Python数据可视化之使用matplotlib绘制简单图表

目录
  • 一、绘制折线图
  • 二、绘制柱形图或堆积图形
  • 三、绘制条形图或堆积条形图
  • 四、绘制堆积面积图
  • 五、绘制直方图
  • 六、绘制饼图或者圆环图
  • 七、绘制散点图或气泡图
  • 八、绘制箱形图
  • 九、绘制雷达图
  • 十、绘制误差棒图
  • 总结

一、绘制折线图

使用plot()绘制折线图

常用的参数:

  • x:表示x轴的数据
  • y:表示y轴的数据
  • fmt:表示快速设置条样式的格式字符串。
  • label:表示应用于图例的标签文本。
  • plot()会返回一个包含Line2D类对象(代表线条)的列表。

plot()函数的语法格式:

plot(x,y ,fmt , scalex=True , scaley=true , data=None, label=None    等.....)

实例:

(1)

(2)

二、绘制柱形图或堆积图形

使用bar()绘制柱形图或堆积柱形图

bar()的语法格式有:
bar(x, height , width=0.8, bottom=None, align='center',
 data=None, tick_label=None, xerr=None, yerr=None, error_kw=None)

常用参数的含义:

  • x:表示柱形的x坐标值
  • height:表示柱形的高度
  • width:表示柱形的宽度,默认为0.8
  • bottom:表示柱形底座的y坐标值,默认为0
  • align:表示柱形的对齐方式,有’center’和’edge’两个值,其中’center’表示将柱形刻度居中对齐;‘edge’表示将柱形的左边与刻度线对齐。
  • tick_label:表示柱形对应的刻度标签
  • xerr,yerr:若未设为None,则需要为柱形图添加水平/ 垂直误差棒
  • error_kw:表示误差棒的属性字典,字典的键对应errorbar()函数
  • bar()函数会返回一个BarContainer类的对象。
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(5)
y1=np.array([10,8,7,11,13])
bar_width=0.4
plt.bar(x,y1,tick_label=['a','b','c','d','e'],width=bar_width)
plt.title("2020080603039")
plt.show()

(2)具有多组柱形的柱形图

(3)通过给bottom参数传值的方式的方式控制柱形的y值

三、绘制条形图或堆积条形图

使用barh()绘制条形图或堆积条形图

使用barh()函数的语法格式:
barh(y, width, heigth=0.8, left=None, align='center', *)

常用的参数的含义如下:

  • y:表示条形的y坐标
  • width:表示柱形的宽度,默认为0.8
  • height:表示柱形的高度
  • left:条形左侧的x坐标,默认为0
  • align:表示柱形的对齐方式,有’center’和’edge’两个值,其中’center’表示将柱形刻度居中对齐;‘edge’表示将柱形的左边与刻度线对齐。
  • barh()函数会返回一个BarContainer类的对象。

(2)绘制具有多组条形的条形图

(3)绘制堆积条形图

四、绘制堆积面积图

使用stackplot()绘制堆积面积图

stackplot()函数的语法格式:
stackplot(x, y , labels=(), baseline='zero', data=None, *)
  • x:表示x轴的数据,可以是一维数组
  • y:表示y轴的数据,可以是二维数组或一维数组序列
  • labels:表示每组折现及填充区域的标签
  • baseline:表示计算基线的方法,包括‘zero’,‘sym’,‘wiggle’,‘weighted_wiggle’

代码及图如下:

五、绘制直方图

使用hist()绘制

和hist()函数的语法格式如下:

hist(x, bins=None, range=None, density=None, weights=None,
 cumulative=False, bottom=None,histtype='bar',align='mid',
 orientation='vertical', rwidth=None,
 log=False, color=None, label=None, stacked=False)

常用的参数如下:

