matplotlib绘制直方图，饼图，散点图，气泡图，箱型图，雷达图

一.直方图
- 用10000个正态分布随机数画直方图
二.绘制饼图或者圆环图
- 圆环图
- 根据消费支出画圆环图
三.绘制散点图或气泡图
- 使用scatter()函数绘制一个散点图，代码如下
- 气泡图
- 汽车速度与制动距离的关系
四.绘制箱型图
- 实例：2017 年和 2018 年全国发电量统计
四.使用polar函数绘制雷达图
- 实例分析：霍兰德职业兴趣测试

一.直方图

使用 pyplot 的 hist() 函数可以快速绘制直方图，hist() 函数的语法格式如下所示：

hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, label=None, stacked=False, normed=None, *,data=None, **kwargs)

该函数常用参数的含义如下。

x ：表示 x 轴的数据，可以为单个数组或多个数组的序列。
bins ：表示矩形条的个数，默认为 10。
range ：表示数据的范围。若没有提供 range 参数的值，则数据范围为 (x.min(), x.max())
cumulative ：表示是否计算累计频数或频率。
histtype ：表示直方图的类型，支持 ‘bar’、‘barstacked’、‘step’、‘stepfilled’ 四种取值，其中 ‘bar’ 为默认值，代表传统的直方图；‘barstacked’ 代表堆积直方图；‘step’ 代表未填充的线条直方图；‘stepfilled’ 代表填充的线条直方图。
align ：表示矩形条边界的对齐方式，可设置为 ‘left’、‘mid’ 或 ‘right’，默认为 ‘mid’。
orientation ：表示矩形条的摆放方式，默认为 ‘vertical’，即垂直方向。 ·rwidth ：表示矩形条宽度的百分比，默认为 0。若 histtype 的值为 ‘step’ 或 ‘stepfilled’，则直接忽略 rwidth 参数的值。
stacked ：表示是否将多个矩形条以堆积形式摆放。

简单示例

import numpy as np
import matplotlib.pyplot as plt
# 准备 50 个随机测试数据
scores = np.random.randint(0,100,50)#0到100之间50个随机整数
print(scores)
# 绘制直方图
plt.hist(scores, bins=9, histtype='stepfilled')
plt.show()

用10000个正态分布随机数画直方图

import matplotlib.pyplot as plt
import numpy as np
# 10000 个随机数
random_x = random_state.randn(10000)
# 绘制包含 25 个矩形条的直方图
plt.hist(random_x, bins=25)
plt.show()

二.绘制饼图或者圆环图

使用 pyplot 的 pie() 函数可以快速地绘制饼图或圆环图，pie() 函数的语法格式如下所示：

pie(x, explode=None, labels=None, autopct=None,  pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, *, data=None)

该函数常用参数的含义如下。

x ：表示扇形或楔形的数据。
explode ：表示扇形或楔形离开圆心的距离。
labels ：表示扇形或楔形对应的标签文本。
autopct ：表示控制扇形或楔形的数值显示的字符串，可通过格式字符串指定小数点后的位数。
pctdistance ：表示扇形或楔形对应的数值标签距离圆心的比例，默认为 0.6
shadow :表示是否显示阴影。
labeldistance :表示标签文本的绘制位置（相对于半径的比例)，默认为1.1。startangle :表示起始绘制角度，默认从x轴的正方向逆时针绘制。
radius :表示扇形或楔形的半径。
wedgeprops :表示控制扇形或楔形属性的字典。例如，通过wedgeprops = {‘width’: 0.7}将楔形的宽度设为0.7。
textprops :表示控制图表中文本属性的字典。· center :表示图表的中心点位置，默认为（0,0 )。· frame :表示是否显示图框。

示例代码：

import numpy as np
import matplotlib.pyplot as plt
data = np.array([20, 50, 10, 15, 30, 55])
pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])
# 绘制饼图 : 半径为 1.5, 数值保留 1 位小数
plt.pie(data, radius=1.5, labels=pie_labels, autopct='%3.1f%%')
plt.show()

圆环图

import numpy as np
import matplotlib.pyplot as plt
data = np.array([20, 50, 10, 15, 30, 55])
pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])
# 绘制圆环图 : 外圆半径为 1.5, 楔形宽度为 0.7
plt.pie(data, radius=1.5, wedgeprops={'width': 0.8}, labels=pie_labels,
autopct='%3.1f%%', pctdistance=0.75)
plt.show()

