溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
本篇內(nèi)容主要講解“Python中怎么使用Matplotlib繪制統(tǒng)計圖”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python中怎么使用Matplotlib繪制統(tǒng)計圖”吧!
Matplotlib是一個Python繪圖包，它使從存儲在各種數(shù)據(jù)結(jié)構(gòu)中的數(shù)據(jù)（包括列表、numpy數(shù)組和pandas數(shù)據(jù)框）創(chuàng)建二維圖變得簡單。Matplotlib使用了一種面向?qū)ο蟮睦L圖方法。這意味著可以通過向繪圖中添加新的元素來逐步構(gòu)建繪圖
matplotlib繪圖中主要會用到兩個對象：
figure對象：整體的圖空間，可以包含一個或多個子圖
axis對象：在圖空間中呈現(xiàn)的各個子圖，可以把figure對象看作是整個繪圖畫布，而axis對象看作是其中的一個子圖
一個圖空間可以容納一個或多個axis對象，這種結(jié)構(gòu)允許我們創(chuàng)建帶有一個或多個子圖的圖形
雖然Matplotlib包含許多模塊，提供不同的繪圖功能，但最常用的模塊是pyplot
Pyplot提供的方法可用于向圖形對象添加不同的組件，包括將各個圖創(chuàng)建為axis對象，也就是子圖
pyplot模塊通常使用別名plt導入，如下所示：
# Import pyplot import matplotlib.pyplot as plt
要使用matplotlib的面向?qū)ο蠓椒▌?chuàng)建一個圖，首先要使用pyplot模塊中的subplots()函數(shù)創(chuàng)建一個圖(可以稱為fig)和至少一個軸(可以稱為ax)
fig, ax = plt.subplots()
請注意，通過將fig和ax設(shè)置為等于pyplot.subplots()函數(shù)的輸出值，fig和ax被同時創(chuàng)建。由于沒有提供其他參數(shù)，結(jié)果是一個帶有一個空圖的圖
# Create figure and one plot (axis object) fig, ax = plt.subplots()
使用figsize參數(shù)設(shè)置繪圖空間的寬和高
figsize = (width, height)
# Resize figure fig, ax = plt.subplots(figsize = (10, 6))
使用matplotlib的面向?qū)ο蠓椒?，通過創(chuàng)建額外的axis對象，可以更容易地在圖空間中創(chuàng)建多個子圖
當添加多個axis對象時，最好的做法是給它們不同的名稱（如ax1和ax2），這樣就可以很容易地單獨使用每個axis
因此，需要為plt.subplots提供新的參數(shù)，用于圖的布局：（行數(shù)，列數(shù)）
plt.subplots(1, 2)
在本例中，1、2表示布局為1行,2列
# Figure with two plots fig, (ax1, ax2) = plt.subplots(1, 2, figsize = (10, 6))
相反地，(2,1)表示2行，1列格局分布
fig, (ax1, ax2) = plt.subplots(2, 1, figsize = (10, 6))
由于定義了figsize=(10,6)，figure繪圖空間會保持這個大小，無論如何設(shè)置行數(shù)或列數(shù)是多少
但是，可以調(diào)整行數(shù)、列數(shù)以及figsize，以得到需要的大小
# Figure with two plots fig, (ax1, ax2) = plt.subplots(2, 1, figsize = (12, 12))
可以根據(jù)需要繼續(xù)添加任意數(shù)量的axis對象，以創(chuàng)建所需圖形的整體布局，并根據(jù)需要繼續(xù)調(diào)整圖形大小
# Figure with three plots fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize = (15, 15))
Matplotlib 面向?qū)ο蠓椒ǖ囊粋€主要優(yōu)點是，每個axis都是獨立的的對象，可以獨立于圖中的其他繪圖獨立地進行自定義繪制
在本章的前面，學習了如何使用pyplot中的subplot ()函數(shù)創(chuàng)建圖形和軸對象(使用別名plt導入) :
fig，ax = plt.subplots()
現(xiàn)在已經(jīng)知道如何使用matplotlib創(chuàng)建基本的繪圖，可以開始向圖中的繪圖添加數(shù)據(jù)了
首先導入別名plt的matplotlib.pyplot模塊，并創(chuàng)建一些列表來繪制由美國國家海洋和大氣管理局(NOAA)提供的*科羅拉多州博爾德市的月平均降水量(英寸)*
# Import pyplot 導入包 import matplotlib.pyplot as plt # Monthly average precipitation 月平均降水量 boulder_monthly_precip = [0.70, 0.75, 1.85, 2.93, 3.05, 2.02, 1.93, 1.62, 1.84, 1.31, 1.39, 0.84] # Month names for plotting 月份 months = ["Jan", "Feb", "Mar", "Apr", "May", "June", "July", "Aug", "Sept", "Oct", "Nov", "Dec"]
可以通過調(diào)用所需的ax對象將數(shù)據(jù)添加到繪圖中，該對象是先前定義的axis元素:
fig，ax = plt.subplots()
通過調(diào)用ax對象的plot()方法，并指定繪圖的x軸(水平軸)和y軸(垂直軸)的參數(shù)如下
plot(x_axis, y_axis)
在這個例子中，你正在從之前定義的列表中添加數(shù)據(jù)，數(shù)據(jù)沿著x軸和y軸分布
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.plot(months, boulder_monthly_precip)
[<matplotlib.lines.Line2D at 0x7f0b21ed3e48>]
