数据科学包-Day4-可视化分析(一)

1026-徐同学

发表文章数:41

首页 » 数据科学库 » 正文

Numpy简介

median=np.median(c)

variance=np.var(c)

c_slice=c[2:5]

####
c1=np.zeros((2,3))
c2=np.arange(10)

x=np.loadtxt('000001.csv',delimiter=',',skiprows=1,usecols=(1,4,6),unpack=False)

o,c,v=np.loadtxt('000001.csv',delimiter=',',skiprows=1,usecols=(1,4,6),unpack=True)

vwap=np.average(c,weights=v)

print(vwap)

print("finish")

数据科学包-Day4-可视化分析(一)

散点图

import numpy as np
import matplotlib.pyplot as plt

height=[161,170,182,175,173,165]
weight=[50,58,80,70,69,55]

plt.scatter(height,weight)

plt.show()

N=1000
x=np.random.randn(N)
y1=np.random.randn(len(x))

plt.scatter(x,y1)

plt.show()

y2=x+np.random.randn(len(x))*0.1
plt.scatter(x,y2)

y3=-1*x+np.random.randn(len(x))*0.1
plt.scatter(x,y3)

N = 1000
x = np.random.rand(N)
y = np.random.rand(N)


open,close=np.loadtxt('000001.csv',delimiter=',',skiprows=1,usecols=(1,4),unpack=True)

change=close-open

yesterday=change[:-1]
today=change[1:]

plt.scatter(today,yesterday)

plt.show()

s=200
marker='v'
c='green'
alpha=1

plt.scatter(x, y1, s=50, marker='o', c='red', alpha=0.5)

plt.show()

open,close=np.loadtxt('000001.csv',delimiter=',',skiprows=1,usecols=(1,4),unpack=True)

change=close-open

yesterday=change[:-1]
today=change[1:]

plt.scatter(yesterday,today,s=500,c='r',alpha=1)

plt.show()

数据科学包-Day4-可视化分析(一)

折线图

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

x=np.linspace(-10,10,100)
y=x**2
plt.plot(x,y)
plt.show()



date,open,close=np.loadtxt('000001.csv',delimiter=',',
                           converters={0:mdates.strpdate2num('%m/%d/%Y')},skiprows=1,usecols=(0,1,4),unpack=True)


plt.plot_date(date,close,'y-')

plt.show()

plt.plot_date(date,close,'go')

plt.plot_date(date,close,'r--')

plt.show()

plt.plot(date, close, color='green', linestyle='dashed', marker='o',
     markerfacecolor='blue', markersize=12)

plt.show()

数据科学包-Day4-可视化分析(一)
x=np.linspace(-10,10,10)分成十份
数据科学包-Day4-可视化分析(一)

条形图

import numpy as np
import matplotlib.pyplot as plt

N=5

y=[20,10,30,25,15]

index = np.arange(N)

p1 = plt.bar(x=index, height=y,width=0.5,bottom=100,color='red')

plt.show()

p2 = plt.bar(x=0, bottom=index, width=y,height=0.5,orientation='horizontal')

plt.show()

p3=plt.barh(bottom=index,width=y,height=0.5)

plt.show()

index=np.arange(4)

sales_BJ=[52,55,63,53]
sales_SH=[44,66,55,41]

bar_width=0.3

plt.bar(index,sales_BJ,bar_width,color='b')
plt.bar(index+bar_width,sales_SH,bar_width,color='r')
plt.show()

plt.bar(index,sales_BJ,bar_width,color='b')
plt.bar(index,sales_SH,bar_width,color='r',bottom=sales_BJ)
plt.show()

直方图

import numpy as np
import matplotlib.pyplot as plt


mu = 100  # mean of distribution
sigma = 20  # standard deviation of distribution
x = mu + sigma * np.random.randn(2000)

plt.hist(x, bins=10,color='red',density=True)


plt.hist(x, bins=50,color='green',density=False)
plt.show()


x = np.random.randn(1000)+2
y = np.random.randn(1000)+3

plt.hist2d(x, y, bins=40)
plt.show()

数据科学包-Day4-可视化分析(一)
数据科学包-Day4-可视化分析(一)

饼状图

import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec

# Some data

labels = 'A', 'B', 'C', 'D'
fracs = [15, 30, 45, 10]

explode = (0, 0.05, 0, 0)

# Make square figures and axes

plt.axes(aspect=1)


explode = (0, 0.05, 0, 0)

#plt.pie(fracs, labels=labels, autopct='%1.1f%%', shadow=True)

plt.pie(fracs, explode=explode, labels=labels, autopct='%.0f%%', shadow=True)

plt.show()

