python可视化处理数据CVS绘制散点图以及曲线图绘制显示并保存DIY

概述#!/usr/bin/envpython#-*-coding:utf-8-*-#Author's_name_is_NIKOLA_SSimportpandasaspdimportnumpyasnpfromnumpyimportarrayimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['KaiTi']#用来正常显示中文标签FangSo

#!/usr/bin/env python # -*- Coding:utf-8 -*-# Author's_name_is_nikola_SSimport pandas as pdimport numpy as npfrom numpy import arrayimport matplotlib.pyplot as pltplt.rcParams['Font.sans-serif']=['KaiTi'] #用来正常显示中文标签FangSong,SimHei,KaiTiplt.rcParams['axes.unicode_minus']=False #用来正常显示负号wm=pd.read_csv('W:\PY\WDPY\Programss\lPsslianxx\ccdd.csv')#index_col=1默认，自动增加一列print(wm.head())#    Unnamed: 0  height  weight# 0           1      50     115# 1           2      52     118# 2           3      54     120# 3           4      59     123# 4           5      56     127# wm=pd.read_csv('ccdd.csv',index_col=0)# # print(wm.head()) #原始表格型plt.plot(wm['height'],wm['weight'],'g+')plt.scatter(wm.height,wm.weight)#散点图plt.Title('散点图5')plt.show()########################################################################## plt.savefig('wm人213.jpg')#默认是png格式# # plt.rcParams['figure.dpi'] = 300   # 像素or分辨率# # plt.rcParams['figure.figsize'] = (30,60)        # 图像显示大小# # plt.rcParams['image.cmap'] = 'gray'  # 使用灰度输出而不是彩色输出# plt.rcParams['image.interpolation'] = 'nearest'  # 最近邻差值: 像素为正方形# #Interpolation/resampling即插值，是一种图像处理方法，它可以为数码图像增加或减少象素的数目。## plt.show()#开始绘图# s=np.arange(0,4,0.1)# print(s)# np.arange([start, ]stop, [step, ]dtype=None)# arange函数用于创建等差数组# start:可忽略不写，默认从0开始;起始值# stop:结束值；生成的元素不包括结束值# step:可忽略不写，默认步长为1；步长# dtype:默认为None，设置显示元素的数据类型# nd3 = np.arange(1,15,2)#nd3 = np.arange(1,5,2)# nd2=array([1, 2, 3, 4])# nd2 = np.arange(1,5)# 必须执行：#np.linspace(-10, 1, 500)从-10到1取500个等距元素from numpy import array# 即使执行：## >>> import numpy也不能解决问题# print(nd2)# plt.plot(s,s,s+2,3*s)#同一个s对应多个Y值# plt.show()############################################################x=np.arange(-1,4*np.pi,0.1*np.pi)y=np.sin(x)+2z=np.cos(x)-3plt.figure(2)plt.grID()plt.xlim((-2,15))#限制X轴范围# 在绘制时设置lable, 逗号是必须的l1, = plt.plot(x, y, label = 'line', color = 'blue')l2, = plt.plot(x, z, label = 'parabola', color = 'red', linewidth = 1.0, linestyle = '--')plt.plot(x,y,x,z)# 设置x坐标轴刻度, 原来为0.25, 修改后为0.5plt.xticks(np.linspace(-1, 10, 5))# 设置y坐标轴刻度及标签, $$是设置字体# plt.yticks([0, 0.5], ['$minimum$', 'normal'])plt.legend(handles = [l1, l2,], labels = ['a', 'b'], loc = 'best')# plt.legend(labels = ['sinx', 'bcosx'], loc = 'best')plt.show()

组合最后的文件保存大小如图=

精简版源码：

#!/usr/bin/env python # -*- Coding:utf-8 -*-# Author's_name_is_nikola_SSimport pandas as pdimport numpy as npfrom numpy import arrayimport matplotlib.pyplot as pltplt.rcParams['Font.sans-serif']=['KaiTi'] #用来正常显示中文标签FangSong,SimHei,KaiTiplt.rcParams['axes.unicode_minus']=False #用来正常显示负号wm=pd.read_csv('W:\PY\WDPY\Programss\lPsslianxx\ccdd.csv')#index_col=1默认，自动增加一列print(wm.head())plt.plot(wm['height'],wm['weight'],'g+')plt.scatter(wm.height,wm.weight)#散点图plt.Title('散点图5')plt.show()x=np.arange(-1,4*np.pi,0.1*np.pi)y=np.sin(x)+2z=np.cos(x)-3plt.figure(2)plt.grID()plt.xlim((-2,15))#限制X轴范围l1, = plt.plot(x, y, label = 'line', color = 'blue')l2, = plt.plot(x, z, label = 'parabola', color = 'red', linewidth = 1.0, linestyle = '--')plt.plot(x,y,x,z)plt.xticks(np.linspace(-1, 10, 5))plt.legend(handles = [l1, l2,], labels = ['a', 'b'], loc = 'best')plt.show()

csv文件;

   Unnamed: 0  height  weight0           1      50     1151           2      52     1182           3      54     1203           4      59     1234           5      56     127

总结

以上是内存溢出为你收集整理的python可视化处理数据CVS绘制散点图以及曲线图绘制显示并保存DIY全部内容，希望文章能够帮你解决python可视化处理数据CVS绘制散点图以及曲线图绘制显示并保存DIY所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。