with open ( "D:/length_analysis.tsv" , "r" ) as f : for l in f : if int ( l . split ( '\t' ) [ 2 ] ) > 80 : continue lengths . append ( int ( l . split ( '\t' ) [ 2 ] ) // 2 ) # 2)设置内置背景style plt . style . use ( 'seaborn' ) # 添加网格显示 plt . grid ( linestyle = "-" , alpha = 0.5 , linewidth = 1.5 ) # 3)画图 bins = [ 0 , 5 , 10 , 15 , 20 , 25 , 30 , 35 , 40 ] sns . distplot ( lengths , bins , hist = True , kde = True , color = 'royalblue' ) # 4)调整 # 修改x轴刻度显示 plt . xticks ( range ( 0 , 45 ) [ : : 5 ] , fontsize = 10 ) # 修改刻度值大小 plt . tick_params ( labelsize = 13 ) # # 添加x, y轴描述信息 # # plt.xlabel("") # # plt.ylabel("") plt . show ( )

2. 折线图

import matplotlib.pyplot as plt
# 2)设置内置背景style
plt.style.use('seaborn')
# 添加网格显示
plt.grid(linestyle="-", alpha=0.5,linewidth=1.5) 
x = [u'<=5',u'5<l<=10',u'10<l<=15',u'15<l<=20',u'20<l<=25',u'25<l<=30',u'30<l<=35',u'35<l']#点的横坐标
k1 = [0.909090909, 0.853952395, 0.84803377, 0.834743006, 0.789830508, 0.773584906, 0.625, 0.285714286]#线1的纵坐标
k2 = [0.909090909, 0.888627681, 0.872250611, 0.860767729, 0.850847458, 0.849056604, 0.583333333, 0.714285714]#线2的纵坐标
k3 = [0.909090909, 0.889509257, 0.884692291, 0.869225764, 0.861016949, 0.849056604, 0.708333333, 0.571428571]
for i in range(len(k1)):
    k1[i]*=100
    k2[i]*=100
    k3[i]*=100
plt.plot(x,k3,'s-',color = 'red',label="Bert + MS-SAN")#o-:圆形
plt.plot(x,k2,'o-',color = 'royalblue',label="MS-SAN")#o-:圆形
plt.plot(x,k1,'*-',color = 'limegreen',label="Bert-base")#s-:方形
plt.tick_params(labelsize=12)
plt.xlabel("Avg_length(l)")#横坐标名字
plt.ylabel("ACC(%)")#纵坐标名字
plt.legend(loc = "best")#图例
plt.show()
'.'       point marker
','       pixel marker
'o'       circle marker
'v'       triangle_down marker
'^'       triangle_up marker
'<'       triangle_left marker
'>'       triangle_right marker
'1'       tri_down marker
'2'       tri_up marker
'3'       tri_left marker
'4'       tri_right marker
's'       square marker
'p'       pentagon marker
'*'       star marker
'h'       hexagon1 marker
'H'       hexagon2 marker
'+'       plus marker
'x'       x marker
'D'       diamond marker
'd'       thin_diamond marker
'|'       vline marker
'_'       hline marker

2, color

胜千言,使用Pythonmatplotlib库,可以快速创建高质量的形。 用matplotlib生成基本形非常简单,只需要几行代码,但要创建复杂的表,需要调用更多的命令和反复试验,这要求用户对matplotlib有深入的认识。 我们推出一个新的系列教程:Python数据可视化,针对初级和中级用户,将理论和示例代码相结合,分别使用matplotlib, seaborn, plotly等工具实现可视化。 本文主题是如何用Matplotlib创建直方图和密度。 import numpy as np %matplotlib inline #plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, #histtype='bar', align='mid', orientation='vertical',rwidth=Non
matplotlib.pyplot.hist( x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=u'bar', align=u'mid', orientation=u'vertical', rwidth...
1.直方图 直方图是用一系列不等高的长方形来表示数据,宽度表示数据范围的间隔,高度表示在给定间隔内数据出现的频数,长方形的高度跟落在间隔内的数据数量成正比,变化的高度形态反映了数据的分布情况。 2.导入相关库 MatplotlibPython 的绘库。 它可与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案。 我们一般用到的是 Matplotlib 的 Pyplot 函数集合。 from matplotlib import pyplot as plt Pyplot 中使用
文章目录1.直方图+密度2.堆叠直方图 plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical',rwidth=None, log=False, color=None...
直接修改yticks plt.yticks(plt.yticks()[0], np.round(np.array(plt.yticks()[0])/len(ap_train), 2)); ap_train['REGION_POPULATION_RELATIVE'].hist(bins=30) plt.legend() plt.xlabel='人口密度' plt.yticks(plt.yticks()[0], np.round(np.array(plt.yticks
要绘制直方图,可以使用matplotlib库的plt.hist()函数。该函数接受一组数据和一些参数,包括颜色、边缘颜色、透明度和柱子的数量等等。下面是一个绘制直方图Python代码示例: ```python import matplotlib.pyplot as plt import numpy as np # 生成一组随机数据 data = np.random.randn(1000) # 绘制直方图 plt.hist(data, bins=30, density=True, alpha=0.5, histtype='stepfilled', color='steelblue', edgecolor='none') # 添加标题和坐标轴标签 plt.title('Histogram') plt.xlabel('Value') plt.ylabel('Frequency') # 显示形 plt.show() 要绘制概率密度函数,可以使用sns.kdeplot()函数。该函数可以通过输入一组数据生成一个密度,并且可以选择是否填充颜色。下面是一个绘制概率密度函数的Python代码示例: ```python import seaborn as sns import matplotlib.pyplot as plt # 生成一组随机数据 data = np.random.randn(1000) # 绘制概率密度函数 sns.kdeplot(data, shade=True) # 显示形 plt.show()