可以注意到，輸出顯示了圖形的對象類型以及唯一標識符(內(nèi)存位置)
[<matplotlib.lines.Line2D at 0x7f81afe900b8>]
可以通過在代碼末尾調(diào)用plt.show()來隱藏該信息
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.plot(months,boulder_monthly_precip) plt.show()
Python 社區(qū)中的慣例是使用ax來命名axis對象，但這并不是唯一的
# Define plot space with ax named bob fig, bob = plt.subplots(figsize=(10, 6)) # Define x and y axes bob.plot(months,boulder_monthly_precip) plt.show()
默認情況下，ax.plot 將繪圖創(chuàng)建為線圖(這意味著所有的值都通過橫跨繪圖的連續(xù)線連接起來)
可以使用 ax 對象來創(chuàng)建:
散點圖(使用ax.scatter) : 值顯示為不連續(xù)線的單個點
條形圖(使用ax.bar) : 值顯示為條形，其高度指示特定點的值
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Create scatter plot ax.scatter(months,boulder_monthly_precip) plt.show()
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Create bar plot ax.bar(months,boulder_monthly_precip) plt.show()
可以使用ax.set()方法中的title、xlabel、ylabel參數(shù)為軸添加繪圖標題和標簽，從而自定義和添加更多信息到繪圖中
ax.set(title = "Plot title here", xlabel = "X axis label here", ylabel = "Y axis label here")
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.plot(months, boulder_monthly_precip) # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation in Boulder, CO", xlabel = "Month", ylabel = "Precipitation (inches)") plt.show()
使用兩個單詞之間的新行字符**\n**創(chuàng)建具有多行文本的標題和軸標簽
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.plot(months, boulder_monthly_precip) # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
使用plt.setp函數(shù)設(shè)置整個繪圖空間的參數(shù)，如自定義刻度標簽
在下面的例子中，ax.get_xticklabels()函數(shù)控制x軸的刻度標簽，rotation
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.plot(months, boulder_monthly_precip) # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.setp(ax.get_xticklabels(),rotation=45) plt.show()
可以通過marker=參數(shù)對線段、點的形狀標識進行修改
| Marker symbol | Marker description |
|---|---|
| . | point |
| , | pixel |
| o | circle |
| v | triangle_down |
| ^ | triangle_up |
| < | triangle_left |
| > | triangle_right |
訪問Matplotlib文檔可以獲取更多標記類型列表
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.scatter(months, boulder_monthly_precip, marker = ',') # pixel # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.plot(months, boulder_monthly_precip, marker = 'o') # point # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
可以使用color參數(shù)自定義繪圖顏色，在matplotlib中提供的一些基本顏色選項列表如下:
b: blue g: green r: red c: cyan m: magenta y: yellow k: black w: white
對于這些基本顏色，可以將color參數(shù)設(shè)置為等于全名(例如cyan)或者僅僅是如上表所示的鍵字母(例如c)
要獲得更多的顏色，請訪問關(guān)于顏色的matplotlib文檔
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.plot(months, boulder_monthly_precip, marker = 'o', color = 'cyan') # color=c # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.scatter(months, boulder_monthly_precip, marker = ',', color = 'k') # color=black # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.bar(months, boulder_monthly_precip, color = 'darkblue') # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
使用alpha =參數(shù)調(diào)整顏色的透明度，其值接近0.0表示更高的透明度
