df[‘Score’].plot(kind=’box’, ylim=(0, 100), color=’blue’, marker=’o’) # 设置y轴范围和绘图颜色、标记样式plt.title(‘学生成绩箱线图’) # 添加标题plt.xlabel(‘姓名’) # 设置x轴标签plt.ylabel(‘成绩’) # 设置y轴标签plt.xticks(rotation=45) # 设置x轴刻度旋转45度以提高可读...
plt.plot(x, y, color='limegreen', label='Xovee') plt.xticks([0, np.pi, 2*np.pi, 3*np.pi, 12], ['0.0', '$pi$', '$2pi$', '3$pi$', '12'], fontsize=16, rotation=30, color='red') plt.yticks([-1, 0, 1], fontsize=16, color='blue') plt.show() 1. 2. 3....
‘line’ : line plot (default)#折线图‘bar’ : vertical bar plot#条形图‘barh’ : horizontal bar plot#横向条形图‘hist’ : histogram#柱状图‘box’ : boxplot#箱线图‘kde’ : Kernel Density Estimation plot#Kernel 的密度估计图,主要对柱状图添加Kernel 概率密度线‘density’ : same as ‘kde’...
plt.yticks(rotation=0,size=15,color='blue') for a,b in zip(x,y): #把x,y的值 解压循环 赋值给a,b plt.text(a,b+120,b,ha='center',size=15,color='red') # a:x轴位置 # b+120:y轴位置 # b:要显示的数据 # ha:固定写法,x轴每一个柱状图居中 # plt.plot(x, y,color='red',...
plt.xticks(rotation=0) # 为柱子增加数据标签 for i in range(ser9.size): plt.text(i, ser9[i] + 5, ser9[i], ha='center') plt.show() 输出: 我们也可以将其不平等为饼图,代码如下所示。 代码: # plot方法的kind参数指定了图表类型为饼图 ...
Rotation for ticks (xticks for vertical, yticks for horizontal plots) fontsize : int, default None#设置轴刻度的字体大小 Font size for xticks and yticks colormap : str or matplotlibcolormapobject, default None#设置图的区域颜色 Colormap to select colors from. If string, load colormap with th...
data['sqft_living'].plot.hist(bins=60)# bins 表示柱子的数量 plt.xticks(range(0,max(data['sqft_living']),500),rotation=90,fontsize=6) plt.show() 结果如下: 该图表示某地区房子的价位的分布情况。 总结 以上就是使用pandas结合matplotlib绘制一些基本常用图形的例子,当然了例子是固定的,图形是灵活...
plt.plot(monthly_sales.index.astype(str), monthly_sales.values) plt.xlabel('Month') plt.ylabel('Total Sales') plt.title('Monthly Sales Trend') plt.xticks(rotation=45) plt.show() 4.3 分类销售分析 python 复制代码 # 计算每个分类的总销售额 ...
plt.plot(monthly_sales.index.astype(str), monthly_sales.values) plt.xlabel('Month') plt.ylabel('Total Sales') plt.title('Monthly Sales Trend') plt.xticks(rotation=45) plt.show() 在该战略的帮助下,我们首先按月聚合销售数据,然后使用汇线图树立销售意识,并随着时间的推移看到销售的变化情况。
# corr.plot() # spx_corr.plot() ''' # 百分之2的回报率的百分等级score_at = lambda x:percentileofscore(x,0.02) result = returns['AAPL'].rolling(250).apply(score_at) ''' # result.plot() plt.xlabel('Time Line') plt.xticks(rotation=90,fontsize=8) ...