当前位置: 首页 > news >正文

python中的matplotlib画散点图(数据分析与可视化)

python中的matplotlib画散点图(数据分析与可视化)

import numpy as np
import pandas as pd
import matplotlib.pyplot as pltpd.set_option("max_columns",None)
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False#任务三、堆积图
# x=np.arange(5)
# phone=pd.read_csv("D:\培训资料\matplotlib模块\任务驱动\素材\手机年销量.txt")
# phoneName=phone["品牌"]
# month6=phone["6月"]
# month7=phone["7月"]
# month8=phone["8月"]
# month9=phone["9月"]
# plt.stackplot(x,month6,month7,month8,month9,labels=["6月","7月","8月","9月"])
# plt.xticks(x,phoneName)
# plt.xlabel("品牌")
# plt.ylabel("销量")
# plt.legend(loc="upper right")
# plt.show()df1=pd.DataFrame({"names":["student"+str(i) for i in range(1,201) ],"sex":["男"]*200,"height":np.random.randint(160,199,200),"weight":np.random.randint(50,100,200)
})df2=pd.DataFrame({"names":["student"+str(i) for i in range(1,201) ],"sex":["女"]*200,"height":np.random.randint(150,175,200),"weight":np.random.randint(35,75,200)
})
data=pd.concat([df1,df2])
data=data.sample(frac=0.8)
print(data)
data1=data.query("sex=='男'")
data2=data.query("sex=='女'")
plt.scatter(data1["height"],data1["weight"],color="red")
plt.scatter(data2["height"],data2["weight"],color="blue")
plt.show()

效果图:
在这里插入图片描述
结束,再见

http://www.lryc.cn/news/138150.html

相关文章:

  • 2023前端面试笔记 —— HTML5
  • 【LeetCode】面试题总结 消失的数字 最小k个数
  • 导入功能importExcel (现成直接用)
  • cvc-complex-type.2.4.a: 发现了以元素 ‘base-extension‘ 开头的无效内容。应以 ‘{layoutlib}‘ 之一开头
  • cortex-A7核IIC实验
  • task.run()和 await task.run() 区别 await 运行机制
  • LeetCode面试经典150题(day 2)
  • 阿里云机器学习PAI全新推出特征平台 (Feature Store),助力AI建模场景特征数据高效利用
  • 网络安全工具和资源推荐: 介绍网络安全领域中常用的工具、框架、资源和学习资料
  • 『C语言入门』探索C语言函数
  • Django基础3——视图函数
  • python 基础篇 day 4 选择结构—— if 结构
  • 科技赋能,教育革新——大步迈向体育强国梦
  • 【秋招基础】后端开发——笔面试常见题目
  • 自定义loadbalance实现feignclient的自定义路由
  • 论文笔记:从不平衡数据流中学习的综述: 分类、挑战、实证研究和可重复的实验框架
  • C#设计模式六大原则之--迪米特法则
  • 一次js请求一般情况下有哪些地方会有缓存处理?
  • CSDN编程题-每日一练(2023-08-24)
  • 怎么把PDF转成Word?需要注意什么事项?
  • USACO22OPEN Pair Programming G
  • 实战分享之springboot+easypoi快速业务集成
  • 金字塔原理(思考的逻辑)
  • 机器学习之前向传播(Forward Propagation)和反向传播(Back propagation)
  • Matlab高光谱遥感数据处理与混合像元分解实践技术
  • Docker consul的容器服务注册与发现
  • Spring注入外部 工厂类Bean
  • WPF网格拖动自动布局效果
  • 肯德尔秩相关系数(Kendall‘s Tau)排名
  • 电脑怎么把视频转换gif动图?视频生成gif的操作步骤