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.bar(months, boulder_monthly_precip, color = 'darkblue', alpha = 0.3) # 透明度設(shè)置 # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
通過使用參數(shù)edgeccolor=將每個條的輪廓顏色更改為藍色，并從前面討論過的matplotlib顏色選項中指定一種顏色，可以進一步自定義條形圖
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.bar(months, boulder_monthly_precip, color = 'cyan', edgecolor = 'darkblue') # 輪廓顏色設(shè)置 # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
在使用散點圖時，還可以使用c和cmap參數(shù)根據(jù)每個點的數(shù)據(jù)值為其分配一種顏色
c參數(shù)允許指定將被顏色映射的值序列(例如boulder _ monthly _ precip) ，而cmap允許指定用于該序列的顏色映射
下面的例子使用了YlGnBu顏色圖，其中較低的值用黃色到綠色色調(diào)填充，而較高的值用越來越深的藍色色調(diào)填充
要查看彩色地圖選項列表，請訪問的matplotlib cmpas文檔
# Define plot space fig, ax = plt.subplots(figsize=(10, 6)) # Define x and y axes ax.scatter(months, boulder_monthly_precip, c = boulder_monthly_precip, cmap = 'YlGnBu') # Set plot title and axes labels ax.set(title = "Average Monthly Precipitation\nBoulder, CO", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
回想matplotlib的面向?qū)ο蠓椒?，通過創(chuàng)建額外的axis對象，可以很容易地在一個圖形中包含多個圖形:
fig, (ax1, ax2) = plt.subplots(num_rows, num_columns)
一旦定義了fig和兩個axis對象，就可以向每個軸添加數(shù)據(jù)并定義具有獨特特征的圖形
在下面的示例中，ax1.bar在第一個繪圖中創(chuàng)建一個定制的條形圖，而ax2.scatter在第二個繪圖中創(chuàng)建一個定制的散點圖
# Define plot space fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12)) # 兩行一列 # Define x and y axes ax1.bar(months, boulder_monthly_precip, color = 'cyan', edgecolor = 'darkblue') # Define x and y axes ax2.scatter(months, boulder_monthly_precip, c = boulder_monthly_precip, cmap = 'YlGnBu') plt.show()
可以繼續(xù)添加ax1和ax2，例如為每個單獨的繪圖添加標題和軸標簽，就像您以前只有一個繪圖時所做的那樣
可以使用ax1.set()為第一個繪圖(柱狀圖)定義元素，使用ax2.set()為第二個繪圖(散點圖)定義元素
# Define plot space fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12)) # Define x and y axes ax1.bar(months, boulder_monthly_precip, color = 'cyan', edgecolor = 'darkblue') # Set plot title and axes labels ax1.set(title = "Bar Plot of Average Monthly Precipitation", xlabel = "Month", ylabel = "Precipitation\n(inches)"); # Define x and y axes ax2.scatter(months, boulder_monthly_precip, c = boulder_monthly_precip, cmap = 'YlGnBu') # Set plot title and axes labels ax2.set(title = "Scatter Plot of Average Monthly Precipitation", xlabel = "Month", ylabel = "Precipitation\n(inches)") plt.show()
現(xiàn)在已經(jīng)有了多個圖形(每個圖形都有自己的標簽) ，還可以為整個圖形添加一個總體標題(使用指定的字體大小) ，使用:
fig.suptitle("Title text", fontsize = 16)
# Define plot space
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))
fig.suptitle("Average Monthly Precipitation for Boulder, CO", fontsize = 16)
# Define x and y axes
ax1.bar(months,
boulder_monthly_precip,
color = 'cyan',
edgecolor = 'darkblue')
# Set plot title and axes labels
ax1.set(title = "Bar Plot",
xlabel = "Month",
ylabel = "Precipitation\n(inches)");
# Define x and y axes
ax2.scatter(months,
boulder_monthly_precip,
c = boulder_monthly_precip,
cmap = 'YlGnBu')
# Set plot title and axes labels
ax2.set(title = "Scatter Plot",
