1、使用Matplotlib生成数据图

Matplotlib是一个非常优秀的Python 2D绘图库，只要给出符合格式的数据，通过Matplotlib可以方便的绘制出折线图、柱状图、散点图等。

1.1、安装Matplotlib包

pip install matplotlib

在成功安装Matplotlib包之后，打开浏览器：http://localhost:8899/ 查看页面，可以在Python安装目录的lib\site-packages下看到Matplotlib包的文档

1.2、Matplotlib数据图入门

1.2.1、折线图举例

举例：折线图（给出对应的X轴、Y轴数据，调用pyplot子模块下的plot()函数）

import matplotlib.pyplot as plt
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
# plot()函数根据X轴、Y轴数据生成折线图
plt.plot(x_data, y_data)
plt.show()

结果展示

如果：只传入一个列表，则该列表数据将作为Y轴数据，Matplotlib则自动使用0，1，2…来作为X轴数据

import matplotlib.pyplot as plt
# x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
# plt.plot(x_data, y_data)
# 只传入一个列表参数
plt.plot(y_data)
plt.show()

结果展示

多条折线

import matplotlib.pyplot as plt
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
plt.plot(x_data, y_data1, x_data, y_data2)
# 也可以拆开调用
# plt.plot(x_data, y_data1)
# plt.plot(x_data, y_data2)
plt.show()

结果展示

1.2.2、图表样式设置

调用plot()函数时可以指定折线的样式：线宽、颜色、样式等。

color：指定颜色
linewidth：指定线宽
linestyle：指定样式

linestyle样式

-：代表实线，默认值
--：代表虚线
:：代表点线
-.：代表短线、点相间的虚线

import matplotlib.pyplot as plt
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle='--')
plt.plot(x_data, y_data2, color='blue', linewidth=3.0, linestyle='-.')
plt.show()

结果展示

1.3、管理图例

复式折线图需要添加图例，调用legend()函数

import matplotlib.pyplot as plt
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
# 该函数的返回值是一个列表，此处只需要获取其第一个元素（第一个元素才代表函数所绘制的折线图），因此需要利用返回值的序列解包获取
lin1, = plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle=':')
lin2, = plt.plot(x_data, y_data2, color='blue', linewidth=1.5, linestyle='-')
# 调用legend()函数设置图例
plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center')
plt.show()

loc参数设置

'best'：自动选择最佳位置
'upper right'：将图例放在右上角
'upper left'：将图例放在左上角
'lower right'：将图例放在右下角
'lower left'：将图例放在左下角
'right'：将图例放在右边
'center right'：将图例放在右边居中的位置
'center left'：将图例放在左边居中的位置
'upper center'：将图例放在顶部居中的位置
'lower center'：将图例放在底部居中的位置
'center '：将图例放在中心

结果展示
中文字符显示为方框或乱码：
UserWarning: Glyph 22270 (\N{CJK UNIFIED IDEOGRAPH-56FE}) missing from current font.func(*args)

解决办法一：

import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')

优化后结果

解决办法二：

import matplotlib.font_manager as fm
my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
legend()函数调用时添加参数prop=my_font

import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
lin1, = plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle=':')
lin2, = plt.plot(x_data, y_data2, color='blue', linewidth=1.5, linestyle='-')
plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center', prop=my_font)
plt.show()

1.4、管理坐标轴

调用xlabel()、ylabel()函数分别设置X轴、Y轴的名称；
调用title()函数设置整个数据图的标题；
调用xticks()、yticks()函数分别改变X轴、Y轴的刻度值；

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')
# import matplotlib.font_manager as fm
# my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
lin1, = plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle=':')
lin2, = plt.plot(x_data, y_data2, color='blue', linewidth=1.5, linestyle='-')
# plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center', prop=my_font)
plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center')
# 设置X轴、Y轴坐标名称
plt.xlabel("年份")
plt.ylabel("金额")
# 设置图标标题名称
plt.title("折线图测试图表年份-金额")
# 设置Y轴的数值文本，第一个参数是点的位置，第二个参数是点的文字提示
plt.yticks([9000, 11000, 13000], [r'良好', r'较好', r'优秀'])
plt.show()

