【Python数据科学】Matplotlib画图

文章目录

用bar绘制垂直条形图
用hist绘制柱状图
plot曲线图
scatter绘制散点图
bar绘制垂直条形图和barh绘制水平条形图
fill和fill_between绘制填充图和stackplot绘堆叠图
hist绘制柱状图和boxplot绘制箱线图
imshow显示二维图形
contour+contourf绘制等高线
Axes3D绘制三维曲线图
subplot绘制多图
figure绘制多图
figure图的嵌套
主次坐标轴

用bar绘制垂直条形图

垂直条形图

x=[5,8,10]
y=[12,16,6]
std = [5,6,7]
x2=[6,9,11]
y2=[6,15,7]
std2 = [1,2,3]
plt.bar(x,y,yerr=std )
plt.bar(x2,y2,yerr=std2)
plt.ylabel("Y axis")
plt.xlabel("X axis")for i, j in zip(x, y):plt.text(i, j+1, '%d'%j)for i, j in zip(x2, y2):plt.text(i, j+1, '%d'%j)plt.show()

n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')for x,y in zip(X,Y1):plt.text(x, y+0.05, '%.2f' % y) # 对应位置显示大小plt.ylim(-1.25,+1.25)
plt.show()

堆叠条形图

x=[5,8,10]
y=[12,16,6]
std = [5,6,7]y2=[6,15,7]
std2 = [1,2,3]
plt.bar(x,y,yerr=std)
plt.bar(x,y2,bottom=y,yerr=std2) # 以y中的值为底
plt.ylabel("Y axis")
plt.xlabel("X axis")
plt.legend(('y','y2'))
plt.show()

用hist绘制柱状图

a=np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
np.histogram(a,bins = [0,20,40,60,80,100])
hist,bins = np.histogram(a,bins=[0,20,40,60,80,100])
print(hist)
print(bins)
plt.hist(a,bins=[0,20,40,60,80,100])  # bins表示分段，此例中分成5段
plt.title("histogram")
plt.show()

plot曲线图

x = np.linspace(0,10,100)
fig=plt.figure(figsize=(10,4))
ax0 = fig.add_subplot(1,3,1)
ax1 = fig.add_subplot(1,3,2)
ax2 = fig.add_subplot(1,3,3)for i in range(1,6):ax0.plot(x,i*x)
for i,ls in enumerate(['-','--',':','-.']):ax1.plot(x,np.cos(x)+i, linestyle=ls)
for i, (ls,mk) in enumerate(zip(['','-',':'],['o','^','s'])):ax2.plot(x,np.cos(x)+i*x, linestyle=ls,marker=mk,markevery=10)plt.show()

scatter绘制散点图

x,y,z = np.random.normal(0,1,(3,100))
t = np.arctan2(y,x)
size = 50*np.cos(2*t)**2+10fig, axes = plt.subplots(1,3,figsize = (10,4))axes[0].scatter(x,y,marker='o',facecolor='black',s=80)
axes[1].scatter(x,y,s=size,marker='s',color='darkblue') # marker的大小随参数s的大小变化
axes[2].scatter(x,y,c=z,s=size,cmap='gist_ncar') # marker的大小和颜色随参数s和参数c的大小变化plt.show()

bar绘制垂直条形图和barh绘制水平条形图

y=[1,3,4,5.5,3,2]
err = [0.2,1,2.5,1,1,0.5]
x = np.arange(len(y))
fig,axes = plt.subplots(1,3,figsize=(10,4))
axes[0].bar(x,y,yerr=err,color='lightblue',ecolor='black')
axes[0].set_ylim([0,10])
axes[0].set_title("bar")y = np.arange(8)
x1 = y+np.random.random(8)+1
x2 = y+3*np.random.random(8)+1
axes[1].barh(y,x1,color='lightblue')
axes[1].barh(y,-x2,color='salmon')
axes[1].set_title("barh")left = np.random.randint(0,10,10)
bottom = np.random.randint(0,10,10)
width = np.random.random(10)+0.5
height = np.random.random(10)+0.5
axes[2].bar(left,height, width,bottom,color='salmon')plt.show()

fill和fill_between绘制填充图和stackplot绘堆叠图

def stackplot_data():x = np.linspace(0, 10, 100)y = np.random.normal(0, 1, (5, 100))y = y.cumsum(axis=1)y -= y.min(axis=0, keepdims=True)return x, ydef sin_data():x = np.linspace(0, 10, 100)y = np.sin(x)y2 = np.cos(x)return x, y, y2def fill_data():t = np.linspace(0, 2*np.pi, 100)r = np.random.normal(0, 1, 100).cumsum()r -= r.min()return r * np.cos(t), r * np.sin(t)fig, axes = plt.subplots(1,3,figsize=(10,4))
x, y = fill_data()
axes[0].fill(x,y,color='lightblue')
axes[0].set_title("fill")x, y1, y2 = sin_data()
err = np.random.rand(x.size)**2+0.1
y = 0.7*x+2
axes[1].fill_between(x,y1,y2,where=y1>y2,color='lightblue')  # y1>y2的区域用颜色lightblue填充
axes[1].fill_between(x,y1,y2,where=y1<y2,color='forestgreen')# y1<y2的区域用颜色forestgreen填充x, y = stackplot_data()
axes[2].stackplot(x, y.cumsum(axis=0), alpha=0.5)

