Matplotlib中图形简介
Matplotlib中图形简介
- 折线图
- 定义
- 1.plot()函数
- 2.同时绘制多条折线图
- 3.实例
- 柱形图
- 定义
- 1.bar()函数
- 2.绘制柱形图
- 3.绘制多组柱形图
- 4.绘制堆积柱形图
- 条形图
- 定义
- 1.barh()函数
- 2.绘制条形图
- 3.绘制多组条形图
- 4.绘制堆积条形图
- 堆积面积图
- 定义
- 1.stackplot()函数
- 2.绘制堆积面积图
- 直方图
- 定义
- 1.hist()函数
- 2.绘制直方图
- 饼图
- 定义
- 1.pie()函数
- 2.绘制饼图
- 3.绘制圆环图
- 散点图
- 定义
- 1.scatter()函数
- 2.绘制散点图
- 3.绘制气泡图
- 箱型图
- 定义
- 1.boxplot()函数
- 2.绘制箱型图
- 3.实例
- 雷达图
- 定义
- 1.polar()函数
- 2.绘制雷达图
- 总结
折线图
定义
折线图是将数据标注成点,并通过直线将这些点按照某种顺序连接而成的图表,它以折线的倾斜程度来形象地反映事物沿某一维度的变化趋势,能够清晰地展现数据增减的趋势、速率、规律及峰值等特征。
1.plot()函数
语法:
plot(x,y,fmt)
参数解释:
参数 | 解释 |
---|---|
x | 表示x轴的数据,默认值为range(len(y)) |
y | 表示y轴的数据 |
fmt | 表示快速设置线条样式的格式字符串 |
2.同时绘制多条折线图
语法:
方法一:
plt.plot(x1,y1)
plt.plot(x2,y2)
plt.plot(x3,y3)
方法二:
plt.plot(x1,y1,x2,y2,x3,y3)
效果呈现:
3.实例
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(6)
y1 = np.array([16.9,22.9,26.9,27.7,29.5,28.1])
y2 = np.array([13.8,22.1,24.9,26.6,26.6,25.6])
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()
柱形图
定义
柱形图是由一系列宽度相等的纵向矩形条组成的图表,它使用矩形条的高度表示数值,以此反应不同分类数据之间的差异。
1.bar()函数
语法:
bar(x,height,width=0.8,bottom=None,align='center',tick_label=None)
参数解释:
参数 | 解释 |
---|---|
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 | 表示柱形底部的y值,默认为0.8 |
align | 表示对齐方式,有两种方式:center和edge |
tick_label | 表示柱形对应的刻度标签 |
2.绘制柱形图
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']#中文不会乱码
x = np.arange(4)
y1 = np.array([49234,29087,33025,46722])
plt.bar(x,y1,tick_label = ['广东','浙江','山东','江苏'],width = 0.3)
plt.show()
效果呈现:
3.绘制多组柱形图
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
x = np.arrange(4)
y1 = np.array([49234,29087,33025,46722])
y2 = np.array([10968,7388,4529,6612])
bar_width = 0.3
plt.bar(x,y1,tick_label = ['广东','浙江','山东','江苏'],width = bar_width)
plt.bar(x+bar_width,y2,width = bar_width)
plt.show()
效果呈现:
4.绘制堆积柱形图
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
x = np.arange(4)
y1 = np.array([49234,29087,33025,46722])
y2 = np.array([10968,7388,4529,6612])
bar_width = 0.3
plt.bar(x,y1,tick_label=['广东','浙江','山东','江苏'],width=bar_width)
plt.bar(x,y2,bottom=y1,width=bar_width)
plt.show()
效果呈现:
条形图
定义
条形图是横置的柱形图,由一系列高度相等、长短不一的横向矩形条组成。
1.barh()函数
语法:
barh(y,width,height=0.8,left=None,align='center',tick_label=None)
参数解释:
参数 | 解释 |
---|---|
y | 表示条形y的值 |
width | 表示条形的宽度 |
height | 表示条形的高度,默认为0.8 |
left | 条形左侧x坐标值,默认值为0 |
align | 表示条形的对齐方式,默认值为“center”,即条形与刻度线居中对齐。 |
tick_label | 表示条形对应的刻度标签 |
2.绘制条形图
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
y = np.arange(4)