结果展示

如果要对X轴、Y轴进行更细致的控制，调用gca()函数来获取轴信息对象

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')
# import matplotlib.font_manager as fm
# my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
lin1, = plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle=':')
lin2, = plt.plot(x_data, y_data2, color='blue', linewidth=1.5, linestyle='-')
# plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center', prop=my_font)
plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center')
# 设置X轴、Y轴坐标名称
plt.xlabel("年份")
plt.ylabel("金额")
# 设置图标标题名称
plt.title("折线图测试图表年份-金额")
# 设置Y轴的数值文本，第一个参数是点的位置，第二个参数是点的文字提示
plt.yticks([9000, 11000, 13000], [r'良好', r'较好', r'优秀'])
ax = plt.gca()
# 将X轴的刻度值放在底部X轴上、将Y轴的刻度值放在左边Y轴上
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['right'].set_color('none')
# 设置顶部坐标轴的颜色
ax.spines['top'].set_color('none')
# 设置底部作坐标轴的位置（放在数值9000处）
ax.spines['bottom'].set_position(('data', 9000))
plt.show()

结果展示

1.5、管理多个子图

Matplotlib可以生成包含多条折线图之外，还可以在一张数据图上包含多个子图
调用subplot()函数

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.rc("font", family='Microsoft YaHei')
plt.figure()
# 定义从-pi到pi之间的数据，平均取64个数据点
x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)
# 将整个figure分成两行一列，第三个参数表示将该图形放在第一个网格中
plt.subplot(2, 1, 1)
# 绘制正弦曲线
plt.plot(x_data, np.sin(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title("正弦曲线")plt.subplot(2, 2, 3)
# 绘制余弦曲线
plt.plot(x_data, np.cos(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title("余弦曲线")plt.subplot(2, 2, 4)
# 绘制正切曲线
plt.plot(x_data, np.tan(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title("正切曲线")plt.show()

结果展示

可通过GridSpec对绘图区域进行分割

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
import matplotlib.gridspec as gridspec
matplotlib.rc("font", family='Microsoft YaHei')
plt.figure()
# 定义从-pi到pi之间的数据，平均取64个数据点
x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)
# # 将整个figure分成两行两列，第三个参数表示将该图形放在第一个网格中
# plt.subplot(2, 1, 1)
# 将绘图区域分成两行三列
gs = gridspec.GridSpec(2, 3)
# 指定ax1占用第一行（0）整行
ax1 = plt.subplot(gs[0, :])
# 指定ax2占用第二行（1）的第一格
ax2 = plt.subplot(gs[1, 0])
# 指定ax3占用第二行（1）的第二、三格
ax3 = plt.subplot(gs[1, 1:3])
# 绘制正弦曲线
ax1.plot(x_data, np.sin(x_data))
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.spines['bottom'].set_position(('data', 0))
ax1.spines['left'].set_position(('data', 0))
ax1.set_title("正弦曲线")# plt.subplot(2, 2, 3)
# 绘制余弦曲线
ax2.plot(x_data, np.cos(x_data))
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.spines['bottom'].set_position(('data', 0))
ax2.spines['left'].set_position(('data', 0))
ax2.set_title("余弦曲线")# plt.subplot(2, 2, 4)
# 绘制正切曲线
ax3.plot(x_data, np.tan(x_data))
ax3.spines['right'].set_color('none')
ax3.spines['top'].set_color('none')
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['left'].set_position(('data', 0))
ax3.set_title("正切曲线")plt.show()

