matplotlib绘制函数图,Python+matplotlib使用统计函数绘制简单图形
最佳答案 问答题库748位专家为你答疑解惑
关于【matplotlib绘制函数图】,今天犇涌小编给您分享一下,如果对您有所帮助别忘了关注本站哦。
内容导航:1、matplotlib绘制函数图:第二章:Python+matplotlib使用统计函数绘制简单图形2、matplotlib绘制函数图,9种统计学图形的matplotlib画法1、matplotlib绘制函数图:第二章:Python+matplotlib使用统计函数绘制简单图形
1、绘制条形图
1 import matplotlib 2 import matplotlib.pyplot as plt 3 4 # 显示中文标识 5 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] 6 matplotlib.rcParams["axes.unicode_minus"] = False 7 8 # X/Y轴刻度 9 x = [1,2,3,4,5,6,7,8]10 y = [3,1,4,5,8,9,7,2]11 12 # ==============绘制条形图=================13 plt.bar(x,14 y,15 align="center", # 排列方式16 color="c", # 填充颜色17 tick_label=["q","a","c","e","r","j","b","p"], # 将X轴上的刻度替换成指定编号18 hatch="/") # 图形填充值,可取值为: / , , | , - , + , x , o , O , . , *19 20 # X/Y轴标签21 plt.xlabel("箱子编号")22 plt.ylabel("箱子重量(kg)")23 24 plt.show()
2、绘制水平条形图
1 import matplotlib 2 import matplotlib.pyplot as plt 3 4 # 显示中文标识 5 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] 6 matplotlib.rcParams["axes.unicode_minus"] = False 7 8 # X/Y轴刻度 9 x = [1,2,3,4,5,6,7,8]10 y = [3,1,4,5,8,9,7,2]11 12 # ==============绘制水平条形图=================13 plt.barh(x,14 y,15 align="center", # 排列方式16 color="c", # 填充颜色17 tick_label=["q","a","c","e","r","j","b","p"], # 将X轴上的刻度替换成指定编号18 hatch="/") # 图形填充值,可取值为: / , , | , - , + , x , o , O , . , *19 20 # X/Y轴标签21 plt.xlabel("箱子重量(kg)")22 plt.ylabel("箱子编号")23 24 plt.show()
3、绘制直方图
1 import matplotlib 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 # 显示中文标识 6 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] 7 matplotlib.rcParams["axes.unicode_minus"] = False 8 9 # 随机生成0,9的100个整数10 x = np.random.randint(0,10,100)11 bins = range(0,11,1)12 13 # ================绘制直方图================14 plt.hist(x=x, # 分布数据15 bins=bins, # 指定共有几个箱子,也就是有几条条形图16 color="g", # 条形图颜色17 histtype="barstacked", # 条形图类型,可选bar,barstacked,step,stepfilled,默认为bar18 align="mid", # 直方图样式,可选 left mid right19 rwidth=0.8, # 柱子与柱子之间的距离,默认是020 alpha=0.6) # 透明度21 # X/Y轴标签22 plt.xlabel("箱子重量(kg)")23 plt.ylabel("销售个数(个)")24 25 plt.show()
4、绘制饼图
1 import matplotlib 2 import matplotlib.pyplot as plt 3 4 # 显示中文标识 5 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] 6 matplotlib.rcParams["axes.unicode_minus"] = False 7 8 # 数据类型 9 kinds = "简易箱","保温箱","行李箱","密封箱"10 11 # 每种数据的填充颜色12 colors = ["r","g","b","c"]13 14 # 每种数据的占比15 soldNums = [0.05,0.45,0.15,0.35]16 17 # ===================绘制饼图====================18 plt.pie(x=soldNums, # 每种数据的占比19 labels=kinds, # 饼图外侧显示的说明文字20 autopct="%3.1f%%", # 控制饼图内百分比设置,'%1.1f'指小数点前后位数(没有用空格补齐)21 startangle=60, # 起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起22 colors=colors) # 每快饼的填充颜色23 24 # 标题25 plt.title("不同箱子的销售占比")26 plt.show()
