『python』科学计算专项_科学绘图库matplotlib学习(下)
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了『python』科学计算专项_科学绘图库matplotlib学习(下)相关的知识,希望对你有一定的参考价值。
基本的读取csv文件并绘制饼图
由于之前没有过实际处理的经验,所以这个程序还是值得一看,涉及了处理表格数据的基本方法:
import matplotlib.pyplot as plt import pandas as pd # csv读取文件 data = pd.read_csv(‘OutOrder.csv‘,encoding=‘gb2312‘) # 每一列都兼容numpy的方法 a = data[‘方式‘].values # 获取本列的内容的各种可能 typename = [] for i in a: if i not in typename: typename.append(i) # 获取每种可能的数目 typenum = [] for i in typename: typenum.append(sum(a==i)) print(typenum) # 绘制饼图 plt.axis(‘equal‘) plt.pie(typenum,labels=typename,shadow=True, labeldistance=1.1,autopct=‘%3.1f%%‘, startangle=0,pctdistance=0.8) plt.legend() plt.show()
添加了时间处理的统计图,稍微复杂一点
有两个地方值得注意:
- str字符串转换为datetime时间对象的两种方法(datetime包和pandas内置集成)
- 双纵坐标图的绘制方法
from matplotlib import pyplot as plt import pandas as pd import numpy as np import datetime data = pd.read_csv(‘OutOrder.csv‘,encoding=‘gb2312‘) def toDT(a): return datetime.datetime.strptime(a,‘%m/%d/%Y %H:%M‘) # 注意时序字符串处理 # 转换str成datetime格式 a = data[u‘时间‘].apply(toDT) # <-------显示使用datetime处理时间字符串 # a = pd.to_datetime(data[u‘时间‘]) # <-------pandas内置处理时间字符串方法,和上面等价 print(a) # X用来存月份,Y用来存金额,Z用来存人数 X=[];Y=[];Z=[] for i in range(12): start_time = datetime.datetime(2015, i+1, 1) if i + 2 > 12: end_time = datetime.datetime(2016, 1, 1) else: end_time = datetime.datetime(2015, i+2, 1) idx = np.where((a>start_time)&(a<end_time)) # np.where返回含有一个数组的单元素索引元组:(array数组,),所以加[0] if len(idx[0])>0: X.append(i + 1) Y.append(sum(data[‘金额‘].values[idx[0]])) Z.append(len(idx[0])) width = 0.25 fig, ax1 = plt.subplots() ax1.bar(np.array(X)-width, Y, width, facecolor=‘#9999ff‘, edgecolor=‘white‘) ax1.set_ylabel(‘money‘, color=‘b‘) ax1.set_xlabel(‘month‘) # ax1.bar(np.array(X)+1, Z, width, facecolor=‘#ff9999‘, edgecolor=‘white‘) # 普通的伴生图绘制方法 ax2 = ax1.twinx() # <-------伴生图绘制方法(使用同样的横坐标,但是不共用纵轴) ax2.bar(X, Z, width, facecolor=‘#ff9999‘, edgecolor=‘white‘) ax2.set_ylabel(‘people num‘, color=‘r‘) plt.grid(True) plt.show()
输出图像:
不使用双纵坐标轴的输出图:
以上是关于『python』科学计算专项_科学绘图库matplotlib学习(下)的主要内容,如果未能解决你的问题,请参考以下文章
『python』科学计算专项_科学绘图库matplotlib学习(下)