Python数据可视化：用matplotlib库绘制图表

一、绘制直方图 

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：

hist(x,bins=None, rang=None, density=None, weight=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。

使用hist()函数绘制直方图： 

import numpy as np
import matplotlib.pyplot as plt#导入模块
scores = np.random.randint(0,100,50)#准备五十个随机测试数据
plt.hist(scores,bins=8,histtype='stepfilled')#绘制直方图
plt.show()

代码运行结果： 

二、绘制饼图 

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

pie(x, explode=None, labels=None, autopct=None, petdistance=0.6, shadow=False, 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据标签距离圆心的比例，默认值为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。
• startance：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。

使用pie()函数绘制饼图：

import numpy as np
import matplotlib.pyplot as plt#导入模块
data=np.array([200,300,500,150,420,360])#准备数据
pie_labels=np.array(['A','B','C','D','E','F'])#设置标签
plt.pie(data,radius=1.5,labels=pie_labels,autopct='%3.1f%%')
#绘制饼图：半径为1.5，数值保留1位小数
plt.show()

代码运行结果：

三、绘制散点图

使用pyplot的scatter()函数可快速绘制散点图，scatter()函数的语法格式如下：

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()函数绘制散点图:

import numpy as np
import matplotlib.pyplot as plt#导入模块
num=50 #随机五十个数
x= np.random.rand(num)
y= np.random.rand(num)
plt.scatter(x,y）#绘制图表
plt.show()

代码运行结果如下：

 四、绘制误差棒图

使用pyplot的errorbar()函数可以快速绘制误差棒图，该函数的语法格式如下：

errorbar(x, y, yerr=None, xerr=None, fmt=' ', ecolor=None, elinewidth=None, capsize=None, barsabove=False, lolims=False, uplims=False, xlolims=False, xuplims=False, errorevery=1, capthick=None, *, 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。
• xerr，yerr：表示数据的误差范围。
• fmt：表示数据点的标记样式和数据点之间连接线的样式。
• ecolor：表示误差棒的线条颜色。
• elinewidth：表示误差棒的线条宽度。
• capsize：表示误差棒边界横杆的大小。
• capthick：表示误差棒边界横杆的厚度。

使用errorbar()函数绘制误差棒图：

import numpy as np
import matplotlib.pyplot as plt  #导入模块
x=np.arange(5) #准备数据
y=(25,32,34,20,25)
y_offset = (3,5,2,3,3)  #设置误差值
plt.errorbar(x,y,yerr=y_offset,capsize=3,capthick=2)
plt.show()

 代码运行结果如下：