数据科学包-Day4-可视化分析(一)

箱型图

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(100)

data = np.random.normal(size=1000, loc=0.0, scale=1.0)

plt.boxplot(data,sym='o',whis=1.5)

plt.show()


data = np.random.normal(size=(100, 4), loc=0.0, scale=1.0)

labels = ['A','B','C','D']

plt.boxplot(data, labels=labels)

plt.show()

数据科学包-Day4-可视化分析(一)

颜色和样式

#coding:utf-8
import numpy as np
import matplotlib.pyplot as plt

#默认情况
y=np.arange(1,5)
plt.plot(y)
plt.show()


#调整颜色
y=np.arange(1,5)
plt.plot(y,'y');
plt.plot(y+1,color=(0.1,0.2,0.3));
plt.plot(y+2,'#FF00FF');
plt.plot(y+3,color='0.5')

plt.show()


'''
#线型

y=np.arange(1,5)
plt.plot(y,'--');
plt.plot(y+1,'-.');
plt.plot(y+2,':');

plt.show()

'''
#点形状

'''
y=np.arange(1,5)
plt.plot(y,'o');
plt.plot(y+1,'D');
plt.plot(y+2,'^');
plt.plot(y+3,'s');
plt.plot(y+4,'p');
plt.plot(y+5,'x');

plt.show()
'''

y=np.arange(1,5)
plt.plot(y,'cx--');
plt.plot(y+1,'kp:');
plt.plot(y+2,'mo-.');

plt.show()

数据科学包-Day4-可视化分析(一)

面向对象

#pyplot
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,10,1)
y=np.random.randn(len(x))
plt.plot(x,y)
plt.title('pyplot')
plt.show()


#pylab
from pylab import *
x=arange(0,10,1)
y=randn(len(x))
plot(x,y)
title('random numbers')
show()


#Object Oriented
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,10,1)
y=np.random.randn(len(x))
fig=plt.figure()
ax=fig.add_subplot(111)
l,=plt.plot(x,y)
t=ax.set_title('object oriented')
plt.show()

数据科学包-Day4-可视化分析(一)
数据科学包-Day4-可视化分析(一)
数据科学包-Day4-可视化分析(一)

子图

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(1,100)

plt.subplot(221)
plt.plot(x,x)

plt.subplot(222)
plt.plot(x,-x)

plt.subplot(223)
plt.plot(x,x*x)

plt.subplot(224)
plt.plot(x,np.log(x))

plt.show()

数据科学包-Day4-可视化分析(一)

多图

import matplotlib.pyplot as plt

fig1=plt.figure()

ax1=fig1.add_subplot(111)

ax1.plot([1,2,3],[3,2,1])

fig2=plt.figure()

ax2=fig2.add_subplot(111)

ax2.plot([1,2,3],[1,2,3])

plt.show()

网格

import numpy as np
import matplotlib.pyplot as plt
y=np.arange(1,5)

plt.plot(y,y*2)

plt.grid(True)

plt.show()

#交互中打开关闭网格
plt.grid()

import numpy as np
import matplotlib.pyplot as plt
y=np.arange(1,5)

plt.plot(y,y*2)

plt.grid(True,color='g',linestyle='-',linewidth='2')

plt.show()


#Object Oriented
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,10,1)
y=np.random.randn(len(x))
fig=plt.figure()
ax=fig.add_subplot(111)
l,=plt.plot(x,y)

ax.grid(color='g')

plt.show()

数据科学包-Day4-可视化分析(一)
数据科学包-Day4-可视化分析(一)

图例

import matplotlib.pyplot as plt
import numpy as np


x=np.arange(1,11,1)
y=x*x

plt.plot(x,x*2,label='Normal')

plt.plot(x,x*3,label='Fast')

plt.plot(x,x*4,label='Faster')

plt.legend(loc=3,ncol=2)

plt.show()


#方式2

plt.plot(x,x*2)
plt.plot(x,x*3)
plt.plot(x,x*4)

plt.legend(['Normal','Fast','Faster'])

plt.show()


#OO
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,10,1)
y=np.random.randn(len(x))
fig=plt.figure()
ax=fig.add_subplot(111)
l,=plt.plot(x,y)

ax.legend(['ax legend'])

line, =ax.plot(x,y,label='Inline label')

line.set_label('label via method')

ax.legend()

plt.show()

数据科学包-Day4-可视化分析(一)
数据科学包-Day4-可视化分析(一)
数据科学包-Day4-可视化分析(一)

未经允许不得转载:作者:1026-徐同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《数据科学包-Day4-可视化分析(一)》 发布于2020-05-28

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录