5、在极坐标轴上绘制折线图
1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 # 从0到2pi取12个数.endpoint:如果为False则最后一个数不为2pi,如果为True则最后一个数为2pi 5 theta = np.linspace(start=0.0,stop=2*np.pi,num=12,endpoint=False) 6 7 # 创建一个给定类型(12个)的数组,将其填充在一个均匀分布的随机样本[0, 1)中 8 r = 30*np.random.rand(12) 9 10 # ===============在极坐标轴上绘制折线图=================11 plt.polar(theta, # 每个标记所在的射线与极径的夹角12 r, # 每个标记到原点的距离13 color="chartreuse", # 颜色14 linewidth=2, # 线宽15 marker="*", # 标志点16 mfc="b", # 数据点的颜色17 ms=10) # 标志点大小18 plt.show()
6、绘制气泡图
1 import matplotlib.pyplot as plt 2 from matplotlib import cm 3 import numpy as np 4 5 # 生成指定维度(100维度)的服从标准正态分布的随机数 6 a = np.random.randn(100) 7 b = np.random.randn(100) 8 9 # ==================绘制气泡图===================10 plt.scatter(x=a, # x轴上的数值11 y=b, # y轴上的数值12 s=np.power(10*a+20*b,2),# 散点标记的大小((数组a*10+数组b*20)的平方)13 c=np.random.rand(100), # 散点标记的颜色14 cmap=cm.RdYlBu, # 将浮点数映射成颜色的颜色映射率15 marker="o") # 标记点(气泡)16 plt.show()
7、绘制棉棒图
1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 # 从0到2pi取20个数 5 x = np.linspace(0.5,2*np.pi,20) 6 7 # 生成指定维度(20维度)的服从标准正态分布的随机数 8 y = np.random.randn(20) 9 10 # ====================绘制棉棒图=================11 plt.stem(x, # 指定棉棒的x轴基线上的位置12 y, # 绘制棉棒的长度13 linefmt="-", # 棉棒的样式14 markerfmt="o", # 棉棒末端的样式15 basefmt="-") # 指定基线的样式16 plt.show()
8、绘制箱线图
1 import matplotlib 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 # 显示中文标识 6 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] 7 matplotlib.rcParams["axes.unicode_minus"] = False 8 9 # 生成指定维度(1000维度)的服从标准正态分布的随机数10 x = np.random.randn(1000)11 12 # ===================绘制箱线图=====================13 plt.boxplot(x)14 15 plt.xticks([1],["随机数生成器AlphaRM"])16 17 # y轴上的标签18 plt.ylabel("随机数值")19 20 # 标题21 plt.title("随机数生成器抗干扰能力的稳定性")22 23 # 绘制网格线24 plt.grid(axis="y", # 在y轴上绘制网格线25 ls=":", # 网格线样式26 color="gray", # 网格线颜色27 alpha=0.4) # 网格线透明度28 plt.show()
9、绘制误差棒图
2、matplotlib绘制函数图,9种统计学图形的matplotlib画法
大家好,我是小雨。
上一讲,我们给大家介绍了matplotlib的快速上手教程,介绍了常用的线性图形与散点图的画法。
今天我们继续升级!给大家讲解一些常用的统计学图形画法,学会正确使用matplotlib进行绘制。我们将从函数功能、实例代码、参数讲解、效果演示四个层面来讲解每一种统计图。希望大家能对python数据可视化有一个直观的认识!
