[PythonDataAnalysis-XX…]系列，参考Python数据分析与展示 嵩天@北京理工
根据第三方库内容特点，课程共分8个内容单元和4个实战单元：
- 单元1：NumPy库入门：一维、二维、N维、高维数据表示和操作
- 单元2：NumPy数据存取与函数：多维数据存储、随机数函数、统计函数、梯度函数
- 单元3：实战：图像的手绘效果
- 单元4：Matplotlib库的入门和基本使用
- 单元5：Matplotlib基础绘图函数：饼图、直方图、极坐标图、散点图
- 单元6：实战：引力波的绘制
- 单元7：Pandas库入门：Series、DataFrame类型、基本操作
- 单元8：Pandas数据特征分析：数据排序、基本统计分析、累计分析、相关分析
有非常多的图表，即使介绍了也记不住，等到需要用的时候再详细看。
1. pyplot基础图表函数概述
| 函数 | 说明 |
|---|---|
| plt.plot(x,y,fmt,…) | 绘制一个坐标图 |
| plt.boxplot(data,notch,position) | 绘制一个箱形图 |
| plt.bar(left,height,width,bottom) | 绘制一个条形图 |
| plt.barh(width,bottom,left,height) | 绘制一个横向条形图 |
| plt.polar(theta, r) | 绘制极坐标图 |
| plt.pie(data, explode) | 绘制饼图 |
| plt.psd(x,NFFT=256,pad_to,Fs) | 绘制功率谱密度图 |
| plt.specgram(x,NFFT=256,pad_to,F) | 绘制谱图 |
| plt.cohere(x,y,NFFT=256,Fs) | 绘制X‐Y的相关性函数 |
| plt.scatter(x,y) | 绘制散点图，其中，x和y长度相同 |
| plt.step(x,y,where) | 绘制步阶图 |
| plt.hist(x,bins,normed) | 绘制直方图 |
| plt.contour(X,Y,Z,N) | 绘制等值图 |
| plt.vlines() | 绘制垂直图 |
| plt.stem(x,y,linefmt,markerfmt) | 绘制柴火图 |
| plt.plot_date() | 绘制数据日期 |
2. pyplot饼图的绘制
import matplotlib.pyplot as plt
import numpy as np
labels = 'Frogs','Hogs','Dogs','Logs'
sizes = [30,30,30,10]
# 其中一块饼离开中心
explode = (0,0.1,0,0)
# starttangle指第一个饼起始旋转的角度，逆时针旋转
plt.pie(sizes,explode = explode,labels=labels,autopct='%1.1f%%',
shadow=False,startangle=90)
plt.show()
图如下所示:
在plt.show()调用之前，添加plt.axis('equal')后，饼图的形状有变化:
饼的半径相同了。
3. pyplot直方图的绘制
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(0)
mu,sigma = 10,20
a = np.random.normal(mu,sigma,size=100)
plt.hist(a,20,normed=1,histtype='stepfilled',facecolor='b',alpha=0.75)
plt.title('Histogram')
plt.show()
4. pyplot极坐标图的绘制
import matplotlib.pyplot as plt
import numpy as np
N = 20
theta = np.linspace(0.0,2*np.pi,N,endpoint=False)
radii = 10 * np.random.rand(N)
width = np.pi / 4 * np.random.rand(N)
ax = plt.subplot(111,projection='polar')
bars = ax.bar(theta,radii,width=width,bottom=0.0)
for r,bar in zip(radii,bars):
bar.set_facecolor(plt.cm.viridis(r/10,))
bar.set_alpha(0.5)
plt.show()
5. pyplot散点图的绘制
import matplotlib.pyplot as plt
import numpy as np
fig,ax = plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simple Scatter')
plt.show()
6. 绘制引力波
相关解释参考 Github:引力波的绘制.pdf
import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile
rate_h, hstrain= wavfile.read(r"H1_Strain.wav","rb")
rate_l, lstrain= wavfile.read(r"L1_Strain.wav","rb")
#reftime, ref_H1 = np.genfromtxt('GW150914_4_NR_waveform_template.txt').transpose()
reftime, ref_H1 = np.genfromtxt('wf_template.txt').transpose() #使用python123.io下载文件
htime_interval = 1/rate_h
ltime_interval = 1/rate_l
fig = plt.figure(figsize=(12, 6))
# 丢失信号起始点
htime_len = hstrain.shape[0]/rate_h
htime = np.arange(-htime_len/2, htime_len/2 , htime_interval)
plth = fig.add_subplot(221)
plth.plot(htime, hstrain, 'y')
plth.set_xlabel('Time (seconds)')
plth.set_ylabel('H1 Strain')
plth.set_title('H1 Strain')
ltime_len = lstrain.shape[0]/rate_l
ltime = np.arange(-ltime_len/2, ltime_len/2 , ltime_interval)
pltl = fig.add_subplot(222)
pltl.plot(ltime, lstrain, 'g')
pltl.set_xlabel('Time (seconds)')
pltl.set_ylabel('L1 Strain')
pltl.set_title('L1 Strain')
pltref = fig.add_subplot(212)
pltref.plot(reftime, ref_H1)
pltref.set_xlabel('Time (seconds)')
pltref.set_ylabel('Template Strain')
pltref.set_title('Template')
fig.tight_layout()
plt.savefig("Gravitational_Waves_Original.png")
plt.show()
plt.close(fig)
