3.6柱形图+折线图+饼图

柱形图

示例1：

import matplotlib.pyplot as plt

# 创建一个图形对象和一组子图
fig, ax = plt.subplots()

# 定义水果种类列表
fruits = ['apple', 'blueberry', 'cherry', 'orange']
# 定义对应水果的数量列表
counts = [40, 100, 30, 55]

# 定义每个柱状图的标签，这里使用水果名称作为标签
bar_labels = ['apple', 'blueberry', 'cherry', 'orange']

# 定义每个柱状图的颜色，使用十六进制颜色码
bar_colors = ['#FFB3BA', '#FFDFBA', '#FFFFBA', '#BAE1FF']

# 绘制条形图，传入水果名称、数量、标签和颜色
ax.bar(fruits, counts, label=bar_labels, color=bar_colors)

# 设置y轴标签为“fruit supply”
ax.set_ylabel('fruit supply')
# 设置x轴标签为“fruits”
ax.set_xlabel('fruits')
# 设置图表标题为“Fruit supply by kind and color”
ax.set_title('Fruit supply by kind and color')
# 添加图例，并设置图例标题为“Fruit color”
ax.legend(title='Fruit color')

# 显示图表
plt.show()

这段代码使用matplotlib库创建了一个简单的条形图，展示了不同水果的数量及其对应的颜色。

示例2：

在柱状图的基础上添加了一条折线图，每个柱状图的中心点连接起来，并且每个数据点都有一个标记（marker）

import matplotlib.pyplot as plt
# 创建一个图形对象和一组子图
fig, ax = plt.subplots()

# 定义水果种类列表
fruits = ['apple', 'blueberry', 'cherry', 'orange']
# 定义对应水果的数量列表
counts = [40, 100, 30, 55]

# 定义每个柱状图的标签，这里使用水果名称作为标签
bar_labels = ['apple', 'blueberry', 'cherry', 'orange']
# 定义每个柱状图的颜色，使用十六进制颜色码
bar_colors = ['#FFB3BA', '#FFDFBA', '#FFFFBA', '#BAE1FF']

# 绘制条形图，传入水果名称、数量、标签和颜色
ax.bar(fruits, counts, label=bar_labels, color=bar_colors)

# 计算折线的数据点位置（每个条形的中心）
x_positions = range(len(fruits))
line_values = counts

# 绘制折线，使用圆形标记、实线样式、黑色线条，并设置线宽为2
ax.plot(x_positions, line_values, marker='o', linestyle='-', color='black', linewidth=2, label='Line')

# 设置y轴标签为“fruit supply”
ax.set_ylabel('fruit supply')
# 设置x轴标签为“fruits”
ax.set_xlabel('fruits')
# 设置图表标题为“Fruit supply by kind and color”
ax.set_title('Fruit supply by kind and color')
# 添加图例，并设置图例标题为“Legend”
ax.legend(title='Legend')

# 显示图表
plt.show()

示例3：

在柱状图的基础上添加了一条光滑曲线，每个柱状图的中心点连接起来

import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import make_interp_spline

fig, ax = plt.subplots()

fruits = ['apple', 'blueberry', 'cherry', 'orange']
counts = [40, 100, 30, 55]

bar_labels = ['apple', 'blueberry', 'cherry', 'orange']
bar_colors = ['#FFB3BA', '#FFDFBA', '#FFFFBA', '#BAE1FF']

# 绘制条形图
# ax.bar(fruits, counts, label='Fruit Supply', color=bar_colors)
ax.bar(fruits, counts, label=bar_labels, color=bar_colors)

# 计算折线的数据点位置（每个条形的中心）
x_positions = np.arange(len(fruits))
line_values = counts

# 使用样条插值生成平滑曲线
x_smooth = np.linspace(x_positions.min(), x_positions.max(), 3000)
spl = make_interp_spline(x_positions, line_values, k=3)  # k=3 表示三次样条插值
y_smooth = spl(x_smooth)

# 绘制平滑折线
# ax.plot(x_smooth, y_smooth, marker='o', linestyle='-', color='blue', linewidth=1, label='Smooth Line')
ax.plot(x_smooth, y_smooth, linestyle='-', color='blue', linewidth=1, label='Smooth Line')