xlabel = "Month",
ylabel = "Precipitation\n(inches)")
plt.show()
可以使用以下命令輕松地將圖形保存到圖像文件中，例如 .png：
plt.savefig ("path/name-of-file.png")
可以保存最新的數(shù)據(jù)，如果沒有為文件指定一個路徑，文件將會在你當前的工作目錄文件夾中創(chuàng)建
查看Matplotlib文檔以查看用于保存圖形的其他文件格式的列表
# Define plot space
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))
fig.suptitle("Average Monthly Precipitation for Boulder, CO", fontsize = 16)
# Define x and y axes
ax1.bar(months,
boulder_monthly_precip,
color = 'cyan',
edgecolor = 'darkblue')
# Set plot title and axes labels
ax1.set(title = "Bar Plot",
xlabel = "Month",
ylabel = "Precipitation\n(inches)");
# Define x and y axes
ax2.scatter(months,
boulder_monthly_precip,
c = boulder_monthly_precip,
cmap = 'YlGnBu')
# Set plot title and axes labels
ax2.set(title = "Scatter Plot",
xlabel = "Month",
ylabel = "Precipitation\n(inches)")
plt.savefig("output/average-monthly-precip-boulder-co.png")
plt.show()關(guān)于顏色條的更多信息color bars
深入介紹matplotlib
# Import required python packages
import os
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.dates import DateFormatter
import matplotlib.dates as mdates
import seaborn as sns
import earthpy as et
# Date time conversion registration
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()
# Get the data
# data = et.data.get_data('colorado-flood')
# Set working directory
os.chdir(os.path.join(et.io.HOME, 'learning','python_data_plot'))
# Prettier plotting with seaborn
sns.set(font_scale=1.5)
sns.set_style("whitegrid")在本節(jié)中，將學習如何在Python中使用matplotlib繪制時間序列
# Read in the data data_path = "data/precipitation/805325-precip-dailysum-2003-2013.csv" boulder_daily_precip = pd.read_csv(data_path, parse_dates=['DATE'], # 將csv中的時間字符串轉(zhuǎn)換成日期格式 na_values=['999.99'], index_col=['DATE'])
boulder_daily_precip.head()
<div> <style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; }
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}</style> <table border="1" class="dataframe"> <thead> <tr > <th></th> <th>DAILY_PRECIP</th> <th>STATION</th> <th>STATION_NAME</th> <th>ELEVATION</th> <th>LATITUDE</th> <th>LONGITUDE</th> <th>YEAR</th> <th>JULIAN</th> </tr> <tr> <th>DATE</th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> </tr> </thead> <tbody> <tr> <th>2003-01-01</th> <td>0.0</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>1</td> </tr> <tr> <th>2003-01-05</th> <td>NaN</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>5</td> </tr> <tr> <th>2003-02-01</th> <td>0.0</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>32</td> </tr> <tr> <th>2003-02-02</th> <td>NaN</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>33</td> </tr> <tr> <th>2003-02-03</th> <td>0.4</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>34</td> </tr> </tbody> </table> </div>
# Subset the data # 提取8月15至10月15之間的數(shù)據(jù) precip_boulder_AugOct = boulder_daily_precip["2013-08-15":"2013-10-15"] # View first few rows of data precip_boulder_AugOct.head()
<div> <style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; }
