matplotlib库可视化常用的图

主要是四种图：直方图、柱状图、饼图、散点图。
由官方文档复现。

matplotlib中文文档

import matplotlib
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from pandas import Series,DataFrame
from matplotlib.ticker import MaxNLocator
from collections import namedtuple
import matplotlib.cbook as cbook

一、直方图plt.hist()

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

输入值：
x:输入值单一数组或者数组序列，
bins等间隔列个数，
density是否以概率密度显示,
alpha不透明度；
range箱子的最小值最大值。

返回值：
n数组或数组列表：直方图每一列对应的高；
bins列表：每一列的左右边缘值，长度是列数加1；
patches列表，每一列包含的数据。

np.random.seed(19680801)
mu=100#均值(对称轴)
sigma=15#标准差
x=mu+sigma*np.random.randn(437)
num_bins=50
fig,ax=plt.subplots()
#fig代表绘图窗口，ax是绘图区域中的子图
n,bins,patches=ax.hist(x,num_bins,density=1,color='blue',alpha=0.5)
#x:输入值单一数组或者数组序列，bins等间隔箱子个数，density是否以概率密度显示,alpha不透明度
#返回值：n数组或数组列表：直方图每一列对应的高；bins每一列的左右边缘值，长度是列数加1；patches列表，每一列包含的数据y=((1/(np.sqrt(2*np.pi)*sigma))*np.exp(-0.5*(1/sigma*(bins-mu))**2))
ax.plot(bins,y,'--')
ax.set_xlabel('Smarts')
ax.set_ylabel('Probability density')
ax.set_title(r'Histogram of IQ:$\mu=100$,$\sigma=15$')fig.tight_layout()
plt.show()

二、plt.bar条形图

对于可视化计数或带有误差栏的汇总统计信息非常有用。

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

x：柱的横坐标
height:柱的高度
width：柱的宽度
color：柱的颜色
alpha:不透明度
label：不同颜色柱的分类，和legend结合使用
yerr:纵坐标的相对误差

n_groups=5
means_men=(20,35,30,35,27)
std_men=(2,3,4,1,2)means_women=(25,32,34,20,25)
std_women=(3,5,2,3,3)fig,ax=plt.subplots()
index=np.arange(n_groups)
bar_width=0.35opacity=0.6
error_config={'ecolor':0.3}rects1=ax.bar(index,means_men,bar_width,alpha=opacity,color='b',label='Men',yerr=std_men)
rects2=ax.bar(index+bar_width,means_women,bar_width,alpha=opacity,color='r',label='Women',yerr=std_women)ax.set_xlabel('Group')
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(index+bar_width/2)
ax.set_xticklabels(('A','B','C','D','E'))
ax.legend()fig.tight_layout()
plt.show()

三、plt.pie饼图

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, *, normalize=None, data=None)

x:一维数组，绘图数据
expode:数组，指定每个扇形的半径偏移
labels:数组，每个扇形的标签
colors：数组，每个扇形的颜色
shadow:是否显示阴影
radius:半径，默认为1
autopct:字符串或者函数，设置后将在每个扇形内部显示所占比例
wedgeprops:字典，设置扇形边缘线颜色
startangle:浮点数。饼图开始的角度(以x轴逆时针旋转)
textsprops:设置文本特性

返回值
patches:列表，一组扇形实例
texts:标签文本实例列表
autotexts:列表，数字标签的文本实例列表

1.基本饼图

labels=['Frogs','Hogs','Dogs','Logs']
sizes=[15,30,45,10]
explode=(0,0.1,0,0)fig1,ax1=plt.subplots()
ax1.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=True,startangle=90)
ax1.axis('equal')
ax1.set(title='Pie plot')
ax1.legend()
plt.show()

fig,ax=plt.subplots(figsize=(6,5),subplot_kw=dict(aspect='equal'))recipe=['375 g flour','75 g sugar','250 g butter','300 g berries']
data=[float(x.split()[0]) for x in recipe]
ingredients=[x.split()[-1] for x in recipe] def func(pct,allvals):absolute=int(pct/100*np.sum(allvals))return "{:.1f}%\n{:d}g".format(pct,absolute)wedges,texts,autotexts=ax.pie(data,autopct=lambda pct:func(pct,data),wedgeprops=dict(edgecolor='w'),textprops=dict(color='w')) ax.legend(wedges,ingredients,title='Ingredients',loc='best',bbox_to_anchor=(1,0,0.5,1)) plt.setp(autotexts,size=8,weight='bold')
ax.set_title('Matplotlib bakery:A pie') plt.show()