一、bar()函数1.函数功能绘制柱状图
2. 实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltx=[1,2,3,4,5,6,7,8]y=[3,4,5,2,9,5,1,4]mpl.rcParams['font.sans-serif']=['SimHei']#设置字体为黑体,为了显示中文plt.bar(x,y,align='center',color='c',tick_label=['a','-2','c','d','e','f','g','h'],hatch='/')plt.xlabel('编号')plt.ylabel('满意度')plt.show()
参数说明: 绘制柱状图plt.bar(x,y,tick_label,hatch)
x:类别y:数值tick_label:类别标识名color:柱状图的颜色hatch:表示刻度阴影类型主要有这些类型:/、*、.、|、-、 、x、o、Omatplotlib坐标轴若显示中文,需要修改默认属性,rcParams将字体改为中文字体。这里的sans-serif表示非衬线字体将其值设为SimHei(中文黑体)。
3. 效果演示二、barh()函数1.函数功能绘制条形图
2. 实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltx=[1,2,3,4,5,6,7,8]y=[2,3,4,9,1,2,6,4]mpl.rcParams['font.sans-serif']=['SimHei']plt.barh(x,y,tick_label=['a','b','c','d','e','f','g','h'],color='m')plt.xlabel('评分')plt.ylabel('编号')plt.show()
参数说明: 绘制条形图plt.barh(x,y)
x:在y轴上显示的类别y:各个类别的数量值3. 效果演示三、hist()函数1.函数功能绘制直方图
2. 实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpmpl.rcParams['font.sans-serif']=['SimHei']x=np.random.randint(0,100,100)#生成范围在【0~100】之间100个数据bins=np.arange(0,101,10)#生成数组[01020...100],里面是间隔为10的十个数plt.hist(x,bins,color='g',alpha=0.5)plt.xlabel('分数段')plt.ylabel('人数')plt.title("各分数段人数分布")plt.show()
参数说明: 绘制直方图plt.hist(x,bins,color,alpha)
x:数据集,直方图会对该数据集的大小按区间进行归类bins:数据集的分隔区间color:直方图的颜色alpha:直方图颜色的透明度直方图与柱形图相似但不同,直方图表示的是离散型数值的区间分布情况;更多关于直方图hist的教程请参考官方文档。
range与arange的区别: arange函数返回的是numpy里定义的数组,数组每一个元素的数据类型一致。range在Python2与Python3里有着不同的功能。Python2里的range返回的是列表,而Python3里的range返回的是可迭代的对象,通常使用for循环将其输出。
3. 效果演示四、pie()函数1.函数功能绘制饼图,显示不同类别所占百分比。
2. 实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpmpl.rcParams['font.sans-serif']=['SimHei']labels=['房贷','育儿','饮食','交通','娱乐','其它']sizes=[5,1,2,0.5,0.8,1.5]explode=(0.1,0,0,0,0,0)plt.pie(x=sizes,explode=explode,labels=labels,autopct='%1.1f%%',startangle=150)plt.title("饼图-6月家庭支出情况")plt.show()
参数说明: 绘制饼图plt.pie(x,explode,labels,autopct,startangle)
x:每一块的比例,如果sum(x)>1,会对sum(x)进行归一化操作。explode:每一块离开中心的距离labels:每一块外侧显示的标签文字autopct:控制饼图百分比设置,可以使用format字符串表示,%1.1f%%小数点前后各一位(没有用空格补齐)startangle:起始绘制角度,默认从x轴正方向逆时针画起,若设定90度则从y轴正方向画起。3. 效果演示五、scatter()函数1.函数功能用于绘制气泡图,二维数据借助气泡大小展示三维数据。
2. 实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpmpl.rcParams['font.sans-serif']=['SimHei']#显示中文mpl.rcParams['axes.unicode_minus']=False#为了坐标轴负号正常显示a=np.random.randn(100)b=np.random.randn(100)plt.style.use('ggplot')#设置绘图风格plt.scatter(a,b,c=np.random.rand(100),cmap='jet',s=100*(a**2 b**2),alpha=0.7)plt.colorbar()#用于显示颜色柱plt.title('气泡图')plt.show()