  • x:表示x轴的数据。
  • bins:指定直方图条形的个数,默认值为10。
  • range:表示数据的范围,指定数据的上下界,默认包含绘图数据的最大值和最小值。
  • normed:是否将直方图的频数转换成频率。
  • weights:该参数可为每一个数据点设置权重。
  • cumulative:是否需要计算累计频数或频率。
  • bottom:可以为直方图的每个条形添加基准线,默认为0。
  • histtype:指定直方图的类型,默认为bar,除此之外,还有barstacked、step和stepfilled
  • align:设置条形边界值的对齐方式,默认为mid,另外还有left和right
  • orientation:设置直方图的摆放方向,默认为垂直方向
  • rwidth:设置直方图条形的宽度
  • log:是否需要对绘图数据进行log变换
  • color:设置直方图的填充色edgecolor:设置直方图边框色
  • label:设置直方图的标签,可通过legend展示其图例

(1)绘制一个具有8个矩形条填充的线条直方图

(2)改变bins的值则能改变矩形条的条数,如下图中设置的66,设置的数越大条数越多

六、绘制饼图或者圆环图

使用pie()绘制饼图或者圆环图

语法格式如下:
pie(x,explode=None,labels=None,autopct=None,pctdistance=0.6,shadow=False,
labeldistance=1.1,
startangle=None,radius=None,counterclock=True,wedgeprops=None,textprops=None,
center=(0,0),frame=False,rotatelabels=False,*,data=None)

常用的参数如下:

  • x:表示扇形或锲形的数据
  • explode:表示扇形或锲形离开圆心的距离
  • labels:表示扇形或锲形对应的标签文本
  • autopct:表示控制扇形或锲形的数值显示的字符串,可通过格式字符串指定小数点后的位数.
  • pctdistance:表示扇形或锲形对应的数值标签距离圆心的比例,默认为0.6
  • shadow:表示是否显示阴影
  • labeldistance:表示标签文本的绘制位置(相对于半径的比例),默认为1.1.
  • radius:表示扇形或锲形的半径.
  • startangle:表示起始绘制角度,默认从x轴的正方向逆时针绘制
  • wedgeprops:表示控制扇形或锲形属性的字典.例如:通过wedgeprops={’‘width’:0.7}将锲形的宽度设为0.7.
  • textprops:表示控制图表中文本属性的字典
  • center:表示图表中心点位置,默认为(0,0)
  • frame:表示是否显示图框

(1)绘制一个饼形图

(2)绘制一个环形图

(3)绘制一个向外移动的饼状图

七、绘制散点图或气泡图

使用scatter()绘制散点图或气泡图

scatter()函数语法格式:
scatter(x, y, s=None, marker=None, cmap=None, norm=None,
vmin=None, vmax=None, alpha=None, linewidths=None,verts=None,
edgecolors=None,* , plotnonfinite=False,data=None  )

八、绘制箱形图

使用boxplot()绘制箱形图

使用pyplot的boxplot()函数可以快速绘制箱形图,boxplot()函数的语法如下:
boxplot(x, notch=None, sym=None, vert=None, whis=None,positions=None
widths=None, patch_artist=None, bootstrap=None,usermedians=None,*,)

九、绘制雷达图

使用polar()绘制雷达图

十、绘制误差棒图

使用errorbar()绘制误差棒图

总结

本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注我们的更多内容!

(0)

相关推荐

  • Python利用Matplotlib绘制图表详解

    目录 前言 折线图绘制与显示 绘制数学函数图像 散点图绘制 绘制柱状图 绘制直方图 饼图 前言 Matplotlib 是 Python 中类似 MATLAB 的绘图工具,如果您熟悉 MATLAB,那么可以很快的熟悉它. Matplotlib 提供了一套面向对象绘图的 API,它可以轻松地配合 Python GUI 工具包(比如 PyQt,WxPython.Tkinter)在应用程序中嵌入图形.与此同时,它也支持以脚本的形式在 Python.IPython Shell.Jupyter Notebo