根据消费支出画圆环图

数据如下：

# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(10,6.5))
x=np.array([800,100,1000,200,300,200,200,200])
dev_pisition=np.full_like(x,0.1,dtype=float)#注意这里后面加上dtype,要不然dtype就取整变成0了
label=["购物",'人情往来','餐饮美食','通信物流','生活日用','交通出行','休闲娱乐','其他']
plt.pie(x,radius=2,labels=label,autopct='%3.1f%%',shadow=True,explode=dev_pisition,startangle=90,textprops={'fontsize': 14})
plt.legend(["购物",'人情往来','餐饮美食','通信物流','生活日用','交通出行','休闲娱乐','其他'])
plt.legend(loc='center right')
plt.title('消费明细')
plt.axis('equal')
# 设置饼图内文字大小
plt.show()

三.绘制散点图或气泡图

使用 pyplot 的 scatter() 函数可以快速绘制散点图或气泡图，scatter() 函数的语法格式如下所示 :

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)

该函数常用参数的含义如下。

x，y :表示数据点的位置。
s :表示数据点的大小。
c :表示数据点的颜色。

marker :表示数据点的样式，默认为圆形。
cmap :表示数据点的颜色映射表，仅当参数c为浮点数组时才使用。·norm :表示数据亮度，可以取值为0 ~～ 1。
vmin，vmax :表示亮度的最小值和最大值。若传入了norm参数，则忽略vmin和vmax参数。
alpha :表示透明度，可以取值为0 ~～ 1。- linewidths :表示数据点边缘的宽度。·edgecolors :表示数据点边缘的颜色。

使用scatter()函数绘制一个散点图，代码如下

num = 50
x = np.random.rand(num)#50个均匀正态分布的样本值
y = np.random.rand(num)
plt.scatter(x, y,color='m')

气泡图

num = 50
x = np.random.rand(num)
y = np.random.rand(num)
area = (30 * np.random.rand(num))**2
plt.scatter(x, y, s=area,color="m")

汽车速度与制动距离的关系

汽车的制动距离主要取决于车速。若车速增加 1 倍，则汽车的制动距离将增大至近 4 倍。某汽车生产公司对一批丰田汽车进行抽样测试，并分别记录了不同的车速对应的制动距离，具体如下表所示。

代码：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
# 准备 x 轴和 y 轴的数据
x_speed = np.arange(10, 210, 10)
y_distance = np.array([0.5, 2.0, 4.4, 7.9, 12.3,
17.7, 24.1, 31.5, 39.9, 49.2,
59.5, 70.8, 83.1, 96.4, 110.7,
126.0, 142.2, 159.4, 177.6, 196.8])
# 绘制散点图
plt.scatter(x_speed, y_distance, s=50, alpha=0.9,color="m")
plt.xlabel("车速")
plt.ylabel("制动距离")
plt.grid()
plt.show()

四.绘制箱型图

使用 pyplot 的 boxplot() 函数可以快速绘制箱形图，boxplot() 函数的语法格式如下所示 ：

boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None)

示例代码：

import numpy as np
import matplotlib.pyplot as plt
data = np.random.randn(100)
# 绘制箱形图 : 显示中位数的线条， 箱体宽度为 0.3， 填充箱体颜色， 不显示异常值
plt.boxplot(data, meanline=True, widths=0.3, patch_artist=True, showfliers=False)
plt.show()

实例：2017 年和 2018 年全国发电量统计

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
data_2018 = np.array([5200, 5254.5, 5283.4, 5107.8, 5443.3, 5550.6,
6400.2, 6404.9, 5483.1, 5330.2, 5543, 6199.9])
data_2017 = np.array([4605.2, 4710.3, 5168.9, 4767.2, 4947, 5203, 6047.4, 5945.5, 5219.6, 5038.1, 5196.3, 5698.6])
# 绘制箱形图
plt.boxplot([data_2018, data_2017], labels=('2018 年 ', '2017 年 '),
meanline=True, widths=0.5, vert=True, patch_artist=True)
plt.show()

四.使用polar函数绘制雷达图

使用 pyplot 的 polar() 函数可以快速绘制雷达图，polar() 函数的语法格式如下所示

polar(theta, r, **kwargs)

