]
plt.pie(money_scale,labels=kinds,autopct=’%3.lf%%’,
shadow=True,explode=dev_position,startangle=90)#逆时针开始绘制90度
plt.title(‘2020080603051’)
plt.legend(kinds,loc=‘upper right’,bbox_to_anchor=[1.6,1.1])
plt.show()
在这里插入图片描述
案例2、汽车速度与制动距离关系
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
x_speed=np.arange(10,210,10)
y_distance=np.array([0.5,2.0,4.4,7.9,12.3,17.7,
24.3,31.5,39.8,49.9,59.3,70.8,
83.1,96.7,110.7,126.0,142.9,
159.9,177.6,196.5])
plt.scatter(x_speed,y_distance,s=50,alpha=0.8,linewidths=0.6)
#s:表示面积大小 alpha：表示透明度
plt.xlabel(‘速度（km/h）’)
plt.ylabel(‘制动距离（m）’)
plt.xticks(x_speed)
plt.grid(b=True,linewidth=0.3)
plt.title(‘2020080603051’)
plt.show()
在这里插入图片描述
案例3、全校大数据各班男女生英语成绩评估
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
men_means=(90.5,89.6,90.9,88.6,86.5,84.6)
women_means=(92.8,87.0,93.5,85.4,89.6,90.2)
ind=np.arange(len(men_means))#每组柱形的x位置
width=0.2 #各柱形的宽度
fig=plt.figure()
ax=fig.add_subplot(111)
ax.bar(ind-width/2,men_means,width,label=‘男生平均成绩’)
ax.bar(ind+0.2,women_means,width,label=‘女生平均成绩’)
ax.set_title(‘高职各班男生、女生英语平均成绩’)
ax.set_ylabel(‘分数’)
ax.set_xticks(ind)
ax.set_xticklabels([‘大数据1班’,‘大数据2班’,‘大数据3班’,‘大数据4班’,‘大数据5班’,‘大数据6班’])
ax.axhline(88.5,ls=’–’,linewidth=1.0,label=‘全体平均成绩’)#设置参考线
ax.legend(loc=“lower right”)
plt.title(‘2020080603051’)
plt.show()
在这里插入图片描述
案例4、阿里巴巴淘宝和天猫平台的GMV
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,8)
y=np.array([16000,20290,25900,30980,40980,45789,49000])
bar_rects=plt.bar(x,y,tick_label=[“FY2015”,“FY2016”,“FY2017”,“FY2018”,“FY2019”,“FY2020”,“FY2021”])
#添加无指向型注释文本
def autolabel(rects):
#在每一个矩形条的上方附加一个文本标签，以显示其高度
for rect in rects:
height=rect.get_height()#获取每个矩形条的高度
plt.text(rect.get_x()+rect.get_width()/2,height+300, #主线条中心点位置
s=’{}’.format(height),
ha=‘center’,va=‘bottom’)
autolabel(bar_rects)
plt.ylabel(‘GMV(亿元)’)
plt.title(“2020080603051”)
plt.show()
在这里插入图片描述
案例5、中国电影票房排行榜
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘axes.unicode_minus’]=False
labels=[“哪吒之魔童降世”,“流浪地球”,
“复仇者联盟4：终局之战”,“疯狂外星人”,
“飞驰人生”,“烈火英雄”,“蜘蛛侠：英雄远征”,
“速度与激情：特别行动”,“扫毒2：天地对决”,“大黄蜂”,
“惊奇队长”,“比悲伤更悲伤的故事”,“哥斯拉2：怪兽之王”,
“阿丽塔：战斗天使”,“银河补习班”]
bar_width=[48.57,46.18,42.05,21.83,16.70,14.01,13.81,
12.98,11.89,10.25,9.46,9.27,8.88,8.64,8.20]
y_data=range(len(labels))
fig=plt.figure()
ax=fig.add_subplot(111)
ax.barh(y_data,bar_width,height=0.2,color=‘purple’)
#设置x轴和y轴的标签
ax.set_xlabel(“总票房(亿元)”)
ax.set_ylabel(“电影名称”)
#设置y轴的刻度线位置，刻度标签
ax.set_yticks(y_data)
ax.set_yticklabels(labels)
plt.title(‘2020080603051’)
plt.show()
在这里插入图片描述