NumPy 数据可视化

NumPy 提供了多种数据可视化技术，如折线图、散点图、条形图和直方图。

数据可视化使我们能够快速有效地对大量数据进行可视化表示。

让我们来了解 NumPy 中的可视化技术。

数据可视化数据集

我们将使用汽车数据集来可视化数据。

数据可视化的折线图

在 NumPy 中，折线图将数据显示为由直线连接的一系列点。它有一个 plot() 函数用于绘制折线图，该函数接受两个参数；x 和 y 坐标。

让我们看一个例子。

import numpy as np
import matplotlib.pyplot as plt

car = np.array(["Caterham", "Tesla", "Audi",  "BMW", "Ford", "Jeep"])
weight = np.array([0.48, 1.7, 2, 2, 2.3, 3 ])

plt.plot(car, weight)
plt.show()

输出

在这里，我们使用了 plot() 函数来绘制给定数据集的折线图。我们将 plot() 的 x 和 y 坐标设置为 car 和 weight 数组。

数据可视化的散点图

散点图将数据显示为点集合。它有一个 scatter() 函数用于绘制数据点。例如，

import numpy as np
import matplotlib.pyplot as plt

car = np.array(["Caterham", "Tesla", "Audi",  "BMW", "Ford", "Jeep"])
weight = np.array([0.48, 1.7, 2, 2, 2.3, 3 ])

plt.scatter(car, weight)
plt.show()

输出

在此示例中，我们使用了 scatter() 函数绘制了给定数据点。我们将 car 和 weight 作为其 x 和 y 坐标发送了两个参数。

然而，在散点图中，我们也可以发送 c 和 s 参数来设置点的颜色和大小。例如，

import numpy as np
import matplotlib.pyplot as plt

car = np.array(["Caterham", "Tesla", "Audi",  "BMW", "Ford", "Jeep"])
weight = np.array([0.48, 1.7, 2, 2, 2.3, 3 ])

# set colors and sizes
colors = np.array([0, 1, 2, 3, 4, 5])
sizes = np.array([20, 40, 60, 80, 100, 120])

plt.scatter(car, weight, c=colors, s=sizes)
plt.show()

尝试自己运行此代码以查看结果。推荐的编译器：Python Playground。

数据可视化的条形图

条形图使用矩形框表示数据。NumPy 有一个 bar() 函数用于在条形图中绘制数据。

让我们看一个例子。

import matplotlib.pyplot as plt
import numpy as np

car = np.array(["Caterham", "Tesla", "Audi",  "BMW", "Ford", "Jeep"])
weight = np.array([0.48, 1.7, 2, 2, 2.3, 3 ])

# create a bar graph
plt.bar(car, weight)

plt.title('Bar Graph')

plt.show()

输出

在这里，我们使用了 bar() 函数绘制了条形图，并将 car 和 weight 两个数组作为其参数。

数据可视化的直方图

我们使用 hist() 在 NumPy 中创建直方图。让我们看一个例子。

import numpy as np
import matplotlib.pyplot as plt

weight = np.array([0.48, 1.7, 2, 3])

plt.hist(weight)
plt.show()

输出

在这里，我们使用了 weight 数组通过 hist() 在直方图中绘制了数据。要了解更多信息，请访问 NumPy直方图。