# 设置坐标轴标签和标题
ax.set_ylabel('fruit supply')
ax.set_xlabel('fruits')
ax.set_title('Fruit supply by kind and color')
ax.legend(title='Legend')

plt.xticks(x_positions, fruits)  # 确保x轴标签与条形对齐
plt.show()

折线图

示例1：

这个图表将包含四个季度的销售额，并添加了一些基本的标签和标题。

import matplotlib.pyplot as plt

# 定义季度
quarters = ['Q1', 'Q2', 'Q3', 'Q4']
# 定义对应的销售额
sales = [150, 200, 170, 220]

# 创建一个图形对象和一组子图
fig, ax = plt.subplots()

# 在子图上绘制折线图，标记为 'Sales'
ax.plot(quarters, sales, label='Sales', color='green', linestyle='-', marker='D')

# 设置x轴标签、y轴标签和图表标题
ax.set(xlabel='Quarter', ylabel='Sales (in units)',
       title='Quarterly Sales Data')

# 添加网格线
ax.grid()

# 添加图例
ax.legend(title='Data')

# 显示图表
plt.show()

示例2：

这个图表是一个简单的折线图，展示了两个不同数据集随时间变化的趋势。具体来说，它绘制了正弦函数 (sin(x)) 和余弦函数 (cos(x)) 在时间范围从0到10秒内的变化情况。

import matplotlib.pyplot as plt
import numpy as np

# 生成从0到10（不包括10），步长为0.1的时间点数组
x = np.arange(0.0, 10.0, 0.1)
# 计算对应时间点上的第一个数据集 y1
y1 = np.sin(x)
# 计算对应时间点上的第二个数据集 y2
y2 = np.cos(x)

# 创建一个图形对象和一组子图
fig, ax = plt.subplots()

# 在子图上绘制第一条折线图，标记为 'sine'
ax.plot(x, y1, label='Sine', color='blue', linestyle='-', marker='o')
# 在子图上绘制第二条折线图，标记为 'cosine'
ax.plot(x, y2, label='Cosine', color='red', linestyle='--', marker='x')

# 设置x轴标签、y轴标签和图表标题
ax.set(xlabel='Time (s)', ylabel='Amplitude',
       title='Simple Line Plot with Two Datasets')

# 添加网格线
ax.grid()

# 添加图例
ax.legend(title='Dataset')

# 显示图表
plt.show()

 饼图

示例1：

下图为一个展示不同水果销售量的饼图

import matplotlib.pyplot as plt
# 数据集：水果名称和对应的销售量
fruits = ['Apple', 'Blueberry', 'Cherry', 'Orange']
sales = [40, 100, 30, 55]

# 颜色设置
colors = ['#FFB3BA', '#FFDFBA', '#FFFFBA', '#BAE1FF']

# 创建图形对象和一组子图
fig, ax = plt.subplots()

# 绘制饼图
ax.pie(sales, labels=fruits, colors=colors, autopct='%1.1f%%', startangle=90)

# 设置图表标题
ax.set_title('Fruit Sales Distribution')

# 确保饼图为圆形
ax.axis('equal')

# 显示图表
plt.show()

示例2：

下面的饼图展示了四种动物（青蛙、野猪、狗、木头）的比例分布。每个扇区代表一种动物及其占总比例的一部分，并且其中一个扇区（野猪）被突出显示（爆炸效果）。

import matplotlib.pyplot as plt

# 数据集：动物名称和对应的大小
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]

# 创建图形对象和一组子图
fig, ax = plt.subplots()

# 设置爆炸效果，只突出显示第二个扇区（'Hogs'）
explode = (0.1, 0.3, 0.1, 0.1)

# 绘制饼图
ax.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', 
       colors=['#FFB3BA', '#FFDFBA', '#FFFFBA', '#BAE1FF'], pctdistance=1.1, labeldistance=0.6,
       shadow=True, startangle=90, textprops={'size': 'larger'}, radius=1.2)

# 显示图表
plt.show()