x1 = np.array([49234,29087,33025,46722])
bar_height = 0.3
plt.barh(y,x1,tick_label=['广东','浙江','山东','江苏'],heigth=bar_height)
plt.show()
效果呈现:
3.绘制多组条形图
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
y = np.arange(4)
x1 = np.array([49234,29087,33025,46722])
x2 = np.array([10968,7388,4529,6612])
bar_height = 0.3
plt.barh(y,x1,tick_label = ['广东','浙江','山东','江苏'],height = bar_height)
plt.barh(y+bar_height,x2,height=bar_height)
plt.show()
效果展示:
4.绘制堆积条形图
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
y = np.arange(4)
x1 = np.array([49234,29087,33025,46722])
x2 = np.array([10968,7388,4529,6612])
bar_width=0.3
plt.barh(y,x1,tick_label=['广东','浙江','山东','江苏'],height=bar_height)
plt.barh(y,x2,left=x1,height=bar_height)
plt.show()
效果展示:
堆积面积图
定义
堆积面积图是由若干条折线与折线或水平坐标轴之间的填充区域组成的图表,用于强调每个部分的变化趋势。
1.stackplot()函数
语法:
stackplot(x,y)
参数解释:
参数 | 解释 |
---|---|
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 |
2.绘制堆积面积图
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(6)
y1 = np.array([1,4,3,5,6,7])
y2 = np.array([1,3,4,2,7,6])
y3 = np.array([3,4,3,6,5,5])
plt.stackplot(x,y1,y2,y3)
plt.show()
效果展示:
直方图
定义
直方图又称质量分布图,是由一系列高低不等的纵向矩形条或线段组成的图表,用于反应数据的分布和波动情况。
1.hist()函数
语法:
hist(x,bins=None)
参数解释:
参数 | 解释 |
---|---|
x | 表示x轴的数据 |
bins | 表示矩形条的个数,默认为10个 |
2.绘制直方图
import numpy as np
import matplotlib.pyplot as plt
scores = np.random.randint(160,185,100)#160-185之间取100个数
plt.hist(scores,bins=8)
plt.show()
效果展示:
饼图
定义
饼图是由若干个面积大小不一、颜色不同的扇形组成的圆形图标。
1.pie()函数
语法:
pie(x,labels=None,autopct=None,wedgeprops=None)
参数解释:
参数 | 解释 |
---|---|
x | 数据 |
labels | 标签 |
autopct | 数值显示 |
wedgeprops | 楔形属性的字典 |
2.绘制饼图
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
data = np.array([20,50,10,15,30,55])
pie_labels = np.array(['篮球','足球','游戏','象棋','读书','旅游'])
plt.pie(data,radius=1.5,labels=pie_labels,autopct='%.1f%%')
plt.show()
3.绘制圆环图
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
data = np.array([20,50,10,15,30,55])
pie_labels = np.array(['篮球','足球','游戏','象棋','读书','旅游'])
plt.pie(data,radius=1.5,wedgeprops={'width':0.7},labels=pie_labels,autopct='%.1f%%')
plt.show()
散点图
定义
散点图又称为X-Y图,是由若干个数据点组成的图表,主要用于判断两变量之间是否存在某种关联,或者总结数据点的分布模式。
1.scatter()函数
语法:
scatter(x,y,s=None,c=None,marker=None)
参数解释:
参数 | 解释 |
---|---|
x,y | 数据变量 |
s | 表示数据点的大小 |
c | 表示数据点的颜色 |
marker | 表示数据点的样式,默认为圆形 |
2.绘制散点图
import numpy as np
import matplotlib.pyplot as plt
x=np.array([17.1,10.5,13.8,15.7,11.9,10.4,15.0,16.0,17.8)
y=np.array([16.7,10.4,13.5,15.7,11.6,10.2,14.5,15.8,17.6)
