python matplotlib常见图形画法

import matplotlib.pylab import plt
fig=plt.figure() #可以设置画布的大小,以及分辨率
matplotlib对象都位于Figure对象中，plt.subplots,它可以创建一个新的Figure，且返回一个含有已创建的subplot对象的numpy数组。
1、刻度尺的设置

import numpy as np from matplotlib.pylab import plt from matplotlib.pylab import * from matplotlib.ticker import MultipleLocator #设置 from matplotlib.ticker import FormatStrFormatter # 将x轴的主标签设置为20的倍数 xmajorLocator=MultipleLocator(20) # 设置x轴标签文本的格式 # %1.0f表示：打印1位有效数字（若超出，则按该类型实际有效位显示），其中小数数位为 # %m.nf表示输出m位浮点型数，其中，m为域宽（整数位数+小数位数+小数点），n为小数位数（自动对n位后小数进行四舍五入）或n个字符；若输出数本身的长度小于m，则左边补空格，即为右对齐的方式 xmajorFormatter=FormatStrFormatter('%3.1f') #将x轴次刻度标签设置为5的倍数 xminorLocator=MultipleLocator(5) #设定y 轴的主刻度间隔及相应的刻度间隔显示格式 ##将y轴主刻度标签设置为1.0的倍数 ymajorLocator = MultipleLocator(1.0) #设置y轴标签文本的格式 ymajorFormatter = FormatStrFormatter('%1.1f') #将此y轴次刻度标签设置为0.2的倍数 yminorLocator = MultipleLocator(0.2) t=np.arange(1.0, 100.0, 1) s=t*exp(-t*1.3)+2*sqrt(t) ax =subplot(111) #布置一个画布 plt.plot(t,s,'--r*') #设置主刻度标签的位置,标签文本的格式 ax.xaxis.set_major_locator(xmajorLocator) ax.xaxis.set_major_formatter(xmajorFormatter) ax.yaxis.set_major_locator(ymajorLocator) ax.yaxis.set_major_formatter(ymajorFormatter) #显示次刻度标签的位置,没有标签文本 ax.xaxis.set_minor_locator(xminorLocator) ax.yaxis.set_minor_locator(yminorLocator) ax.xaxis.grid(True, which='major') #x坐标轴的网格使用主刻度 ax.yaxis.grid(True, which='minor') #y坐标轴的网格使用次刻度 show()

2、刻度尺的标签设置旋转刻度尺设置: plt.xticks(rotation=30)#x标签选择30度

字体设置:字体样式的设计中可接受字典

font2 = {'family': 'Times New Roman',
         'weight': 'normal',
         'size': 30,
         }

plt.xlabel('round', font2)
plt.ylabel('value',fontsize=30)

标签设置:
文本显示:plt.text(x轴位置,y轴位置,显示内容)
显示值:
其中a和b为x轴、y轴分别传入的值
for a, b in zip(x1, y1):
plt.text(a, b, b, ha='center', va='bottom', fontsize=20)
plt.legend()
显示栅格:plt.grid(True)
##饼图
import matplotlib.pyplot as plt
#设置标签
labels= 'A','B','C','D'
fracs = [15,20,35,30]
#axes控制 X Y轴变成1：1
plt.axes(aspect = 1)
explode =[0,0,0.06,0.05]
##autopct ='%.0f%%'是将百分比(0表示取零位小数)显示出来,explode= explode 是将饼图部分凸显出来。#shadow 显示阴影。
plt.pie(x=fracs,labels=labels,autopct='%.0f%%',explode = explode, shadow = True)
plt.show()
#########################
explode 将某部分弹出来，数据使用元组，数值的大小是分割出来的与其他两块的间隙

labeldistance 文本的位置离原点有多远，1.1指1.1倍半径的位置
autopct 圆里面的文本格式，%3.1f%%表示小数有三位，整数有一位的浮点数
shadow 饼是否有阴影
startangle 起始角度，0，表示从0开始逆时针转，为第一块。一般选择从90度开始比较好看
pctdistance 百分比的text离圆心的距离

##箱体图
import numpy as np
from matplotlib.pylab import plt
#当需要更改随机数，只需要更改seed()里面的值,seed()值代表某一特定的随机数，更改后如需返回，只需更改seed()值
np.random.seed(100)
data=np.random.normal(size=1000,loc=0,scale=1)#产生1000个随机数，平均数为0，scale = 方差
plt.boxplot(data,sym='o',whis=1.0)#产生1000个随机数，平均数为0，scale = 方差
plt.savefig('/root/1.png',bbox_inches='tight')#bbox_inches是控制保存图片的时候自动去除空白部分
plt.show()
#散点图
import numpy as np
from matplotlib.pylab import plt
height =[161,170,182,175,173,165]
weight = [50,58,80,70,69,55]
plt.scatter(height, weight)
plt.show()
N =1000
x = np.random.randn(N)
y = x+np.random.randn(N)*0.7
plt.scatter(x,y)
plt.show()

