关于Python数据分析在数学建模中的更多相关应用:Python数据分析在数学建模中的应用汇总(持续更新中!)
(1)、导入库
import matplotlib.pyplot as plt import numpy
(2)、figure对象和subplot简单运用
#figure对象 fig = plt.figure() #figure是图象对象 ax1 = fig.add_subplot(2,2,1) #创建一个2*2的子图,放在第一个位置 ax2 = fig.add_subplot(2,2,2) #创建一个2*2的子图,放在第二个位置 ax3 = fig.add_subplot(2,2,3) #创建一个2*2的子图,放在第三个位置 from numpy.random import randn plt.plot(randn(50).cumsum(),'k--') #'k--'告诉python要画出黑色的虚线 ax1.hist(randn(100),bins=20,color='k',alpha=0.3)
(3)、调整subplot周围的间距
#调整subplot周围的间距 fig,axes = plt.subplots(2,2,sharex=True,sharey=True) #直接生成fiure对象和Axes实例(数组) for i in range(2): for j in range(2): axes[i, j ].hist(numpy.random.randn(500),bins = 50,color='k',alpha=0.5) #遍历创建图 plt.subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=0,hspace=0) #用于调整subplot周围的间距
(6)、添加图例
#添加图例 fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(numpy.random.randn(1000).cumsum(),'k',label='one') #label标签用于添加图例 ax.plot(numpy.random.randn(1000).cumsum(),'k',label='two') ax.plot(numpy.random.randn(1000).cumsum(),'k',label='three') ax.legend(loc='best') #loc选项可以选择图例的位置
(7)、添加注释
#添加注释 fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(numpy.random.randn(1000).cumsum(),'k',label='one') #label标签用于添加图例 plt.annotate("Important value", (55,20), xycoords='data', #添加注释的方法 xytext=(5, 38), <div>本文来源gaodai.ma#com搞##代!^码@网3</div> arrowprops=dict(arrowstyle='->'))