theta ：表示每个数据点所在射线与极径的夹角。
r ：表示每个数据点到原点的距离。

实例分析：霍兰德职业兴趣测试

霍兰德职业兴趣测试是美国职业指导专家霍兰德根据他本人大量的职业咨询经验及其职业类型理论编制的测评工具。根据个人兴趣的不同，霍兰德将人格分为研究型（I）、艺术型（A）、社会型（S）、企业型（E）、传统型（C）和现实型（R）6 个维度，每个人的性格都是这 6 个维度不同程度的组合。假设现在 6 名用户分别进行了测试，得出的测试结果如下表所示：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
dim_num = 6
data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],
[0.85, 0.35, 0.30, 0.40, 0.40, 0.30],
[0.43, 0.89, 0.30, 0.28, 0.22, 0.30],
[0.30, 0.25, 0.48, 0.85, 0.45, 0.40],
[0.20, 0.38, 0.87, 0.45, 0.32, 0.28],
[0.34, 0.31, 0.38, 0.40, 0.92, 0.28]])
angles = np.linspace(0, 2 * np.pi, dim_num, endpoint=False)
angles = np.concatenate((angles, [angles[0]]))
data = np.concatenate((data, [data[0]]))
# 维度标签
radar_labels = [' 研究型 (I)', ' 艺术型 (A)', ' 社会型 (S)',
'企业型 (E)', ' 传统型 (C)', ' 现实型 (R)']
radar_labels = np.concatenate((radar_labels, [radar_labels[0]]))
# 绘制雷达图
plt.polar(angles, data)
# 设置极坐标的标签
plt.thetagrids(angles * 180/np.pi, labels=radar_labels)
# 填充多边形
plt.fill(angles, data, alpha=0.25)
plt.show()

参考链接：Matplotlib — Visualization with Python
参考书籍：Python数据可视化%20(黑马程序员)

matplotlib绘制直方图，饼图，散点图，气泡图，箱型图，雷达图相关推荐

第三章使用 matplotlib 绘制直方图
系列文章目录第一章使用 matplotlib 绘制折线图第二章使用 matplotlib 绘制条形图第三章使用 matplotlib 绘制直方图第四章使用 matplotlib 绘制散 ...
Python matplotlib绘制直方图
Python matplotlib绘制直方图前面的文章介绍了使用matplotlib绘制折线图.散点图和柱状图,柱状图参考:https://blog.csdn.net/weixin_43790276 ...
matplotlib matplotlib绘制条形图、散点图（三）
matplotlib matplotlib绘制条形图.散点图(三) #%%import pandas as pd reviews = pd.read_csv('fandango_scores.csv' ...
ECharts 常用图表一看即会「散点图」「饼图」「地图」「雷达图」「仪表盘」
文接上篇 ECharts 入门知识 ECharts 入门真的很简单 ,本文继续介绍 ECharts 常用图表相关内容. 一.散点图散点图多用于推断不同维度数据之间的相关性,如下图判断身高体重相关性散 ...
用户数据销售额分析动态大屏看板+大屏数据可视化图表组件（折线图+圆柱图+散点图+饼图+漏斗图+雷达图+水位图）+智能web端高保真大数据动态可视化大屏看板+中国动态地图+智慧电商实时动态数据大屏看板
作品内容:用户数据销售额分析动态大屏看板+大屏数据可视化图表组件(折线图+圆柱图+散点图+饼图+漏斗图+雷达图+水位图)+web端高保真大数据动态可视化大屏看板+中国动态地图+电商实时动态数据大屏看板 ...
ML之kmeans：通过数据预处理(分布图箱线图热图/文本转数字/构造特征/编码/PCA)利用kmeans实现汽车产品聚类分析(SSE-平均轮廓系数图/聚类三维图/雷达图/饼图柱形图)/竞品分析之详细
ML之kmeans:通过数据预处理(分布图箱线图热图/文本转数字/构造特征/编码/PCA)利用kmeans实现汽车产品聚类分析(SSE-平均轮廓系数图/聚类三维图/雷达图/饼图柱形图)/竞品分析之详细 ...
【数据分析】matplotlib绘制条形图，散点图，直方图及总结 No.2
一.matplotlib的散点图.直方图.条形图 1.散点图 from matplotlib import pyplot as plt plt.scatter(x,y) 用途: 不同条件之间的内在关联 ...
超详细的Python matplotlib 绘制直方图赶紧收藏
前言经过前面对 matplotlib 模块从底层架构.基本绘制步骤等学习,我们已经学习了折线图.柱状图的绘制方法. 在分析数据的时候,我们会根据数据的特点来选择对应图表来展示,需要表示质量这一概念, ...
python绘制直方图plt_Python：matplotlib绘制直方图
使用hist方法来绘制直方图: 绘制直方图,最主要的是一个数据集data和需要划分的区间数量bins,另外你也可以设置一些颜色.类型参数: plt.hist(np.random.randn(1000) ...

matplotlib绘制直方图，饼图，散点图，气泡图，箱型图，雷达图

matplotlib绘制直方图，饼图，散点图，气泡图，箱型图，雷达图

一.直方图

用10000个正态分布随机数画直方图

二.绘制饼图或者圆环图

圆环图

根据消费支出画圆环图

三.绘制散点图或气泡图

使用scatter()函数绘制一个散点图，代码如下

气泡图

汽车速度与制动距离的关系

四.绘制箱型图

实例：2017 年和 2018 年全国发电量统计

四.使用polar函数绘制雷达图

实例分析：霍兰德职业兴趣测试

matplotlib绘制直方图，饼图，散点图，气泡图，箱型图，雷达图相关推荐

最新文章

热门文章