plt.scatter(x,y,c='red')
效果展示:
3.绘制气泡图
import numpy as np
import matplotlib.pyplot as plt
x=np.array([31.4,22,34.1,29.1,27,24,20.9,27.8,20.8,28.5])
y=np.array([20,16,19.8,18.4,17.1,15.5,14.7,17.1,15.4,16.2])
plt.scatter(x,y,c='purple')
效果展示:
箱型图
定义
箱型图又称箱线图,是一种利用数据中的5个统计量–最小值、下四分位数、中位数、上四分位数和最大值–描述数据的图表,主要用于反映一组或多组数据的对称性、分布程度等信息。
1.boxplot()函数
语法:
boxplot(x,patch_artist=None,showfliers=None,labels=None)
参数解释:
参数 | 解释 |
---|---|
x | 数据 |
patch_artist | 是否填充箱体,默认不填充 |
showfliers | 表示是否显示异常值,默认显示 |
labels | 表示箱型图的标签 |
2.绘制箱型图
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus']=False
data = np.random.randn(100)
plt.boxplot(data,widths=0.3,patch_artist=True,showfliers=False)
plt.show()
效果展示:
3.实例
import numpy as np
imprt matplotlib.pyplot as plt
plt.rcParams['font.family']='SimHei'
plt.rcParams['axes.unicode_minus']=False
data_2018=np.array([5200,5254.5,5283.4,5107.8,5443.3,5550.6])
data_2017=np.array([4605.2,4710.3,5168.9,4767.2,4947,5203])
plt.boxplot([data_2018,data_2017],labels=('2018年','2017年'),widths=0.5,vert=False,patch_artist=True)
plt.show()
效果展示:
雷达图
定义
雷达图又称蜘蛛网图,由一组坐标轴和多个等距同心圆或多边形组成,是一种表现多维数据的图表。
1.polar()函数
语法:
polar(theta,r)
参数解释:
参数 | 解释 |
---|---|
theta | 表示每个数据点所在射线与极径的夹角 |
r | 表示每个数据点到原点的距离 |
2.绘制雷达图
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
properties=['输出','KDA','发育','团战','生存']
values = [40,91,44,90,95,40]
values1 = [20,21,24,20,25,20]
theta = np.linspace(0,np.pi*2,6)
plt.polar(theta,values)
plt.polar(theta,values1)
plt.xticks(theta,properties)
plt.fill(theta,values)
效果展示:
总结
Python是非常强大的数据计算工具,其Matplotlib包封装了非常强大的图像编辑功能,下面是各种图形的表达式:
图形 | 函数 |
---|---|
折线图 | plot(x,y,fmt) |
柱形图 | bar(x,height,width=0.8,bottom=None,align=‘center’,tick_label=None) |
条形图 | barh(y,width,height=0.8,left=None,align=‘center’,tick_label=None) |
堆积面积图 | stackplot(x,y) |
直方图 | hist(x,bins=None) |
饼图 | pie(x,labels=None,autopct=None,wedgeprops=None) |
散点图 | scatter(x,y,s=None,c=None,marker=None) |
箱型图 | boxplot(x,patch_artist=None,showfliers=None,labels=None) |
雷达图 | polar(theta,r) |
Matplotlib中图形简介相关推荐
- python 动态图形_在matplotlib中动态更新图形
# when the code works but it's meaningless to include it ### When I can't get this part to work and ...
- python中用于绘制各种图形的区域称作_Python使用matplotlib填充图形指定区域代码示例...
Python使用matplotlib填充图形指定区域代码示例 本文代码重点在于演示Python扩展库matplotlib.pyplot中fill_between()函数的用法. import nump ...
- Matplotlib基本使用简介
目录 Matplotlib基本使用简介 1. Matplotlib简介 2. Matplotlib操作简介 Matplotlib基本使用简介 1. Matplotlib简介 Matplotlib是 ...