hist绘制柱状图和boxplot绘制箱线图

def generate_data():means = [0, -1, 2.5, 4.3, -3.6]sigmas = [1.2, 5, 3, 1.5, 2]# Each distribution has a different number of samples.nums = [150, 1000, 100, 200, 500]dists = [np.random.normal(*args) for args in zip(means, sigmas, nums)]return distsfig, axes = plt.subplots(1,3,figsize=(10,4))
colors = ['cyan','red','blue','green','purple']
dists = generate_data()
np.array(dists).shape
axes[0].set_color_cycle(colors)
for dist in dists:axes[0].hist(dist,bins=20,density=True,edgecolor='none',alpha=0.5)result = axes[1].boxplot(dists, patch_artist=True,notch=True,vert=False)
for box, color in zip(result['boxes'],colors):box.set(facecolor=color, alpha=0.5)
for item in ['whiskers','caps','medians']:plt.setp(result[item],color='gray',linewidth=1.5)
plt.setp(result['fliers'], markeredgecolor='gray', markeredgewidth=1.5)
plt.setp(result['medians'], color='black')
result = axes[2].violinplot(dists, vert=False, showmedians=True)
for body, color in zip(result['bodies'], colors):body.set(facecolor=color, alpha=0.5)
for item in ['cbars', 'cmaxes', 'cmins', 'cmedians']:plt.setp(result[item], edgecolor='gray', linewidth=1.5)
plt.setp(result['cmedians'], edgecolor='black')
plt.show()

imshow显示二维图形

imshow显示二维图形

vegetables = ["cucumber", "tomato", "lettuce", "asparagus","potato", "wheat", "barley"]
farmers = ["Farmer Joe", "Upland Bros.", "Smith Gardening","Agrifun", "Organiculture", "BioGoods Ltd.", "Cornylee Corp."]harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],[2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],[1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],[0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],[0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],[1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],[0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])fig, ax = plt.subplots(figsize=(10,8))
im = ax.imshow(harvest)ax.set_xticks(np.arange(len(farmers)))
ax.set_yticks(np.arange(len(vegetables)))ax.set_xticklabels(farmers)
ax.set_yticklabels(vegetables)
for i in range(len(vegetables)):for j in range(len(farmers)):text = ax.text(j, i, harvest[i, j],ha="center", va="center", color="w")
plt.tight_layout() ## 自动调整图形大小
plt.show()

imshow显示图形+colorbar

data = np.random.random((256,256))
fig,ax = plt.subplots()
im = ax.imshow(data,cmap='seismic')
fig.colorbar(im)
plt.show()

contour+contourf绘制等高线

def f(x,y):return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
X,Y = np.meshgrid(x,y)# 第4个参数用来确定轮廓线\区域的数量和位置，数字4表示使用4个数据间隔；绘制5条轮廓线
plt.contourf(X,Y,f(X,Y),4,alpha=0.75,cmap=plt.cm.hot)  # 用于填充轮廓，不会绘制轮廓线
C = plt.contour(X,Y,f(X, Y),4,color='black',linewidth=0.5)  # 用于绘制轮廓线
plt.clabel(C,inline=True,fontsize=20)  # 给contour的返回对象增加标签到轮廓线上
# 去除横纵坐标
plt.xticks(())
plt.yticks(())
plt.show()

Axes3D绘制三维曲线图

from mpl_toolkits.mplot3d import Axes3Dfig = plt.figure()
ax = Axes3D(fig)n=256
x=np.arange(-4,4,0.25)
y=np.arange(-4,4,0.25)X,Y = np.meshgrid(x,y)
R = np.sqrt(X**2+Y**2)
Z = np.sin(R)ax.plot_surface(X,Y,Z,cmap=plt.get_cmap('rainbow'))
ax.contour(X,Y,Z,offset=-2,cmap='rainbow') # 绘制轮廓线
ax.set_zlim(-2,2)
plt.show()

subplot绘制多图

plt.figure()plt.subplot(2,1,1)  # 第1行只有1列
plt.plot([0,1],[0,1])plt.subplot(2,3,4)
plt.plot([0,1],[0,1])plt.subplot(2,3,5)
plt.plot([0,1],[0,1])plt.subplot(2,3,6)
plt.plot([0,1],[0,1])
plt.show()