import matplotlib.pyplot as plt
#颜色映射是用于突出数据的规律
x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]
plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolors='none',s=40)
plt.show()
# 柱状图
import numpy as np
from matplotlib.pylab import plt
N = 5
y = [20,10,30,25,15]
index = np.arange(N)
#直立柱状图
plt.bar(left = index, height = y, color ='red', width =0.5)
#横立柱状图
plt.bar(left = 0, bottom = index, width = y, color ='red',height=0.5, orientation = 'horizontal')
plt.show()
#两个柱状图一起画会出现重叠
#第一个值是位置,第二个是值,宽度等
index = np.arange(4)
sales_BJ = [52, 55, 63, 53]
sales_SH = [44, 66, 55, 41]
bar_width = 0.3
plt.bar(index, sales_BJ, bar_width, color='b',label='sales_BJ')
plt.bar(index+bar_width, sales_SH, bar_width, color ='r',label='sales_SH')
#plt.bar(index, sales_SH, bar_width, color='r', bottom=sales_BJ)
plt.legend()
plt.show()

# 折方图
import numpy as np
from matplotlib.pylab import plt
mu =100
sigma =20
np.random.seed(8)
x = mu + sigma*np.random.randn(20000)
plt.hist(x,bins=100, color ='red',normed =True)
plt.show()
'''参数说明：
bins：指定直方图条形的个数
normed：标准化，是否将直方图的频数转换成频率
histtype：指定直方图的类型，默认为bar，还有barstacked/sted/stepfilledorientation：水平还是垂直【'horizontal','vertical'】默认为垂直方向
align：设置条形边界值的对其方式，默认为mid，还有'left','right'
color：设置直方图颜色label：设置直方图的标签，可通过legend展示其图例；其它：
stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放
log：是否需要对绘图数据进行log变换rwidth：设置直方图条形宽度的百分比
bottom：可以为直方图的每个条形添加基准线，默认为0
facecolor：长条形的颜色
edgecolor：长条形边框的颜色
alpha：透明度
'''
3、轴的设置
#设置共轴,并设置轴的大小
plt.tick_params(axis='both',which='major',labelsize=16)
4、pygal下的gui标签gui
import pygal
hist=pygal.bar()
hist.add('D6',data)
5、隐藏x轴、y轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)
6、颜色的打色
plt.scatter(x,y,c=y,cmp=plt.cm.Blues,edgecolor='none',s=15)

7、中间部分填充颜色
plt.fill_between(x,y_max,y_min,facecolor='blue',alpha=0.1)

#https://blog.csdn.net/weixin_30935137/article/details/80670872

python matplotlib常见图形画法相关推荐

Matplotlib常见图形绘制（折线图、散点图、柱状图、直方图、饼图）
Matplotlib能够绘制折线图.散点图.柱状图.直方图.饼图. 我们需要知道不同的统计图的意义,以此来决定选择哪种统计图来呈现我们的数据. 1 常见图形种类及意义折线图:以折线的上升或下降来表示 ...
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 ...
python matplotlib 画滚动图_Python下matplotlib常见图形绘制
Matplotlib 是 Python 的一个2D绘图库,可以帮助我们绘制各种图形,下面介绍一些最常见的数学图形绘制方法. 1.直线图 importnumpy as npimportmatplotli ...
Matplotlib常见图形绘制(折线图、散点图、柱状图、直方图、饼图、条形图)
文章目录一.折线图二.散点图三.柱状图四.直方图五.饼图六.条形图一.折线图折线图:以折线的上升或下降来表示统计数量的增减变化的统计图特点:能够显示数据的变化趋势,反映事物的变化情况 ...
python：ggplot（2）- 图形画法
第一章:python:ggplot 第2节:python:ggplot图形画法 1,绘制散点图,geom_point() 读取外部数据进行绘图,例子: >>> import pand ...
不愧是摸鱼高手Python matplotlib 绘制频谱图都会，能怪老板不管
复习回顾 matplotlib 是Python专门用来绘制渲染的模块,其底层主要分为脚本层.美工层和后端.脚本层为我们提供常见图形绘制如折线.柱状.直方.饼图.以往文章这么详细的Python mat ...
超详细的Python matplotlib 绘制动态图
复习回顾在matplotlib模块中我们前面学习绘制如折线.柱状.散点.直方图等静态图形.我们都知道在matplotlib模块主要有三层脚本层为用户提供快捷的绘制图形方法,美工层接收到脚本层的命令后 ...
Python matplotlib 绘制散点图还不收藏起来
复习回顾我们在往前几期中对matplotlib模块学习,对常用的反映数据变化的折线图,对比数据类型差异的柱状图和反应数据频率分布情况的直方图. 往前内容快速查看超详细的Python matplot ...
Python matplotlib 绘制等高线图
前言我们在往期对matplotlib.pyplot()方法学习,到现在我们已经会绘制折线图.柱状图.散点等常规的图表啦(往期的内容如下,大家可以方便查看往期内容) python入门到进阶,爬虫数据分 ...

python matplotlib常见图形画法

python matplotlib常见图形画法相关推荐

最新文章

热门文章