结果展示

2、功能丰富的数据图

2.1、饼图

Matplotlib提供pie()函数绘制饼图

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')# 准备数据
data = [0.16881, 0.14996, 0.07471, 0.06992, 0.04762,0.03541, 0.02925, 0.02411, 0.02316, 0.01409, 0.36326]
# 准备标签
labels = ['JAVA', 'C', 'C++', 'Python', 'Visual Basic.NET', 'C#', 'PHP', 'JavaScript', 'SQL', 'Assembly Language', '其他']
# 将排在第四位的语言分离出来
explode = [0, 0, 0.3, 0, 0, 0, 0, 0, 0, 0, 0]
# 使用自定义颜色
colors = ['red', 'blue', 'yellow', 'purple', 'orange', 'black']
# 将横纵坐标标准化处理，保证饼图是一个正圆
plt.axes(aspect='equal')
# 设置X轴、Y轴的范围
plt.xlim(0, 8)
plt.ylim(0, 8)
# 绘制饼图
plt.pie(x=data,    # 绘图数据labels=labels,   #添加标签explode=explode,  # 突出显示内容colors=colors, # 设置饼图的自定义填充色autopct='%.3f%%',   # 设置百分比格式，保留三位小数pctdistance=0.8,    # 设备百分比标签与圆心的距离labeldistance=1.15, # 设置标签与圆心的距离startangle=90, # 设置饼图的初始角度center=(4, 4),  # 设置饼图的圆心radius=3.8,   # 设置饼图的半径counterclock=False,   # 是否为逆时针wedgeprops={'linewidth': 0.5, 'edgecolor': 'green'}, # 设置饼图内网边界的属性值textprops={'fontsize': 10, 'color': 'black'},  # 设置文本标签的属性值    frame=1    # 是否显示饼图的圆圈
)
# 不显示X轴、Y轴的刻度值
plt.xticks(())
plt.yticks(())
plt.title('编程语言调查情况')
plt.show()

结果展示

2.2、柱状图

Matplotlib提供bar()函数绘制柱状图

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')
# import matplotlib.font_manager as fm
# my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
bar_width = 0.3
plt.bar(x=range(len(x_data)), height=y_data1, label='疯狂JAVA讲义', color='red', alpha=0.8, width=bar_width)
plt.bar(x=np.arange(len(x_data))+bar_width, height=y_data2, label='疯狂Python讲义', color='blue', alpha=0.8, width=bar_width)
# 在柱状图上显示具体的数值，ha参数控制水平对齐方式，va参数控制垂直对齐方式
for x, y in enumerate(y_data1):plt.text(x, y + 100, '%s' % y, ha='center', va='bottom')
for x, y in enumerate(y_data2):plt.text(x, y + bar_width, '%s' % y, ha='center', va='top')
plt.title("Java与Python年销量对比")
plt.xlabel('年份')
plt.ylabel('销量')
plt.legend(loc='upper right')
plt.show()

结果展示

2.3、水平柱状图

Matplotlib提供barh()函数绘制柱状图

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')
# import matplotlib.font_manager as fm
# my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
bar_width = 0.3
plt.barh(y=range(len(x_data)), width=y_data1, label='疯狂JAVA讲义', color='red', alpha=0.8, height=bar_width)
plt.barh(y=np.arange(len(x_data))+bar_width, width=y_data2, label='疯狂Python讲义', color='blue', alpha=0.8, height=bar_width)
# 在柱状图上显示具体的数值，ha参数控制水平对齐方式，va参数控制垂直对齐方式
for y, x in enumerate(y_data1):plt.text(x+5000, y - bar_width/2, '%s' % x, ha='center', va='bottom')
for y, x in enumerate(y_data2):plt.text(x+5000, y + bar_width/2, '%s' % x, ha='center', va='top')
plt.yticks(np.arange(len(x_data)) + bar_width/2, x_data)
plt.title("Java与Python年销量对比")
plt.xlabel('年份')
plt.ylabel('销量')
plt.legend(loc='upper right')
plt.show()

结果展示

2.4、散点图

Matplotlib提供scatter()函数绘制散点图
scatter()函数参数说明

x：指定X轴数据
y：指定Y轴数据
s：指定散点大小
c：指定散点颜色
alpha：指定散点透明度
linewidths：指定散点边框线的宽度
edgecolors：指定散点边框的颜色
marker：指定散点的图形样式

marker：指定散点的图形样式

'.'：点标记
','：像素标记
'o'：圆形标记
'v'：向下三角形标记
'^'：向上三角形标记
'<'：向左三角形标记
'>'：向右三角形标记
'1'：向下三叉标记
'2'：向上三叉标记
'3'：向左三叉标记
'4'：向右三叉标记
's'：正方形标记
'p'：五边形标记
'*'：星形标记
'h'：八边形标记
'H'：另一种八边形标记
'+'：加号标记
'x'：x标记
'D'：菱形标记
'd'：尖菱形标记
'|'：竖线标记
'-'：横线标记

