matplotlib绘图(折线图，直方图，柱状图，饼图，散点图，三维，动图)

折线图

#折线图，曲线图
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-10, 10, 1000)
# y = np.sin(x)
#y = 2 * x * x * x + 3* x * x + 2*x +5
y = np.sin(2*x)+2*np.cos(1/x)
plt.figure()
plt.plot(x, y)
plt.show()

import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure()fig, (axes1, axes2) = plt.subplots(nrows=1, ncols=2)
axes1.plot([1, 2, 3, 4, 5, 6], color="r", linestyle="-.", label="红线")
axes1.set_title("图1")
# 设置当前x轴以及y轴的label
axes1.set_xlabel(xlabel="x轴")
axes1.set_ylabel(ylabel="y轴")
# 设置显示昂前的legend
axes1.legend()
# 设置当前的网格
axes1.grid(True, linestyle='-.', alpha=0.5)axes2.plot([2, 4, 6, 8], color="y", linestyle="--", label="黄线")
axes2.set_title("图2")
# 设置当前第二张图的刻度
axes2.set_xticks([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
axes2.set_yticks([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
axes2.legend()
# 开启刻度
axes2.minorticks_on()
plt.show()

子图

import matplotlib
import matplotlib.pyplot as pltplt.figure()
plt.subplot(2,1,1)
plt.plot(x,mean_loss,'r.-',label='mean_loss')
plt.legend()plt.subplot(2,3,4)
plt.plot(x,NLL_loss,'bo-',label='NLL_loss')
plt.legend()plt.subplot(235)
plt.plot(x,label_loss,'bo-',label='label_loss')
plt.legend()plt.subplot(236)
plt.plot(x,KL_loss,'bo-',label='KL_loss')
plt.legend()
plt.savefig(save_model_path + '/'+'loss.png')
plt.show()  # 展示

直方图

# 直方图与当前的柱状图不一样，一个是有间隔并且x轴的是一个准确的值，直方图的值为区间
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号plt.figure()
x_date = [22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27]
bins = [0, 20, 40, 60, 80, 100]
plt.hist(x_date, bins, density=True)
# plt.yticks(range(min(x_date), max(x_date), 10))
plt.xticks(range(min(bins), max(bins) + 5, 5))
plt.show()

柱状图

import matplotlib.pyplot as plt
import randomplt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure()
month_days = 31
x = [i for i in range(1, month_days)]
y = [random.randrange(20, 41) for i in range(1, month_days)]
plt.bar(x, y, color="r", label="金额")
plt.minorticks_on()
plt.title("一个月的消费情况")
plt.xlabel("一个月(天)")
plt.ylabel("消费金额(元)")
plt.legend()
# plt.xticks(x)
# plt.yticks([i for i in range(0, 41)])
plt.show()

import matplotlib.pyplot as plt
import randomplt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure()
month_days = 5
x = [i + 1 for i in range(1, month_days + 1)]
y = [random.randrange(20, 41) for i in range(1, month_days + 1)]
plt.bar(x, y, label="金额", color=["r", "y", "b", "g", "c"])
# plt.minorticks_on()
plt.title("一周的消费情况")
plt.xlabel("一周(天)")
plt.ylabel("消费金额(元)")
plt.legend()
plt.xticks(x, ["星期{0}".format(i + 1) for i in range(0, month_days + 1)])
plt.grid( linestyle="-.", alpha=0.5)
plt.show()

import matplotlib.pyplot as plt
import randomplt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure()
month_days = 5
x = [i for i in range(1, month_days + 1)]
y = [random.randrange(20, 41) for i in range(1, month_days + 1)]
plt.bar(x, y, label="本周", width=0.3, color="r")
plt.bar([i + 0.2 for i in x], [i + random.randrange(1, 10) for i in y], label="上周", width=0.3, color="g")
# plt.minorticks_on()
plt.title("本周和上周的消费情况")
plt.xlabel("同比")
plt.ylabel("消费金额(元)")
plt.legend()
plt.xticks([i + 0.05 for i in x], ["星期{0}".format(i + 1) for i in range(0, month_days + 1)])
plt.grid(linestyle="-.", alpha=0.5)
plt.show()

# -*- coding: utf-8 -*-
import time
import matplotlib.pyplot as pltdef showResult(xList, yList, title, xLabel, yLabel):plt.bar(xList, yList, width=0.5,color="b")plt.title(title)plt.xlabel(xLabel)plt.ylabel(yLabel)plt.xticks(xList)for x, y in zip(xList, yList):plt.text(x, y+0.3, str(y), ha='center', va='bottom', fontsize=7.5)plt.savefig('fig'+str(int(time.time()))+'.jpg')plt.show()x_arr = [1, 2, 3, 4, 5, 6,7,8,9,10]
y_arr = [95.88897746,92.99818646,84.0831402,87.035405,90.48605803,83.32441838,82.4323623,94.95956628,86.27340434,90.85186676]
showResult(x_arr, y_arr, 'Changan Soh Estimation', 'vehicle number', 'SOH')

