今天依然是matplotlib，在入门版的基础上加入了更多的组合和样式设置，matplotlib库是建立在Numpy基础上的绘图库。

典型统计图形对比

柱状图

堆积图：将若干统计图形堆叠起来的统计图形，是一种组合式图形。
将函数bar()中的参数bottom取值设定为列表y，此时plt.bar(x,y1,bottom=y)输出堆积柱状图。
分块图：对比多数据分布差异。
将函数bar()中x的取值加上bar_width实现并列柱状图的输出。
平行条形图：调用函数由bar()变为barch()

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
#data
x=np.arange(5)
y=[6,10,4,5,1]
y1=[2,3,3,8,5]
bar_width=0.35
tick_label=["A","B","C","D","E"]
plt.bar(x,y,bar_width,color="#66c2a5",edgecolor='black',label="班级A")
'''这个函数会输出堆积柱状图'''
plt.bar(x,y1,bar_width,color="#8da0cb",bottom=y,edgecolor='black',label="班级B") #这个函数会输出堆积柱状图
plt.xticks(x,tick_label)
'''这是多数据并列柱状图
plt.bar(x+bar_width,y1,bar_width,color="#8da0cb",edgecolor="black",label="班级B") #这个函数输出多数据并列柱状图
plt.xticks(x+bar_width/2,tick_label)
'''
plt.legend()
plt.show()

参数调整

使用关键字参数hatch="//"设置柱状体的填充样式，如“/”、“//”、“o”、“*”等，每种符号字符串都是一种几何样式，符号数量越多，几何图形密集程度越高。

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
#data
x=np.arange(5)
y=[6,10,4,5,1]
y1=[2,3,3,8,5]
bar_width=0.2
tick_label=["A","B","C","D","E"]
plt.bar(x,y,bar_width,color="#E2EFD9",edgecolor='black',label="班级A",hatch="/")
plt.bar(x+bar_width,y1,bar_width,color="#DEEBF6",edgecolor="black",label="班级B",hatch="//") #这个函数输出多数据并列柱状图
plt.bar(x+2*bar_width,y,bar_width,color="#FADBD2",edgecolor='black',label="班级C",hatch="x")
plt.bar(x+3*bar_width,y1,bar_width,color="#FFF2CC",edgecolor="black",label="班级D",hatch="o") #这个函数输出多数据并列柱状图
plt.xticks(x+1.5*bar_width,tick_label)
plt.legend()
plt.show()

堆积折线图 stackplot()

堆积折线图：绘制不同数据集的折现而生成的，按照垂直方向上彼此堆叠且又不相互覆盖的排列顺序的组合图形。每一个颜色断层代表一条折线所属的数据区域。
plt.stackplot(x,y)

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,6)
y=[0,4,3,5,6]
y1=[1,3,2,2,7]
y2=[3,4,1,6,5]
labels=["BluePlanet","PinkPlanet","YellowPlanet"]
colors=["#DEEBF6","#FADBD2","#FFF2CC"]
plt.stackplot(x,y,y1,y2,labels=labels,colors=colors,edgecolor='grey')
plt.legend(loc="upper left")
plt.show()

阶梯图

阶梯图：反映数据的趋势变化或是周期规律，使用在时间序列数据的可视化任务中，凸显时序数据的波动周期和规律。
plt.step(x,y)

x = np.linspace(1,10,10)
y = x
plt.step(x,y,color="#F1937A",where="pre",lw=2)# where="post"
plt.xlim(0,11)
plt.xticks(np.arange(1,11,1))
plt.ylim(0,11)
plt.show()

间断条形图

间断条形图：实现定性数据的相同指标在时间维度下的变化情况。
ax.broken_barh([(110, 30), (150, 10)], (10, 9), facecolors='tab:blue')，各参数含义已解释在注释中。

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.broken_barh([(110, 30), (150, 10)], (10, 9), facecolors='tab:blue')
ax.broken_barh([(10, 50), (100, 20), (130, 10)], (20, 9),  #从10开始沿x轴正向移动50个单位； 参数（20,9）是指y轴数值从20开始facecolors=('tab:orange', 'tab:green', 'tab:red'))
ax.set_ylim(5, 35)
ax.set_xlim(0, 200)
ax.set_xlabel('seconds since start')
ax.set_yticks([15, 25])
ax.set_yticklabels(['Bill', 'Jim'])
ax.grid(True)
ax.annotate('race interrupted', (61, 25),  #箭头xytext=(0.8, 0.9), textcoords='axes fraction',arrowprops=dict(facecolor='black', shrink=0.05),fontsize=16,horizontalalignment='right', verticalalignment='top')
plt.show()