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.rc("font", family='Microsoft YaHei')
plt.figure()
# 定义从-pi到pi之间的数据，平均取64个数据点
x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)
plt.scatter(x_data, np.sin(x_data), c='purple', s=50, alpha=0.8, marker='o', linewidths=0.5, edgecolors=['red', 'blue'])
# 绘制第二个散点图，只包含起点（突出起点）
plt.scatter(x_data[0], np.sin(x_data)[0], c='red', s=150, alpha=1)
# 绘制第三个散点图，只包结束点（突出结束点）
plt.scatter(x_data[63], np.sin(x_data)[63], c='black', s=150, alpha=1)
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title('正弦曲线的散点图')
plt.show()

结果展示

2.4、等高线图

等高线图需要的是三维数据，Matplotlib提供contour()函数绘制等高线，contourf()函数填充颜色
contour()、contourf()函数参数说明

X：指定X轴数据
Y：指定Y轴数据
Z：指定X，Y坐标对应点的高度数据
colors：指定不同高度的等高线颜色
alpha：指定等高线的透明度
cmap：指定等高线的颜色映射
linewidth：指定等高线的宽度
linestyles：指定等高线的样式

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.rc("font", family='Microsoft YaHei')
delta = 0.025
# 生成代表X轴的列表
x = np.arange(-3.0, 3.0, delta)
# 生成代表Y轴的列表
y = np.arange(-2.0, 2.0, delta)
# 对x，y进行网格化
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X-1)**2 - (Y-1)**2)
# 计算Z轴数据
Z = (Z1 - Z2)*2
plt.contourf(x, y, Z, 16, alpha=0.75, cmap='rainbow')
C = plt.contour(x, y, Z, 16, colors='black', linewidths=0.5)
plt.clabel(C, inline=True, fontsize=10)
# 去除坐标轴
plt.xticks(())
plt.yticks(())
plt.title("等高线图")
plt.xlabel('经度')
plt.ylabel('纬度')
plt.show()

结果展示

2.5、3D图形

3D图形需要的是三维数据，Matplotlib提供Axes3D.plot_surface()函数绘制

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
from mpl_toolkits.mplot3d import Axes3Dmatplotlib.rc("font", family='Microsoft YaHei')
# 设置图标的大小
fig = plt.figure(figsize=(10, 6))
ax = plt.axes(projection="3d")
# ax = Axes3D(fig)
delta = 0.125
# 生成代表X轴的列表
x = np.arange(-3.0, 3.0, delta)
# 生成代表Y轴的列表
y = np.arange(-2.0, 2.0, delta)
# 对x，y进行网格化
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
# 计算Z轴数据
Z = (Z1 - Z2)*2
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# 设置Z轴范围
ax.set_zlim(-2, 2)
plt.title("3D图形")
plt.show()

结果展示

3、使用Pygal生成数据图

Pygal以面向对象的方式来创建各种数据图

3.1、安装Pygal包

pip install pygal

执行命令后，在浏览器输入：http://localhost:8899/

python -m pydoc -p 8899

3.2、Pygal数据图入门

3.2.1、柱状图举例

大概步骤：

1. 创建Pygal数据图对象。Pygal为不同的数据图提供了不同的类：柱状图pygal.Bar类、饼图pygal.Pie类、折线图pygal.Line类；
2. 调用数据图对象的.add()方法添加数据；
3. 调用Config对象的属性配置数据图；
4. 调用数据图对象的render_to_xxx()方法将数据图渲染到指定的输出节点（此处的输出节点可以是PNG图片、SVG文件等）；

简单的柱状图举例：

import pygal
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
bar = pygal.Bar()
bar.add('疯狂JAVA讲义', y_data1)
bar.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
bar.x_labels = x_data
bar.title = "图书销量统计"
# 设置X、Y轴坐标名称
bar.x_title = "年份"
bar.y_title = "销量"
bar.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books.svg')

结果展示

3.2.2、使用render_to_png()方法时报错

bar.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books.png')

问题原因：缺少cairosvg模块，命令直接安装

pip install cairosvg

3.2.3、render_to_png()方法生成图片中中文乱码

解决方法

from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
...
bar = pygal.Bar(style=style)
...

