python画图笔记（python画图作业）

发布时间：2022-11-10

本文目录一览：

  1. python画图：，横坐标是点数（1到1000），纵坐标是大小不同的数值，即如何用颜色的深浅代表数值的大小？
  2. python_海龟绘图_坐标系问题_画笔各种方法-python工作笔记013
  3. python 绘制和密度图笔记
  4. 用Python画图
  5. 自学python需要做什么笔记

python画图：，横坐标是点数（1到1000），纵坐标是大小不同的数值，即如何用颜色的深浅代表数值的大小？

  1. 首先在python软件中，创建一个响应鼠标的自定义函数，当鼠标在画布上面点击一下，就画一个圆。
  2. 创建一个画布，背景是白色：img=np.ones((365,500,3),np.uint8)*255。
  3. 然后创建一个窗口：cv2.namedWindow('image')。当鼠标在这个窗口里面的时候，上面的自定义函数会响应鼠标。
  4. 开始一个while循环，每次在image窗口里面点击鼠标，就会画一个圆。
  5. 执行程序之后，在画布上随机的点击鼠标，就可以得到彩色的圆。

python_海龟绘图_坐标系问题_画笔各种方法-python工作笔记013

然后我们继续看，这次我们用海龟绘图程序包去画画，看看海龟绘图都有哪些方法：

  • import turtle：导入海龟绘图模块。
  • turtle.showturtle()：显示一个箭头。
  • turtle.write("hello world")：显示对应文字。
  • turtle.forward(300)：向前走300像素。
  • turtle.color("red")：把画笔颜色换成红色。
  • turtle.left(90)：把箭头逆时针转90度。
  • turtle.forward(300)：向前移动300个像素。
  • turtle.goto(0,50)：走到0,50这个坐标点。
  • 再看一下坐标系，原点0,0开始操作。
  • turtle.goto(0,0)：回到原点。
  • turtle.penup()：抬起画笔。
  • turtle.goto(0,300)，turtle.goto(0,0)，然后再去 turtle.pendown()：放下画笔。
  • turtle.goto(0,50)，turtle.goto(50,50)：走到对应的坐标。
  • turtle.circle(100)：以100为半径，逆时针画一个圆。

python 绘制和密度图笔记

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
pd.set_option('display.max_columns', 10000)
pd.set_option('display.max_rows', 10000000000)
pd.set_option('display.width', 100000)
income = pd.read_excel(r'D:\bigData\0629demo\dataSource\income.xlsx')
fill_data = income.fillna(value={'workclass': income.workclass.mode()[0], 'occupation': income.occupation.mode()[0],
                                 'native-country': income['native-country'].mode()[0]}, inplace=True)
print(income.describe())
print(income.describe(include=['object']))
# 设置绘图风格
plt.style.use('ggplot')
# 设置多图形组合
fig, axes = plt.subplots(2, 1)
# 绘制不同收入水平下的年龄核密度图
income['age'][income.income == ' =50K'].plot(kind='kde', ax=axes[0], label='=50K', legend=True, linestyle='-')
income['age'][income.income == ' 50K'].plot(kind='kde', ax=axes[0], label='50K', legend=True, linestyle='--')
# 绘制不同收入水平下的周工作小时数核密度图
income['hours-per-week'][income.income == ' =50K'].plot(kind='kde', label='= 50K', ax=axes[1], legend=True, linestyle='-')
income['hours-per-week'][income.income == ' 50K'].plot(kind='kde', label=' 50K', ax=axes[1], legend=True, linestyle='--')
plt.show()
# 构造不同收入水平下各种族人数的数据
race = pd.DataFrame(income.groupby(by=['race', 'income']).agg(np.size).loc[:, 'age'])
race = race.reset_index()
race.rename(columns={'age': 'counts'}, inplace=True)
race.sort_values(by=['race', 'counts'], ascending=False, inplace=True)
# 构造不同收入水平下各家庭关系人数的数据
relationship = pd.DataFrame(income.groupby(by=['relationship', 'income']).agg(np.size).loc[:, 'age'])
relationship = relationship.reset_index()
relationship.rename(columns={'age': 'counts'}, inplace=True)
relationship.sort_values(by=['relationship', 'counts'], ascending=False, inplace=True)
plt.figure(figsize=(15, 10))
sns.barplot(x='race', y='counts', hue='income', data=race)
plt.show()
plt.figure(figsize=(15, 10))
sns.barplot(x='relationship', y='counts', hue='income', data=relationship)
plt.show()