  • matplotlib 三维图表绘制方法简介

    1. python三维图表绘制方法简介 python三维图表的绘制算是二维图表的一个进阶版本,本质上和二维图表的绘制并无差别,唯一的区别在于使用的库略有差异. 相较于二维图表使用的pyplot库,三维图表的绘制使用的是Axes3D库. 库引入语句为: from matplotlib import pyplot as plt from mpl_toolkits.mplot3d import Axes3D 上下的操作就和二维图表绘制大差不差了,首先定义三维画布,然后向里面绘制三维图表,最后打印出结果

  • Python数据可视化教程之Matplotlib实现各种图表实例

    前言 数据分析就是将数据以各种图表的形式展现给领导,供领导做决策用,因此熟练掌握饼图.柱状图.线图等图表制作是一个数据分析师必备的技能.Python有两个比较出色的图表制作框架,分别是Matplotlib和Pyechart.本文主要讲述使用Matplotlib制作各种数据图表. Matplotlib是最流行的用于绘制2D数据图表的Python库,能够在各种平台上使用,可以绘制散点图.柱状图.饼图等. 1.柱状图 是一种以长方形或长方体的高度为变量的表达图形的统计报告图,由一系列高度不等的纵向条纹

  • python如何用matplotlib创建三维图表

    Matplotlib 最开始被设计为仅支持二维的图表.到 1.0 版本发布左右,一些三维图表的工具在二维展示的基础上被创建了出来,结果就是 Matplotlib 提供了一个方便的(同时也是有限的)的可用于三维数据可视化的一套工具.三维图表可以使用载入mplot3d工具包来激活,这个包会随着 Matplotlib 自动安装: from mpl_toolkits import mplot3d 一旦模块被导入,三维 axes 就可以像其他普通 axes 一样通过关键字参数projection='3d'

  • wxPython+Matplotlib绘制折线图表

    使用Matplotlib在wxPython的Panel上绘制曲线图,需要导入: import numpy from matplotlib.backends.backend_wxagg import FigureCanvasWxAgg as FigureCanvas from matplotlib.figure import Figure 下面直接贴出源代码: #coding=utf-8 """ 程序的主入口 """ import wx impor

  • Python matplotlib绘制xkcd动漫风格的图表

    目录 XKCD matplotlib对XKCD风格的支持 创建XKCD风格的图表 使用中文字体创建XKCD风格的图表 1.安装字体 2.更新中文字体 XKCD xkcd是兰道尔·门罗(Randall Munroe)的网名,又是他所创作的漫画的名称.作者兰道尔·门罗(Randall Munroe)给作品的定义是一部“关于浪漫.讽刺.数学和语言的网络漫画”(A webcomic of romance,sarcasm, math, and language),被网友誉为深度宅向网络漫画.XKCD官方网

  • Python数据可视化之使用matplotlib绘制简单图表

    目录 一.绘制折线图 二.绘制柱形图或堆积图形 三.绘制条形图或堆积条形图 四.绘制堆积面积图 五.绘制直方图 六.绘制饼图或者圆环图 七.绘制散点图或气泡图 八.绘制箱形图 九.绘制雷达图 十.绘制误差棒图 总结 一.绘制折线图 使用plot()绘制折线图 常用的参数: x:表示x轴的数据 y:表示y轴的数据 fmt:表示快速设置条样式的格式字符串. label:表示应用于图例的标签文本. plot()会返回一个包含Line2D类对象(代表线条)的列表. plot()函数的语法格式: plot

  • Python数据可视化之用Matplotlib绘制常用图形

    一.散点图 散点图用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式. 特点:判断变量之间是否存在数量关联趋势,表示离群点的分布规律. 散点图绘制: plt.scatter(x,y) # 以默认的形状颜色绘制散点图 实例: 假设我们获取到了上海2020年5,10月份每天白天的最高气温(分别位于列表a.b),那么此时如何观察气温和随时间变化的某种规律. # 绘制图形所需的数据 y_5 = [11,17,16,11,12,11,12,13,10,14,8