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}</style> <table border="1" class="dataframe"> <thead> <tr > <th></th> <th>DAILY_PRECIP</th> <th>STATION</th> <th>STATION_NAME</th> <th>ELEVATION</th> <th>LATITUDE</th> <th>LONGITUDE</th> <th>YEAR</th> <th>JULIAN</th> </tr> <tr> <th>DATE</th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> </tr> </thead> <tbody> <tr> <th>2013-08-21</th> <td>0.1</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>233</td> </tr> <tr> <th>2013-08-26</th> <td>0.1</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>238</td> </tr> <tr> <th>2013-08-27</th> <td>0.1</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>239</td> </tr> <tr> <th>2013-09-01</th> <td>0.0</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>244</td> </tr> <tr> <th>2013-09-09</th> <td>0.1</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>252</td> </tr> </tbody> </table> </div>
fig, ax = plt.subplots(figsize=(12, 8))
ax.plot(precip_boulder_AugOct.index.values,
precip_boulder_AugOct['DAILY_PRECIP'].values,
'-o',
color='purple')
ax.set(xlabel="Date", ylabel="Precipitation (Inches)",
title="Daily Precipitation \nBoulder, Colorado 2013")
# Format the x axis
# 對x軸進行日期格式化
ax.xaxis.set_major_locator(mdates.WeekdayLocator(interval=2))
ax.xaxis.set_major_formatter(DateFormatter("%m-%d"))
plt.show()
在 matplotlib 中，也可以使用 DateFormatter 模塊更改繪圖軸上的日期格式
需要從 matplotlib 導入 DateFormatter，然后使用以下語法指定日期 DateFormatter 要使用的格式:
%Y-4位數(shù)年份 %y-2位數(shù)年份 %m-月份 %d-天
實現(xiàn)自定義日期的步驟：
定義日期格式: myFmt = DateFormatter("%m/%d")，這個日期格式是月/日，所以它看起來像這樣: 10/05，代表10月5日
調(diào)用set_major_formatter()方法：
ax.xaxis.set_major_formatter(myFmt)
將上面定義的日期格式應用于繪圖空間中
# Plot the data
fig, ax = plt.subplots(figsize=(10,6))
ax.scatter(precip_boulder_AugOct.index.values,
precip_boulder_AugOct['DAILY_PRECIP'].values,
color='purple')
ax.set(xlabel="Date", ylabel="Precipitation (Inches)",
title="Daily Precipitation (inches)\nBoulder, Colorado 2013")
# Define the date format
date_form = DateFormatter("%m/%d")
ax.xaxis.set_major_formatter(date_form)
特定的時間刻度可以沿著x軸添加，例如：大的刻度可以表示每個新的工作周的開始，小的刻度可以表示每個工作日
函數(shù)xaxis.set_major_locator()控制大刻度的位置，函數(shù)xaxis.set_minor_locator控制小刻度
# Plot the data
fig, ax = plt.subplots(figsize=(10,6))
ax.scatter(precip_boulder_AugOct.index.values,
precip_boulder_AugOct['DAILY_PRECIP'].values,
color='purple')
ax.set(xlabel="Date", ylabel="Precipitation (Inches)",
title="Daily Precipitation (inches)\nBoulder, Colorado 2013")
# 定義日期格式
date_form = DateFormatter("%m/%d")
ax.xaxis.set_major_formatter(date_form)
# 確保每隔一周刻度減小一次
ax.xaxis.set_major_locator(mdates.WeekdayLocator(interval=1))
# ax.xaxis.set_minor_locator(mdates.DayLocator(1))
到此，相信大家對“Python中怎么使用Matplotlib繪制統(tǒng)計圖”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學習！
免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