3.3、配置Pygal

查阅http://localhost:8899/pygal.config.html 该模块包含BaseConfig、CommonConfig、Config、SeriesConfig等配置类

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
line = pygal.Line(style=style)
line.add('疯狂JAVA讲义', y_data1)
line.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
line.x_labels = x_data
line.title = "图书销量统计"
# 设置X、Y轴坐标名称
line.x_title = "年份"
line.y_title = "销量"
line.x_label_rotation = 45
line.legend_at_bottom = True
line.margin = 35
line.show_y_guides = False
line.show_x_guides = True
line.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_line.svg')
line.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_line.png')

结果展示

4、Pygal支持的常见数据图

4.1、折线图

pygal.Line类表示折线图

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
line = pygal.Line(style=style)
line.add('疯狂JAVA讲义', y_data1)
line.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
line.x_labels = x_data
line.title = "图书销量统计"
# 设置X、Y轴坐标名称
line.x_title = "年份"
line.y_title = "销量"
line.x_label_rotation = 45
line.legend_at_bottom = True
line.margin = 35
line.show_y_guides = False
line.show_x_guides = True
line.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_line.svg')
line.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_line.png')

结果展示

4.2、水平柱状图/水平折线图

pygal.HorizontalBar()、pygal.HorizontalLine()

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
horizontal_bar = pygal.HorizontalBar(style=style)
horizontal_bar.add('疯狂JAVA讲义', y_data1)
horizontal_bar.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
horizontal_bar.x_labels = x_data
horizontal_bar.title = "图书销量统计"
# 设置X、Y轴坐标名称
horizontal_bar.x_title = "年份"
horizontal_bar.y_title = "销量"
horizontal_bar.x_label_rotation = 45
horizontal_bar.legend_at_bottom = True
horizontal_bar.margin = 35
horizontal_bar.show_y_guides = False
horizontal_bar.show_x_guides = True
horizontal_bar.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_horizontal_bar.svg')
horizontal_bar.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_horizontal_bar.png')

结果展示

4.3、叠加柱状图和叠加折线图

pygal.StackedBar()、pygal.StackedLine()

stacked_bar = pygal.StackedBar(style=style)
stacked_line = pygal.StackedLine(style=style)

结果展示

4.4、饼图

pygal.Pie类表示饼图

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
# 准备数据
data = [0.16881, 0.14996, 0.07471, 0.06992, 0.04762,0.03541, 0.02925, 0.02411, 0.02316, 0.01409, 0.36326]
# 准备标签
labels = ['JAVA', 'C', 'C++', 'Python', 'Visual Basic.NET', 'C#', 'PHP', 'JavaScript', 'SQL', 'Assembly Language', '其他']
pie = pygal.Pie(style=style)
# 采用循环为饼图添加数据
for i, per in enumerate(data):pie.add(labels[i], per)
pie.title = "编程语言调查情况"
pie.lenged_at_bottom = True
# 设置内圈的半径长度
pie.inner_radius = 0.4
# 创建半圆数据图
# pie.half_pie = True
pie.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_pie.svg')
pie.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_pie.png')

结果展示

4.5、点图

点图使用点的大小来表示数值的大小，使用pygal.Dot类表示点图

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
dot = pygal.Dot(style=style)
dot.dots_size = 5
dot.add('疯狂JAVA讲义', y_data1)
dot.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
dot.x_labels = x_data
dot.title = "图书销量统计"
# 设置X、Y轴坐标名称
dot.x_title = "年份"
dot.y_title = "销量"
dot.x_label_rotation = 45
dot.legend_at_bottom = True
dot.margin = 35
dot.show_y_guides = False
dot.show_x_guides = True
dot.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_dot.svg')
dot.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_dot.png')

结果展示

4.6、仪表图

使用pygal.Gauge类表示仪表图

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
# 准备数据
data = [0.16881, 0.14996, 0.07471, 0.06992, 0.04762,0.03541, 0.02925, 0.02411, 0.02316, 0.01409, 0.36326]
# 准备标签
labels = ['JAVA', 'C', 'C++', 'Python', 'Visual Basic.NET', 'C#', 'PHP', 'JavaScript', 'SQL', 'Assembly Language', '其他']
gauge = pygal.Gauge(style=style)
gauge.range = [0, 1]
for i, per in enumerate(data):gauge.add(labels[i], per)
gauge.title = "编程语言调查情况"
gauge.lenged_at_bottom = True
gauge.inner_radius = 0.4
# pie.half_pie = True
gauge.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_gauge.svg')
gauge.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_gauge.png')

结果展示

4.7、雷达图

Python数据可视化学习（初学中...）相关推荐

1. Python数据可视化学习笔记：第一章 关联图 第四节 使用Python绘制一般气泡图

   前言 声明:这个系列的博文都是我自己学习所得的东西,秉承着每天进步一点点的理念进行学习,我参考的课程是<菊安酱与菜菜的Python机器学习可视化50图>,使用的Python版本为3.6.4 ...