figure绘制多图

plt.figure()# (0,0)表示从第1行第1列开始画图，整个图形占1行3列
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
plt.plot([0,1],[0,1])# (1,0)表示从第2行第1列开始画图，整个图形占1行2列
ax2 = plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
plt.plot([0,1],[0,1])# (1,2)表示从第2行第3列开始画图，整个图形占1行1列
ax3 = plt.subplot2grid((3,3),(1,2),colspan=1,rowspan=1)
plt.plot([0,1],[0,1])# (2,0)表示从第3行第1列开始画图，整个图形占1行3列
ax4 = plt.subplot2grid((3,3),(2,0),colspan=3,rowspan=1)
plt.plot([0,1],[0,1])
plt.show()

figure图的嵌套

fig = plt.figure() # 整个图形x = [1,2,3,4,5,6,7]
y = [1,3,4,2,5,8,6]# figure的百分比，从figure距左边10%长度，距下边10%长度的位置开始绘制，宽高是figure宽高的80%
left, bottom, width, height= 0.1, 0.1, 0.8, 0.8# 获得绘制的句柄
ax1 = fig.add_axes([left,bottom,width,height])
# 获得绘制的句柄
ax1.plot(x,y,'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('test')# 嵌套方法一
# figure的百分比，从figure距左边20%长度，距下边60%长度的位置开始绘制，宽高是figure宽高的25%
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
# 获得绘制的句柄
ax2 = fig.add_axes([left,bottom,width,height])
# 绘制点(x,y)
ax2.plot(x,y,'r')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('part1')# 嵌套方法二
left, bottom, width, height = 0.6, 0.2, 0.25, 0.25
plt.axes([left, bottom,width,height])
plt.plot(x,y,'r')
plt.xlabel('x')
plt.ylabel('y')
plt.title('part2')plt.show()

主次坐标轴

x = np.arange(0,10,0.1)
y1 = 0.05*x**2
y2 = -1 * y1fig, ax1 = plt.subplots()# 得到ax1的对称轴ax2
ax2 = ax1.twinx()#绘制图像
ax1.plot(x,y1,'g-')
ax2.plot(x,y2,'b--')#设置label
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1',color='g')
ax2.set_ylabel('Y2',color='b')plt.show()

【Python数据科学】Matplotlib画图相关推荐

Python数据科学库02(matplotlib)
Python数据科学库02 学习02 matplotlib 对比常用统计图折线图的更多应用场景: 1.呈现公司产品(不同区域)每天活跃用户数 2.呈现app每天下载数量 3.呈现产品新功能上线后,用 ...
【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)
这是机器未来的第52篇文章原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226 <Python数据科学快速入 ...
python书籍推荐：Python数据科学手册
所属网站分类: 资源下载 > python电子书作者:today 链接:http://www.pythonheidong.com/blog/article/448/ 来源:python黑洞网 ...
Python数据科学手册
Python数据科学手册下载地址 https://pan.baidu.com/s/13fCOKgWv0sl9h1MnT-X-Yw 扫码下面二维码关注公众号回复 100093获取分享码本书目录结构如 ...
python数据科学用法_Matplotlib 使用 - 《Python 数据科学手册》学习笔记
一.引入 import matplotlib as mpl import matplotlib.pyplot as plt 二.配置 1.画图接口 Matplotlib 有两种画图接口: (1)一个是 ...
python数据科学手册_小白入门Python数据科学
前言本文讲解了从零开始学习Python数据科学的全过程,涵盖各种工具和方法你将会学习到如何使用python做基本的数据分析你还可以了解机器学习算法的原理和使用说明先说一段题外话.我是一名数据 ...
的确好用！Python数据科学速查表中文版强势来袭！
1速查速记,不二之选! DataCamp 推出的 Python 数据科学速查表(中文版),一共 11 张表,包括:Python 基础.导入数据.Jupyter Notebook.Numpy 基础.Pa ...
python数据科学-多变量数据分析
总第87篇 01|写在前面: 在前面我们研究了单列(变量)数据情况,现实中的案例大多都是多列(变量)的,即影响一件事情的因素有多个,我们除了要看单列数据以外还需要看看这不同列之间是否存在某些联系.常见 ...
python数据科学-单变量数据分析
总第85篇 01|背景: 我们在做机器学习之前,需要自己先对数据进行深入的了解(这些数据是什么类型,总共有多少数据,有没有缺失值,均值是多少之类的),只有自己对数据足够了解了,才能够更好地利用机器学习 ...
python 数据科学书籍_您必须在2020年阅读的数据科学书籍
python 数据科学书籍 "We're entering a new world in which data may be more important than software.&qu ...

【Python数据科学】Matplotlib画图

文章目录

用bar绘制垂直条形图

用hist绘制柱状图

plot曲线图

scatter绘制散点图

bar绘制垂直条形图和barh绘制水平条形图

fill和fill_between绘制填充图和stackplot绘堆叠图

hist绘制柱状图和boxplot绘制箱线图

imshow显示二维图形

contour+contourf绘制等高线

Axes3D绘制三维曲线图

subplot绘制多图

figure绘制多图

figure图的嵌套

主次坐标轴

【Python数据科学】Matplotlib画图相关推荐

最新文章

热门文章