2.环形饼图

fig,ax=plt.subplots()
size=0.4
vals=np.array([[60,32],[37,40],[29,10]])cmap=plt.get_cmap('tab20c')
outer_colors=cmap(np.arange(3)*4)
inner_colors=cmap([1,2,5,6,9,10])ax.pie(vals.sum(axis=1),radius=1,colors=outer_colors,autopct='%1.1f%%',wedgeprops=dict(width=size,edgecolor='w'))ax.pie(vals.flatten(),radius=1-size,colors=inner_colors,autopct='%1.1f%%',wedgeprops=dict(width=size,edgecolor='w'))ax.set(aspect='equal',title='Pie plot with ax.pie')
plt.show()

四、plt.scatter散点图

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None,
norm=None, vmin=None, vmax=None, alpha=None, linewidths=None,
verts=<deprecated parameter>, edgecolors=None, *, plotnonfinite=False,
data=None, **kwargs)

x,y:点的位置
s:点的大小
c:点的颜色;单一颜色用color
marker：标记样式，默认为圆点
linewidths:点边缘线宽
edgecolors:点边缘颜色，face/none

np.random.seed(19680801)N=50
x=np.random.rand(N)
y=np.random.rand(N)
colors=np.random.rand(N)
area=(30*np.random.rand(N))**2#圆点半径fig,ax=plt.subplots()
ax.scatter(x,y,alpha=0.6,edgecolors='r',c=colors,s=area,linewidths=0.5) ax.set_xlabel(r'$x$',fontsize=15,c='w')
ax.set_ylabel(r'$y$',fontsize=15,c='w')
ax.set_title('x and y change',fontsize=15,c='w') ax.grid(True)
plt.show()

matplotlib库可视化常用的图相关推荐

Python中使用random随机函数与Matplotlib库绘制随机漫步图
Python中使用random随机函数与Matplotlib库绘制随机漫步图一.概述随机现象在我们的生活中并不少见,我们常见的一次抛硬币的正反面,股票的走势等等,都是随机事件.这些不确定性事件给我 ...
Python学习-Matplotlib库绘制简单点阵图、线型图操作
Python学习-Matplotlib库绘制简单散点图图和线型图.标签设置以及刻度线设置操作目录 1.Matplotlib绘图细节的简单理解 2.绘制点图.线型图 3.给图表设置复杂标注 4.移动刻 ...
matplotlib数据可视化实战——折线图+散点图
今天通过几个实践样例学习了使用matplotlib绘制图像. 过程中出现了很多问题,但是都通过查阅资料一一解决了.最后看到绘制好的图像弹出来以后,内心还是有点小激动. 字体调用问题: 1.导入数据库 ...
Matplotlib数据可视化之堆叠图、饼图（plt.stackplot\plt.pie）
堆叠图plt.stackplot() 先来了解一下堆叠图某网站给堆叠图给出如下解释: 柱形图和面积图可以设置成堆叠的形式,堆叠后同一个分类下的数据不再是水平依次排列而是依次从上到下堆叠在一起. 堆叠 ...
PCL点云库可视化常用函数与经验总结
目录一, makeShared:使点云返回一个智能指针(深拷贝) 二,pcl::visualization::PCLVisualizer viewer.setPointCloudRenderingP ...
python绘制时间序列图_python matplotlib 画dataframe的时间序列图实例
python matplotlib 画dataframe的时间序列图实例在python中经常会用到pandas来处理数据,最常用的数据类型是dataframe,但是有时候在dataframe有时间字 ...
可视化之瀑布图的绘制--基于matplotlib库
可视化之瀑布图的绘制--基于matplotlib库第一步:前期准备-导入数据第二步:打好基础1-画出堆叠柱形图的样子第三步:打好基础2-并排柱形图第四步:瀑布图成形第五步:瀑布图优化1-柱体 ...
python导出数据顿号做分隔符_Python语言和matplotlib库做数据可视化分析
这是我的第51篇原创文章,关于数据可视化分析. 阅读完本文,你可以知道: 1 Python语言的可视化库-matplotlib? 2 使用matplotlib实现常用的可视化? 0前言数据记者和信息 ...
Matplotlib库-Python数据可视化
Matplotlib基础 Matplotlib库介绍 Matplotlib是Python的绘图库,是和交互式的进行制图,而且可以方便的将它作为绘图软件,嵌入GUI应用程序中 Matplotlib库由各 ...

matplotlib库可视化常用的图

matplotlib库可视化常用的图

一、直方图plt.hist()

二、plt.bar条形图

三、plt.pie饼图

1.基本饼图

2.环形饼图

四、plt.scatter散点图

matplotlib库可视化常用的图相关推荐

最新文章

热门文章