用Python画图

今天开始琢磨用Python画图，没使用之前是一脸懵的，我使用的开发环境是Pycharm，这个输出的是一行行命令，这个图画在哪里呢？ 搜索之后发现，它会弹出一个对话框，然后就开始画了，比如下图： 第一个常用的库是Turtle，它是Python语言中一个很流行的绘制图像的函数库，这个词的意思就是乌龟，你可以想象下一个小乌龟在一个x和y轴的平面坐标系里，从原点开始根据指令控制，爬行出来就是绘制的图形了。 它最常用的指令就是旋转和移动，比如画个圆，就是绕着圆心移动；再比如上图这个怎么画呢，其实主要就两个命令：

turtle.forward(200)
turtle.left(170)

第一个命令是移动200个单位并画出来轨迹；第二个命令是画笔顺时针转170度，注意此时并没有移动，只是转角度。 然后呢？循环重复就画出来这个图了，好玩吧。 Turtle虽好玩，但是我想要的是我给定数据，然后让它画图，这里就找到另一个常用的画图的库了。 Matplotlib是Python最著名的绘图库，它提供了一整套和MATLAB相似的命令API，十分适合交互式地进行制图。其中，matplotlib的pyplot模块一般是最常用的，可以方便用户快速绘制二维图表。 使用起来也挺简单：

  • import matplotlib.pyplot as plt：导入画图模块。
  • 给定x和y，用这个命令 plt.plot(x, y) 就能画图了，接着用 plt.show() 就可以展示图形。 接着就是各种完善，比如加标题，设定x轴和y轴标签，范围，颜色，网格等等。 假设现在有个数据csv文件，一列是日期，另一列是比特币的价格，那用这个命令画下：
plt.plot(df['time'], df['ini'])
plt.show()

然后呢，我在上篇文章中介绍过求Ahr999指数，那可不可以也放到这张图中呢？不就是加一条命令嘛：

plt.plot(df['time'], df['Ahr999'])

但是，Ahr999指数怎么就一条线不动啊，原来两个Y轴不一致，显示出来太怪了，需要用多Y轴，问题来了。 继续谷歌一下，把第二个Y轴放右边就行了，不过得使用多图，重新绘制：

fig = plt.figure() # 多图
ax1 = fig.add_subplot(111)
ax1.plot(df['time'], df['ini'], label="BTC price")
ax1.set_ylabel('BTC price')
ax2 = ax1.twinx() # 在右边增加一个Y轴
ax2.plot(df['time'], df['Ahr999'], 'r', label="ahr999")
ax2.set_ylim([0, 50])
ax2.set_ylabel('ahr999')
plt.grid(color="k", linestyle=":")
fig.legend(loc="center")
plt.show()

跑起来看看效果，虽然丑了点，但终于跑通了。 这样就可以把所有指数都绘制到一张图中，等等，三个甚至多个Y轴怎么加？这又是一个问题，留给爱思考爱学习的你。 有了自己的数据，建立自己的各个指数，然后再放到图形界面中，同时针对异常情况再自动进行提醒，比如要抄底了，要卖出了，用程序做出自己的晴雨表。

自学python需要做什么笔记

Python的书很多，但是好书不多，经过我这么多年的Python学习，我总结出了一个Python学习的读书路线：

  • Python简明教程：让你大体上了解一下Python，最好是能够独立完成最后一个练习项目之后再看别的书。
  • Python学习手册、Python基础教程、Python核心编程：这三本书都是讲基础的，但都有不足又相互补充。我建议你随便挑一本开始看，当看到某个地方有些不明白的时候，去看看另外两本书里对应的章节，有的时候你会恍然大悟的。
推荐文章