饼图

import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号plt.figure()
dataList = [10, 12, 15, 18, 9, 25]
dataLabel = ["水", "零食", "水果", "生活用品", "外卖", "电影"]plt.pie(dataList, labels=dataLabel, colors=["r", "y", "g", "b", "c", "m"], autopct="%1.2f%%")
plt.legend()
plt.title("一天的消费情况")
# 将当前的图形变成圆形，默认为椭圆
plt.axis("equal")plt.show()

散点图

import matplotlib.pyplot as plt
import randomplt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False
plt.figure()
month_days = 31
x = [i for i in range(1, month_days)]
y = [random.randrange(20, 40) for i in range(1, month_days)]
plt.scatter(x, y)
plt.xlabel("一个月")
plt.ylabel("消费金额")
plt.title("一个月的中餐的消费情况")
plt.show()

热力图

import numpy as np
import matplotlib.pyplot as pltx = np.random.rand(100).reshape(10,10)
plt.imshow(x, cmap=plt.cm.hot, vmin=0, vmax=1)
plt.colorbar()
plt.show()

三维的线图和散点图

最基本的三维图是由(x, y, z)三维坐标点构成的线图与散点图，可以用ax.plot3D和ax.scatter3D函数来创建，默认情况下，散点会自动改变透明度，以在平面上呈现出立体感

#绘制三角螺旋线
from mpl_toolkits import mplot3d
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as npax = plt.axes(projection='3d')#三维线的数据
zline = np.linspace(0, 15, 1000)
xline = np.sin(zline)
yline = np.cos(zline)
ax.plot3D(xline, yline, zline, 'gray')# 三维散点的数据
zdata = 15 * np.random.random(100)
xdata = np.sin(zdata) + 0.1 * np.random.randn(100)
ydata = np.cos(zdata) + 0.1 * np.random.randn(100)
ax.scatter3D(xdata, ydata, zdata, c=zdata, cmap='Greens')

三维等高线图

def f(x, y):return np.sin(np.sqrt(x ** 2 + y ** 2))
x = np.linspace(-6,6,30)
y = np.linspace(-6,6,30)
X, Y = np.meshgrid(x, y)
Z = f(X,Y)fig = plt.figure()
ax = plt.axes(projection='3d')
ax.contour3D(X, Y, Z, 50, cmap='binary')
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
#调整观察角度和方位角。这里将俯仰角设为60度，把方位角调整为35度
ax.view_init(60, 35)

线框图和全面图

全面图和线框图相似，只不过线框图的每一个面都是由多边形构成。只要增加唉一个配色方案来填充这些多边形，就可以感受到可视化图形表面的拓扑结构了。

#线框图
fig =plt.figure()
ax = plt.axes(projection='3d')
ax.plot_wireframe(X, Y, Z, color='c')
ax.set_title('wireframe')

曲面图

#曲面图
ax = plt.axes(projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')
ax.set_title('surface')

三维切片

#使用极坐标可以获得切片的效果
r = np.linspace(0, 6, 20)
theta = np.linspace(-0.9 * np.pi, 0.8 * np.pi, 40)
r, theta = np.meshgrid(r, theta)
X = r * np.sin(theta)
Y = r * np.cos(theta)
Z = f(X, Y)
ax = plt.axes(projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')

曲面三角剖分

在某些应用场景下，上述这些要求均匀采样的网格数据显得太过严格且不太容易实现。这时就可以使用三角剖分部分图形。

theta = 2 * np.pi * np.random.random(1000)
r = 6 * np.random.random(1000)
x = np.ravel(r * np.sin(theta))
y = np.ravel(r * np.cos(theta))
z = f(x, y)ax = plt.axes(projection='3d')
ax.scatter(x, y, z, c=z, cmap='viridis', linewidth=0.5)

上图还有许多地方需要修补，这些工作可以由ax.plot_trisurf函数帮助我们完成。它首先找到一组所有点都连接起来的三角形，然后用这些三角形创建曲面

ax = plt.axes(projection='3d')
ax.plot_trisurf(x, y, z, cmap='viridis', edgecolor='none')