参数说明: 绘制气泡图:plt.scatter(a,b,c,s,cmap)
a:x轴上的离散数值,固定长度的数组。b:y轴上的离散数值,固定长度的数组。c:气泡的颜色,可以是固定颜色也可以是一个数组。s:气泡的大小,用于记录第三维度的函数关系。cmap:颜色映射表,可以简单理解成配色方案。matplotlib默认不支持中文,设置中文字体后,负号会显示异常。需要手动将坐标轴负号设为False才能正常显示负号。
3. 效果演示六、polar()函数1.函数功能绘制雷达图(极线图)
2. 实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpmpl.rcParams['font.sans-serif']=['SimHei']plt.style.use('ggplot')#设置绘图风格theta=np.array([0.25,0.75,1,1.5,0.25])#定义各个点的极角r=[20,60,40,60,20]#定义各个点极径的长度plt.polar(theta*np.pi,r,'r-',lw=1)#设置雷达图路径,r-表示红色实线plt.fill(theta*np.pi,r,c='c',alpha=0.4)#填充雷达图,课设置颜色与透明度plt.ylim(0,100)#设置极坐标轴的范围plt.title('雷达图')plt.show()
参数说明: 绘制雷达图plt.polar(theta,r,marker)
theta:在极坐标系下坐标点的角度r:在极坐标系下坐标点与极点的距离marker:定义各个点的样式3. 效果演示七、stem()函数1.函数功能用于绘制棉棒图
2.实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpmpl.rcParams['font.sans-serif']=['SimHei']mpl.rcParams['axes.unicode_minus']=Falsex=np.linspace(0.5,2*np.pi,20)y=np.random.randn(20)plt.stem(x,y,linefmt='-.',markerfmt='o',basefmt='-')plt.title('棉棒图')plt.show()
参数说明 绘制棉棒图plt.stem(x,y,linefmt,markerfmt,basefmt)
x:指定x轴的位置y:设置棉棒的长度linefmt:棉棒的样式markerfmt:棉棒末端的样式basefmt:棉棒基线的样式3.效果演示八、boxplot()函数1.函数功能用于绘制箱线图
2.实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpmpl.rcParams['font.sans-serif']=['SimHei']mpl.rcParams['axes.unicode_minus']=Falsex1=np.random.randn(100)x2=np.random.randn(100)x3=np.random.randn(100)labels=['第一','第二','第三']plt.boxplot([x1,x2,x3],labels=labels)plt.grid(axis='y',ls=':',lw=1,c='g',alpha=0.4)plt.title('箱线图')plt.show()
参数说明: 绘制箱线图plt.boxplot(x,labels)
x:输入的数据label:图例3.效果演示九、errorbar()函数1.函数功能用于绘制误差棒图
2.实例代码importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpmpl.rcParams['font.sans-serif']=['SimHei']mpl.rcParams['axes.unicode_minus']=Falsex=np.linspace(0.1,0.6,6)y=np.exp(x)plt.errorbar(x,y,fmt='o:',yerr=0.2,xerr=0.02,ecolor='g',mfc='c',mec='r',capthick=2,capsize=3)plt.xlim(0,0.7)plt.title('误差棒图')plt.show()
参数说明 绘制误差棒图plt.errorbar(x,y,fmt,yerr,xerr,ecolor,mfc,mec,capthick,capsize)
x:数据点的水平位置y:数据点的垂直位置fmt:数据点的标记样式和数据点标记的连接线样式xerr:x轴方向数据点的误差计算方法yerr:y轴方向数据误差点的计算方法ecolor:误差棒的颜色mfc:数据点的标记颜色mec:数据点标记边缘颜色capthick:误差棒边界横杠的厚度capsize:误差棒边界横杠的大小3.效果演示十、最后
本文关键词:matplotlib绘制函数图像,用matplotlib绘制函数曲线,matplotlib绘制函数图像嵌套在网页里面,matplotlib绘制曲线图,matplotlib绘图入门详解简书。这就是关于《matplotlib绘制函数图,Python+matplotlib使用统计函数绘制简单图形》的所有内容,希望对您能有所帮助!更多的知识请继续关注《犇涌向乾》百科知识网站:!
99%的人还看了
相似问题
猜你感兴趣
版权申明
本文" matplotlib绘制函数图,Python+matplotlib使用统计函数绘制简单图形":http://eshow365.cn/3-3903-0.html 内容来自互联网,请自行判断内容的正确性。如有侵权请联系我们,立即删除!