2. python数据可视化学习

   文章目录 前言 一.生成数据 1.绘制简单的折线图 2.修改标签文字和线条粗细 3.矫正图形 4.使用scatter()绘制散点图并设置其样式 5.使用scatter()绘制一系列点 6. 自动计算数 ...

3. Python数据可视化——matplotlib.pyplot中plt的参数详解

   matplotlib.pyplot中plt的参数详解: #平滑折线的示例 # plt.plot(xnew, ynew, marker='.', markevery=markevery, ls='-', ...

4. python数据可视化学习-饼状图

   import numpy as np import matplotlib.pyplot as plt labels ='A','B','C','D' fraces = [15,30,45,10] pl ...

5. python数据可视化是什么_python3数据可视化是什么?

   今天又给大家带来新的词啦,初入python学习的小伙伴可能不是很了解,但是再进阶学习时候,肯定是要遇到的,因为这个也是我们之前阐述过的python学习的必学内容,因此,掌握好这部分内容很重要哦~好啦, ...

6. python内容推荐理由_好书推荐~第5期 | Python 数据可视化

   今天为大家推荐python 数据可视化学习相关的书籍.本书单是笔者经过个人阅读或多个网站书籍对比(当当/亚马逊/豆瓣等)后推荐的书籍. 1.<Python数据可视化之matplotlib实践&g ...

7. 干货 | 一文带你搞定Python 数据可视化

   2019独角兽企业重金招聘Python工程师标准>>> 01前言 在之前的一篇文章<Python 数据可视化利器>中,我写了 Bokeh.pyecharts 的用法,但是 ...

8. Python 数据可视化利器 plus（plotly ）

   概述 前言 推荐 plotly bokeh pyecharts 后记 前言 更新:上一篇文章<python 数据可视化利器>中,我写了 bokeh.pyecharts 的用法,但是有一个挺 ...

9. python数据可视化开发(2)：pandas读取Excel的数据格式处理（数据读取、指定列数据、DataFrame转json、数学运算、透视表运算输出）

   系列文章目录 python开发低代码数据可视化大屏:pandas.read_excel读取表格 python实现直接读取excle数据实现的百度地图标注 python数据可视化开发(1):Matplo ...

最新文章

1. 寻找Archie服务器中的文件,Archie服务
2. postgresql数据库增删改：使用pgadmin以及SQL语句来实现
3. linux网络管理基本命令
4. dotnetConf 2016 线上虚拟大会
5. 搭建github服务器_搭建一个属于自己的公网博客
6. java初_JAVA的初体验
7. 8086-汇编-模块化程序设计
8. bzoj 1614: [Usaco2007 Jan]Telephone Lines架设电话线（二分+SPFA）
9. 【BERT】源码分析（PART I）
10. RedHat 安装 CentOS yum
11. Android APP渗透测试方法大全(百度云分享)
12. 递归实现费氏数列:0,1,1,2,3,5,8,13,21,34,55,89,... ...
13. quoted-printable解码程序
14. 密码中对称非对称加密是什么意思？
15. Linux计算时间间隔
16. 国信证券金色阳光版修改增强，还有闪电下单爽啊
17. 向阅读致敬！微信读书产品设计策略推导
18. root卡开机画面不动了，手机root卡住不动
19. 逻辑回归算法原理解读
20. 为甚TCP的3次握手不是2次握手（思考实验）

热门文章

1. UNIX环境编程学习笔记（1）：——出错处理errno
2. vue 传参 微信_小猿圈web前端之微信小程序页面间跳转传参方式总结
3. bzoj 4765: 普通计算姬
4. 亚马逊国际站获取全部商品分类
5. 机器学习 --- k-means
6. 从孙子兵法理解围棋大龙攻杀的要诀: 攻守双方口诀
7. 程序员口中的demo是什么意思_怎样让5分钟的曲子不重样播放450天？程序员：用马尔可夫链...
8. Oday安全 11.5利用未启用SafeSEH模块绕过SafeSEH一节注记
9. css constant() env()设置iphoneX等机型刘海屏、底部小黑条自动留白 设置安全区域与边界的距离
10. https://www.atlassian.com