莫比乌斯带（应用曲面三角剖分）

#绘制莫比乌斯带
#由于它是一条二维带，因此需要两个内在维度。theta维度取值范围是0～2pi，宽度维度w取值范围是-1～1
theta = np.linspace(0, 2 * np.pi, 30)
w = np.linspace(-0.25, 0.25, 8)
w, theta = np.meshgrid(w, theta)
phi = 0.5 * theta
#x-y平面内的半径
r = 1 + w * np.cos(phi)x = np.ravel(r * np.cos(theta))
y = np.ravel(r * np.sin(theta))
z = np.ravel(w * np.sin(phi))#要画出莫比乌斯带，还必须保证三角部分是正确的。最好的方法是首先用基本参数化方法定义三角部分，然后用Matplotlib将
#这个三角剖分映射到莫比乌斯带的三维空间里
from matplotlib.tri import Triangulation
tri = Triangulation(np.ravel(w), np.ravel(theta))
ax = plt.axes(projection='3d')
ax.plot_trisurf(x, y, z, triangles=tri.triangles, cmap='viridis', linewidth=0.2)
ax.set_xlim(-1, 1);ax.set_ylim(-1,1);ax.set_zlim(-1,1)

动态条形图

import matplotlib.pyplot as plt
import timedef insert_sort(lst):lsts = []for i in range(len(lst)):temp = lst[i]j = i-1while j>=0 and lst[j]>temp:lst[j+1] = lst[j]j -= 1lst[j+1] = templ = lst[:]lsts.append(l)return lstsif __name__ == "__main__":lst = [13,32,42,1,53,4,66,2,5,7,74,23]lsts = insert_sort(lst)plt.ion()#打开交互模式fig = plt.figure()#新建绘图窗口ax  = plt.gca()#获取当前子图bars = ax.bar(range(len(lst)),height=lst)#绘制条形图for l in lsts:print(l)bars.remove()#删除条形图bars = ax.bar(range(len(lst)),height=l)#绘制条形图plt.pause(0.5)while True:#防止图片关闭plt.pause(1)

matplotlib绘图(折线图，直方图，柱状图，饼图，散点图，三维，动图)相关推荐

Pyecharts：pyecharts(图文+代码)实战(柱状图/条形图/散点图、漏斗图、仪表盘、折线/面积图、水球图、地图、平行坐标系、饼图、极坐标系、雷达图、词云图)之绘制各种吊炸天的图表
Pyecharts:pyecharts(图文+代码)实战(柱状图/条形图/散点图.漏斗图.仪表盘.折线/面积图.水球图.地图.平行坐标系.饼图.极坐标系.雷达图.词云图)之绘制各种吊炸天的图表目录 ...
python 折线图_Python 编程一次画三种图：柱状图、散点图、折线图
Python 编程一次画三种图:柱状图.散点图.折线图柱状图.散点图.折线图是三种常用数据图,用 Python 能轻易的画出来. #导入必须的库 import matplotlib.pyplot a ...
【Python基础绘图】Python多张png合成gif动图
[Python基础绘图]Python多张png合成gif动图前段时间准备答辩ppt想展示下逐月的空间变化趋势,故想到了动图的方式,将多张png图片转变为gif动图.下面是代码记录一下. 首先需要准备 ...
python台风动图绘制_让数据动起来——三维动图剖析“海神”
原标题:让数据动起来--三维动图剖析"海神" "海神"一路北来,影响我国东北地区我们也让数据动起来,剖析它的内在. 近半个月来,三个台风接连影响我国东北地区, ...
Vue + Echarts(v5.版本)的简单组件封装（折线图、柱状图、散点图、饼/环形图、仪表盘、雷达图）
项目中展示图表的地方很多,不想每次都写一长串的 options配置,就整合了一下常用的配置项,简单封装了一下,也能保证整个系统的图表风格统一,需要调整样式的时候也不用改很多地方 2022-11-07: ...
pandas数据分析，matplotlib绘图(折线图)，图片和数据批量写入excel
pandas数据分析,matplotlib绘图并解决中文乱码问题批量将数据写入多个sheet的excel表,并将图片和数据写入同一个sheet,查了不少api,希望对大家有帮助代码就不一一解释了, ...
iOS-UI之简易图表——饼图(扇形图)、柱状图、折(曲)线图
话不多说,先来看看效果: 1.饼图(扇形图) 2.柱状图 3.折线图样子粗糙,见笑了. 现在来看看实现过程一.饼图(扇形图) 1.实现思路实现思路其实很简单,首先算传入数据数组的数据总和,然后根 ...
如何使用python做图_如何使用python做动图
python可以做动图吗 ImageMagick 是一套功能强大.稳定而且开源的工具集和开发包,可以用来读.写和处理超过200种基本格式的图片文件,包括PNG,JPEG,GIF,HEIC,TIFF,D ...
python制作数据增长动图_请问一下这种数据动图是如何做出来的？
用 Python 可以做这种数据动图,先上成果!如何用 Python 做数据动图https://www.zhihu.com/video/1075136852456951808 一般来说,这种视频都是用 ...
python制作流动图_利用Python生成GIF动图
一.PIL库 1.PIL库的概括: PIL(Python Image Library)是python的第三方图像处理库,但是由于其强大的功能与众多的使用人数,几乎已经被认为是python官方图像处理库 ...