文章目录
（1）、导入库（2）、误差条形图（3）、饼图（4）、等高线图（5）、3D柱形图关于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 numpy as npimport matplotlib.pyplot as plt
（2）、误差条形图
#误差条形图x = np.arange(0,10,1) #生成一个数组y = np.log(x) #根据x计算y值xe = 0.1 * np.abs(np.random.randn(len(y))) #通过标准正态分布得出误差值#将误差值赋值给yerr这个属性plt.bar(x,y,yerr = xe, width = 0.4, align = 'center', ecolor = 'r', color = 'cyan', label = 'exxperiment #1')plt.xlabel('# measurement')#x轴标签plt.ylabel('Measured values') #y轴标签plt.title('Measurement') #题目plt.legend(loc = 'upper left') #图例放置的位置
（3）、饼图
#饼图plt.figure(1, figsize = (8,8))ax = plt.axes([0.1 ,0.1, 0.8, 0.8])labels = 'Spring', 'Summer', 'Autumn', 'Winter'#标签values = [15, 16, 16, 28] #数据集explode = [0.1,0.1,0.1,0.1]#比例#values代表数据，explode比例，label标签，autopct百分比的格式plt.pie(values, explode= explode, labels = labels, autopct = '%1.1f%%')plt.title('Rainy day by season') #设置标题
（4）、等高线图
#等高线图import matplotlib as mpldef process_signals(x,y):return (1- (x**2 + y**2)) *np.exp(-y ** 3 / 3)#获取等高线的函数x = np.arange(-1.5,1.5,0.1)y = np.arange(-1.5,1.5,0.1)X,Y=np.meshgrid(x, y)Z = process_signals(X,Y)N = np.arange(-1, 1.5, 0.3)#Z代表等高线竖直，N代表水平数，linewidths代表线的宽度,cmap是设置颜色的CS = plt.contour(Z, N ,linewidths = 2, cmap=mpl.cm.jet) #contour函数用来绘制等高线图,plt.clabel(CS,inline = True, fmt = '%1.1f',fontsize = 10) #clabel增加标签plt.colorbar(CS) #colorbar填充颜色
（5）、3D柱形图
#3D柱形图import matplotlib.dates as mdatesfrom mpl_toolkits.mplot3d import Axes3Dimport matplotlib as mplimport numpy as pympl.rcParams['font.size'] = 10 #设定全局参数，字体大小fig = plt.figure() #获取figure对象ax = fig.add_subplot(111, projection = '3d') #获取Axes对象for z in [,,,]:xs= range(1,13)#随机生成x坐标ys=1000*np.random.randn(12)#随机生成y坐标color = plt.cm.Set2(py.random.choice(range(plt.cm.Set2.N))) #生成随机的颜色#xs代表x轴，ys代表y轴，zs代表z轴,zdir代表垂直方向为y，颜色colorax.bar(xs,ys,zs=z,zdir='y',color=color,alpha=0.8) #用bar增加3D图象ax.xaxis.set_major_locator(mpl.ticker.FixedLocator(xs))ax.yaxis.set_major_locator(mpl.ticker.FixedLocator (ys))ax.set_xlabel('Month')ax.set_ylabel('Year')ax.set_zlabel('Sales Net [usd]')