箱线图

箱线图的组成部分：箱体、箱须和离群值，其中箱体主要由第一四分位数、中位数和第三四分位数组成。

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
# Fixing random state for reproducibility
np.random.seed(19680801)
# fake up some data
spread = np.random.rand(50) * 100
center = np.ones(25) * 50
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
data = np.concatenate((spread, center, flier_high, flier_low))
###############################################################################fig1, ax1 = plt.subplots()
ax1.set_title('箱线图基本版（1 of 6)')
ax1.boxplot(data)###############################################################################fig2, ax2 = plt.subplots()
ax2.set_title('V型凹痕箱线图（2 of 6）')
ax2.boxplot(data, notch=True)###############################################################################green_diamond = dict(markerfacecolor='g', marker='D')
fig3, ax3 = plt.subplots()
ax3.set_title('箱线图改离群点格式（3 of 6)')
ax3.boxplot(data, flierprops=green_diamond)###############################################################################fig4, ax4 = plt.subplots()
ax4.set_title('箱线图隐藏离群点格式（4 of 6)')
ax4.boxplot(data, showfliers=False)###############################################################################red_square = dict(markerfacecolor='r', marker='s')
fig5, ax5 = plt.subplots()
ax5.set_title('箱线图水平放（5 of 6)')
ax5.boxplot(data, vert=False, flierprops=red_square)################################################################################ Fake up some more data
spread = np.random.rand(50) * 100
center = np.ones(25) * 40
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
d2 = np.concatenate((spread, center, flier_high, flier_low))###############################################################################
data = [data, d2, d2[::2]]
fig7, ax7 = plt.subplots()
ax7.set_title('多个箱线图（6 of 6）')
ax7.boxplot(data)
plt.show()

动态版箱线图可以点击介个：https://blog.csdn.net/vv_eve/article/details/107555948
动态版柱状图需要点击介个

python数据可视化 matplotlib(2) 小白 - 典型图形进阶版:堆积折线图/并列柱状图/阶梯图/箱线图相关推荐

每日一课 | Python数据可视化—Matplotlib初体验
04. Matplotlib初体验大家好,我是小C,上期给大家分享--Python数据可视化-如何做好启动准备(小白必读) 本期分享内容:Python数据可视化-Matplotlib初体验本期小C ...
Python数据可视化matplotlib：第四回：文字图例尽眉目
Python数据可视化matplotlib:第四回:文字图例尽眉目 1. Figure和Axes上的文本大家可以看到有些论文或者博客上都有绘制的很漂亮的图,其中大部分都在图形绘制上进行一定的注释说明 ...
Python数据可视化matplotlib（一）—— 图表的基本元素
Python数据可视化matplotlib(一)-- 图表的基本元素图表创建 plt.show() # 图表窗口1 → plt.show()plt.plot(np.random.rand(10)) ...
【数据处理】python matplotlib 画箱线图；箱线图介绍；如何画箱线图
一.箱线图介绍假设一组数据有n个数,将它们从小到大排列,分为四等分.位于第25%(n+1)位置的数字是第一四分位数Q1.位于第50%(n+1)位置的数字是第二四分位数Q2,也是中位数.位于第75%( ...
第十九章 python 数据可视化 Matplotlib Pygal
python 数据可视化一.使用Matplotlib生成数据图 1. matplotlib画图中文乱码小方框的解决方法 2. 知识点 3. 安装Matplotlib包 4. Matplotlib数据 ...
Python数据可视化的例子——多个图形的合并
工作中往往会根据业务需求,将绘制的多个图形组合到一个大图框内,形成类似仪表板的效果.针对这种情况,如何应用Python将前面所学的各种图形汇总到一个图表中,这将是本节所要学习的重点. 关于多种图形的组 ...
Python数据可视化之散点图(基础篇---图文并茂详细版！！！)
Python数据可视化之散点图介绍准备工作所需的库虚拟环境简单散点图总结两种不同颜色和图例的散点图总结介绍 •数据可视化的应用十分广泛,几乎可以应用于自然科学.工程技术.金融.通信和 ...
plot(matplotlib.pyplot)绘图（柱状图）（箱线图）
使用数据地址:链接:https://pan.baidu.com/s/1wXtZRDcM-JKk_dIDRyd_dg?pwd=pyth 提取码:pyth (电影评分数据) 导入数据 import pan ...

python数据可视化 matplotlib(2) 小白 - 典型图形进阶版:堆积折线图/并列柱状图/阶梯图/箱线图

典型统计图形对比

柱状图

参数调整

堆积折线图 stackplot()

阶梯图

间断条形图

箱线图

python数据可视化 matplotlib(2) 小白 - 典型图形进阶版:堆积折线图/并列柱状图/阶梯图/箱线图相关推荐

最新文章

热门文章