Python+matplotlib+numpy绘制精美的条形统计图
本文实例主要向大家分享了一个Python+matplotlib+numpy绘制精美的条形统计图的代码,效果展示如下:
完整代码如下:
import matplotlib.pyplot as plt from numpy import arange from numpy.random import rand def gbar(ax, x, y, width=0.5, bottom=0): X = [[.6, .6], [.7, .7]] for left, top in zip(x, y): right = left + width ax.imshow(X, interpolation='bicubic', cmap=plt.cm.Blues, extent=(left, right, bottom, top), alpha=1) fig = plt.figure() xmin, xmax = xlim = 0, 10 ymin, ymax = ylim = 0, 1 ax = fig.add_subplot(111, xlim=xlim, ylim=ylim, autoscale_on=False) X = [[.6, .6], [.7, .7]] ax.imshow(X, interpolation='bicubic', cmap=plt.cm.copper, extent=(xmin, xmax, ymin, ymax), alpha=1) N = 10 x = arange(N) + 0.25 y = rand(N) gbar(ax, x, y, width=0.7) ax.set_aspect('auto') plt.show()
总结
以上就是本文关于Python+matplotlib+numpy绘制精美的条形统计图的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题,如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!
相关推荐
-
详解Python中的Numpy、SciPy、MatPlotLib安装与配置
用Python来编写机器学习方面的代码是相当简单的,因为Python下有很多关于机器学习的库.其中下面三个库numpy,scipy,matplotlib,scikit-learn是常用组合,分别是科学计算包,科学工具集,画图工具包,机器学习工具集. numpy :主要用来做一些科学运算,主要是矩阵的运算.NumPy为Python带来了真正的多维数组功能,并且提供了丰富的函数库处理这些数组.它将常用的数学函数都进行数组化,使得这些数学函数能够直接对数组进行操作,将本来需要在Python级别进行的循
-
Python安装Numpy和matplotlib的方法(推荐)
Python安装Numpy和matplotlib的方法(推荐) 注意: 下载的库名中cp27代表python2.7,其它同理. 在shell中输入import pip; print(pip.pep425tags.get_supported())可以获取到pip支持的文件名还有版本 ================安装Numpy==================== 下载地址: https://pypi.python.org/pypi/numpy 类似 numpy-1.13.3-cp36-no
-
python安装numpy&安装matplotlib& scipy的教程
numpy安装 下载地址:https://pypi.python.org/pypi/numpy(各取所需) copy安装目录.eg:鄙人的D:\python3.6.1\Scripts pip install :eg: win+R -----> CMD ----> pip install D:\python3.6.1\Scripts\numpy-1.13.0rc2-cp36-none-win_amd64.whl 安装成功: 同理: 安装matplotlib 安装scipy 以上这篇pyt
-
Python+matplotlib+numpy绘制精美的条形统计图
本文实例主要向大家分享了一个Python+matplotlib+numpy绘制精美的条形统计图的代码,效果展示如下: 完整代码如下: import matplotlib.pyplot as plt from numpy import arange from numpy.random import rand def gbar(ax, x, y, width=0.5, bottom=0): X = [[.6, .6], [.7, .7]] for left, top in zip(x, y): ri
-
Python+matplotlib+numpy实现在不同平面的二维条形图
在不同平面上绘制二维条形图. 本实例制作了一个3d图,其中有二维条形图投射到平面y=0,y=1,等. 演示结果: 完整代码: from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt import numpy as np # Fixing random state for reproducibility np.random.seed(19680801) fig = plt.figure() ax = fig.a
-
使用Python的networkx绘制精美网络图教程
最近因为数学建模3天速成Python,然后做了一道网络的题,要画网络图.在网上找了一些,发现都是一些很基础的丑陋红点图,并且关于网络的一些算法也没有讲,于是自己进http://networkx.github.io/学习了一下.以下仅博主自己的总结,勿认真,有错误尽情指出,大家一起交流. 需要用到的module malplotlib.pyplot 和networkx 正文: 一.malplotlib和networkx的安装(作者使用的是python2.7 pycharm) 在Python的文件夹目