- matplotlib中文文档_python绘图库——Matplotlib及Seaborn使用(入门篇1)
在数据分析过程中,数据及模型可视化是无可避免的,同时这也是展示我们数据分析成果的最佳方式.因此,熟悉掌握绘图库的使用,对精进我们的数据分析技能起着不可替代的作用. 今天,我们就来了解一下python强 ...
- 这么详细的Python matplotlib 绘制图形 还不赶紧收藏
前言 我们前面对matplotlib模块底层结构学习,对其pyplot类(脚本层)类提供的绘制折线图.柱状图.饼图.直方图等统计图表的相关方法,列举往期文章如下. 超详细的Python matplot ...
- matplotlib输出图形到网页_【Python】No.2 Numpy和Matplotlib初体验
上一次推送,我们了解了Python安装部署和conda管理,为后续的Python学习打下了基础,这次我们进入数据分析模块. Pandas.Numpy和Matplotlib被称为"数据分析三剑 ...
- matplotlib 设置图形大小时 figsize 与 dpi 的关系
matplotlib 中设置图形大小的语句如下: fig = plt.figure(figsize=(a, b), dpi=dpi) 其中: figsize 设置图形的大小,a 为图形的宽, b 为图 ...
- python中plot的plt.text_用Python进行数据可视化的第一步,全面详解matplotlib中样式属性...
上篇内容我们详细了解了Python使用matplotlib绘制一个复杂的正弦函数的方法(参见),上篇内容我们提到了一个属性'b-',简单介绍了它是用来设置线条颜色和样式的属性.今天,我们详细了解一下P ...
- python绘制多个条形图_python – 在Matplotlib中绘制多个直方图 – 颜色或并排条形图...
问题:在Matplotlib中绘制多个直方图时,我无法区分绘图与另一个绘图 图像问题:** **次要问题:部分左侧标签"计数"不在图像范围内.为什么? 描述 我想绘制3个不同组的直 ...
最新文章
- python统计linux流量,通过Python进行MySQL表信息统计
- Android Stdio 里的 SQLite数据库怎么查看
- mysql innodb 并行_关于MySQL8.0 InnoDB并行执行的详解
- 获取控件坐标位置一直是0
- 为什么需要StringBuffer
- python 开发api_使用FastAPI和Python快速开发高性能API
- oracle 监听加密 tcps,通过oracle wallet配置listener tcps加密
- javascript Function()
- c#图片base64去转义字符_C# imgage图片转base64字符/base64字符串转图片另存成
- 仅信用卡大小,性能比TX2强15倍,英伟达边缘AI计算新品Jetson Xavier NX
- Jayrock: JSON and JSON-RPC for .NET
- Open3d之RGBD测程法
- php serialize参数,php serialize(),unserialize()
- TCP and UDP
- 黑马点评项目-优惠券秒杀
- Linux 删除多余内核
- JAVA中输出分两栏,老司机搞定Java 设置Word分栏
- 大数据技能大赛题目(高职组,模块C和D)
- 热成像进入AI人工智能时代!精准人脸识别体温计,实名制测量体温
- 一个cv大师的摆烂之旅
热门文章
- 我不用“996”,更不用“007”,可我赚的就是比你多,哎,就是玩儿!
- Ubuntu如何不用每次都source
- 农信社计算机专业知识考题,吉林省农村信用社考试笔试试题(计算机专业部分试题)...
- 2018 icpc北京网络赛C cheat 模拟
- SQL Server的 isnull 函数
- CSS的几种定位详解
- java aes cfb 256_aes加密解密源码,包括aes128、aes192、aes256位,以及cbc、cfb、ecb、ofb、pcbc模式...
- SEO人员,如何为博客添加关键词?
- 学员作品|新版【微信读书APP】产品分析报告
- 【最新MySql】mysql-8.0.21-macos10.15-x86_64 百度网盘链接分享