8.1 matplotlib
设置全局参数基本绘图直方图相同绘图上的两个直方图散点图原文:matplotlib
译者:飞龙
协议:CC BY-NC-SA 4.0
致谢:派生于 Olivier Grisel 的 sklearn 和 IPython 并行机器学习
%matplotlib inlineimport pandas as pdimport numpy as npimport pylab as pltimport seaborn
设置全局参数
# 设置 matplotlib 图形的全局默认大小plt.rc('figure', figsize=(10, 5))# 将 seaborn 美学参数设为默认值seaborn.set()
基本绘图
x = np.linspace(0, 2, 10)plt.plot(x, x, 'o-', label='linear')plt.plot(x, x ** 2, 'x-', label='quadratic')plt.legend(loc='best')plt.title('Linear vs Quadratic progression')plt.xlabel('Input')plt.ylabel('Output');plt.show()
直方图
# 高斯,均值 1,标准差 0.5,1000 个元素samples = np.random.normal(loc=1.0, scale=0.5, size=1000)print(samples.shape)print(samples.dtype)print(samples[:30])plt.hist(samples, bins=50);plt.show()'''(1000,)float64[ 0.6806888 0.7242 1.40490113 1.13979846 0.5729488 1.325840770.61635621 0.60340336 1.29453467 0.69841457 0.6975998 0.723159910.66912189 1.03420801 0.62283168 0.38582511 0.89488414 1.48025181.43819256 0.98605861 0.60402232 1.03820507 0.35598796 1.329010871.03194436 1.3374366 1.82526334 1.26614489 1.1661 0.86344001]'''
相同绘图上的两个直方图
samples_1 = np.random.normal(loc=1, scale=.5, size=10000)samples_2 = np.random.standard_t(df=10, size=10000)bins = np.linspace(-3, 3, 50)# 设置透明度,并使用相同的桶# 因为我们绘制两个直方图plt.hist(samples_1, bins=bins, alpha=0.5, label='samples 1')plt.hist(samples_2, bins=bins, alpha=0.5, label='samples 2')plt.legend(loc='upper left');plt.show()
散点图
plt.scatter(samples_1, samples_2, alpha=0.1);plt.show()
如果觉得《数据科学 IPython 笔记本 8.1 matplotlib》对你有帮助,请点赞、收藏,并留下你的观点哦!