  • Python数据可视化编程通过Matplotlib创建散点图代码示例

    Matplotlib简述: Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D方面).该项目是由JohnHunter于2002年启动的,其目的是为Python构建一个MATLAB式的绘图接口.如果结合PythonIDE使用比如PyCharm,matplotlib还具有诸如缩放和平移等交互功能.它不仅支持各种操作系统上许多不同的GUI后端,而且还能将图片导出为各种常见的矢量(vector)和光栅(raster)图:PDF.SVG.JPG.PNG.BMP.GIF等.此外,matp

  • Python数据可视化之简单折线图的绘制

    目录 创建RandomWalk类 选择方向 绘制随机漫步图 模拟多次随机漫步 给点着色 突出起点和终点 增加点数 调整尺寸以适用屏幕 创建RandomWalk类 为模拟随机漫步,我们将创建一个RandomWalk类,随机选择前进方向,这个类有三个属性,一个存储随机漫步的次数,另外两个存储随机漫步的每个点的x,y坐标,每次漫步都从点(0,0)出发 from random import choice class RandomWalk(): '''一个生成随机漫步数据的类''' def __init_

  • python Matplotlib数据可视化(1):简单入门

    1 matplot入门指南 matplotlib是Python科学计算中使用最多的一个可视化库,功能丰富,提供了非常多的可视化方案,基本能够满足各种场景下的数据可视化需求.但功能丰富从另一方面来说也意味着概念.方法.参数繁多,让许多新手望而却步. 据我了解,大部分人在对matplotlib接触不深时都是边画图边百度,诸如这类的问题,我想大家都似曾相识:Python如何画散点图,matplotlib怎么将坐标轴标签旋转45度,怎么设置图例字体大小等等.无论针对哪一个问题,往往都有多种解决方法,搜索

  • python数据可视化matplotlib绘制折线图示例

    目录 plt.plot()函数各参数解析 各参数具体含义为: x,y color linestyle linewidth marker 关于marker的参数 plt.plot()函数各参数解析 plt.plot()函数的作用是绘制折线图,它的参数有很多,常用的函数参数如下: plt.plot(x,y,color,linestyle,linewidth,marker,markersize,markerfacecolor,markeredgewidth,markeredgecolor) 各参数具体

  • python数据可视化之matplotlib.pyplot基础以及折线图

    不论是数据挖掘还是数据建模,都免不了数据可视化的问题.对于Python来说,Matplotlib是最著名的绘图库,它主要用于二维绘图,当然它也可以进行简单的三维绘图(基于spyder). - 模块引用 import matplotlib.pyplot as plt #引用画图库中的pyplot模块 -折线条图 语法 import matplotlib.pyplot as plt data=[1,2,3,4,5,4,2,4,6,7] #随便创建了一个数据 plt.plot(data) #引用画图库

  • python数据可视化Seaborn绘制山脊图

    目录 1. 引言 2. 举个栗子 3.山脊图 4.扩展 5.结论 1. 引言 山脊图一般由垂直堆叠的折线图组成,这些折线图中的折线区域间彼此重叠,此外它们还共享相同的x轴. 山脊图经常以一种相对不常见且非常适合吸引大家注意力的紧凑图的形式表现.观察上图,我们给其起名叫Ridge plot是非常恰当的,因为上述图表看起来确实很像山的脊背.此外,上述图像还有另一个称呼叫做Joy Plots–这主要是因为Joy Division乐队在如下专辑封面上采用了这种可视化形式. 2. 举个栗子 在介绍完山脊图

  • Python数据可视化之matplotlib.pyplot绘图的基本参数详解

    目录 1.matplotlib简介 2.图形组成元素的函数用法 2.1. figure():背景颜色 2.2 xlim()和 ylim():设置 x,y 轴的数值显示范围 2.3 xlabel()和 ylabel():设置 x,y 轴的标签文本 2.4 grid():绘制刻度线的网格线 2.5 axhline():绘制平行于 x 轴额度水平参考线 2.6 axvspan():绘制垂直于 x 轴的参考区域 2.7 xticks(),yticks() 2.8 annotate():添加图形内容细节的

随机推荐