# -*- coding:utf-8 -*-
"""@author: fane
@file: matplotlibtest.py
@time:2017/8/12 22:01
"""import numpy as np
defmain
():import matplotlib.pyplot as plt
x = np.linspace(-np.pi,np.pi,256,endpoint = true) #定義自變數範圍：-pi到pi之間包含256個點，包含最後乙個點
c,s=np.cos(x),np.sin(x) #兩個變數一起定義，表示c=cos(x);s=sin(x)
plt.figure(2) #建立畫布，影象編號figure1
plt.plot(x,c,color="blue",linewidth=1.0,linestyle="-",label="cos",alpha=0.5) #cos曲線,自變數x,因變數sin(x)，透明度0.5
plt.plot(x,s,"r*",label="sin") #畫出sin曲線,自變數為x，因變數為sin(x)
plt.title("cos & sin") #圖示標題
# plt.show()
#修改座標值位置
ax = plt.gca() #軸編輯器
ax.spines["right"].set_color("none") #消除右邊和上面的畫布實線邊框
ax.spines["top"].set_color("none")
ax.spines["left"].set_position(("data",0)) #設定縱座標豎線位置在x=0的位置
ax.spines["bottom"].set_position(("data",0)) #設定橫座標橫線位置在y=0的位置
ax.xaxis.set_ticks_position("bottom") #設定x軸數字顯示的位置在座標軸底部
ax.yaxis.set_ticks_position("left")
# plt.show()
plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi]) #設定x軸上標記顯示的座標點
plt.yticks(np.linspace(-1, 1, 5, endpoint=true)) #設定y軸顯示範圍-1-1之間，5表示在-1-1之間均分標記座標點
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12) #設定x,y軸上標記點的字型大小大小
label.set_bbox(dict(facecolor="blue", edgecolor="none", alpha=0.2)) #設定標記點的背景色(blue),背景邊界(none)和透明度
plt.legend(loc="upper left") #在畫布左上角，顯示每條線與函式的對應說明
plt.grid() #顯示虛線網格
# plt.axis([-1,1,-0.5,1]) #只顯示x在-1-1，y在-0.5-1之間的圖形
plt.fill_between(x, np.abs(x) < 0.5, c, c > 0.2, color="green", alpha=0.25) #標記陰影區域
#新增專門注釋
t = 1
plt.plot([t, t], [0, np.cos(t)], linewidth=3, linestyle="--")
#新增特殊標記點：annotate(注釋點位置，，注釋顯示位置偏移量防止覆蓋圖線，偏移量是相對位置，箭頭型別（，，）)
plt.annotate("cos(1)", xy=(t, np.cos(t)), xytext=(+10, +30), textcoords="offset points",arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=0.2"))
plt.show()
if __name__ == "__main__":
main()
Python資料分析工具之matplotlib
能將資料進行視覺化,更直觀的呈現 使資料更加客觀 更具說服力 python 2d 繪圖領域使用最廣泛的套件 usr bin python coding utf 8 author acker date 2020 10 31 import matplotlib.pyplot as plt,matplot...
最常用的四種資料分析方法
當剛涉足資料探勘分析領域的分析師被問及，資料探勘分析人員最重要的能力是什麼時，他們給出了五花八門的答案。其實我想告訴他們的是，資料探勘分析領域最重要的能力是 能夠將資料轉化為非專業人士也能夠清楚理解的有意義的見解。使用一些工具來幫助大家更好的理解資料分析在挖掘資料價值方面的重要性，是十分有必要的。其...
最常用的四種資料分析方法
當剛涉足資料探勘分析領域的分析師被問及，資料探勘分析人員最重要的能力是什麼時，他們給出了五花八門的答案。其實我想告訴他們的是，資料探勘分析領域最重要的能力是 能夠將資料轉化為非專業人士也能夠清楚理解的有意義的見解。使用一些工具來幫助大家更好的理解資料分析在挖掘資料價值方面的重要性，是十分有必要的。其...