-
Python matplotlib如何绘制各种流线图
目录 前言 流线图概述 什么是流线图? 流线图应用场景 获取流线图方法 流线图属性 设置流线图密度 设置流线宽度 设置流线颜色 设置流线缩放 设置流线颜色系 绘制流线图步骤 小试牛刀 总结 前言 在Python关于绘图,Mlab提供开源的matplotlib模块,不仅可以绘制折线图.柱状图.散点图等常规图外,还支持绘制量场图.频谱图.提琴图.箱型图等特殊图,例举往期文章可前往查看详情. 我们日常生活中经常会关注天气预报,在换季的时候,播报员会讲解气流流动情况.在天气预报过程中,气象专家们会根据流
-
Python+matplotlib实现绘制等高线图示例详解
目录 前言 1. 等高线图概述 什么是等高线图? 等高线图常用场景 绘制等高线图步骤 案例展示 2. 等高线图属性 设置等高线颜色 设置等高线透明度 设置等高线颜色级别 设置等高线宽度 设置等高线样式 3. 显示轮廓标签 4. 填充颜色 5. 添加颜色条说明 总结 前言 我们在往期对matplotlib.pyplot()方法学习,到现在我们已经会绘制折线图.柱状图.散点等常规的图表啦(往期的内容如下,大家可以方便查看往期内容) Python matplotlib底层原理解析 Python利用 m
-
Python matplotlib plotly绘制图表详解
目录 一.整理数据 二.折线图 三.散点图 四.饼图 五.柱形图 六.点图(设置多个go对象) 七.2D密度图 八.简单3D图 一.整理数据 以300部电影作为数据源 import pandas as pd cnboo=pd.read_excel("cnboNPPD1.xls") cnboo import seaborn as sns import numpy as np import matplotlib as mpl from matplotlib import pyplot as
-
Python matplotlib 动画绘制详情
目录 最最简单的操作 Animation类 FuncAnimation ArtistAnimation 动画保存 .save()函数 最最简单的操作 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax = fig.subplots() x = np.linspace(0,10,100) y = np.sin(x) while True: ax.plot(x,y) plt.pause(1) ax.cla(
-
Python+Matplotlib实现绘制三维折线图
目录 1.0简介 2.0三维图画法与类型 1.直线绘制(Line plots) 2.散点绘制(Scatter plots) 3.线框图(Wireframe plots) 4.三角表面图(Tri-Surface plots) 5.随机散点图 1.0简介 三维图像技术是现在国际最先进的计算机展示技术之一,任何普通电脑只需要安装一个插件,就可以在网络浏览器中呈现三维的产品,不但逼真,而且可以动态展示产品的组合过程,特别适合远程浏览. 立体图视觉上层次分明色彩鲜艳,具有很强的视觉冲击力,让观看的人驻景时
-
利用matplotlib+numpy绘制多种绘图的方法实例
前言 matplotlib 是Python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图.本文将以例子的形式分析matplot中支持的,分析中常用的几种图.其中包括填充图.散点图(scatter plots).. 条形图(bar plots).等高线图(contour plots). 点阵图和3D图,下面来一起看看详细的介绍: 一.填充图 参考代码 from matplotlib.pyplot import * x=linspace(-3,3,100) y
-
python matplotlib库绘制散点图例题解析
假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温随时间(天)变化的某种规律? a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23] b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,
随机推荐
- Javascript操作cookie的函数代码
- 基于Vue.js实现数字拼图游戏
- Java设计模式之解释器模式(Interpreter模式)介绍
- vue下跨域设置的相关介绍
- Yii2.0多文件上传实例说明
- js二维数组排序的简单示例代码
- 深入理解void以及void指针的含义
- 强制删除工具 xdelbox xdelbox1.5正式版下载
- 在Python web中实现验证码图片代码分享
- selenium+python实现自动登录脚本
- 微信小程序常见页面跳转操作简单示例
- python 中的列表生成式、生成器表达式、模块导入
- Django 开发环境配置过程详解
- OpenCV3.0+Python3.6实现特定颜色的物体追踪
- 基于Shell中for循环的几个常用写法分享
- 关于Yii2框架跑脚本时内存泄漏问题的分析与解决
- TENSORFLOW变量作用域(VARIABLE SCOPE)
- C++中#include头文件的示例详解
- JAVA中常用的设计模式:单例模式,工厂模式,观察者模式
- idea配置springboot热部署终极解决办法(解决热部署失效问题)