Python-Matplotlib可视化（1）——一文详解常见统计图的绘制(1)

import matplotlib.pyplot as plt

def plot_func(x, y):

x_s = x[1:] - y[:-1]

y_s = y[1:] - x[:-1]

plt.plot(x[1:], x_s / y_s)

x = np.linspace(-5, 5, 200)

y = np.exp(-x ** 2)

plt.plot(x, y)

plot_func(x, y)

plt.show()

绘制图形如下：

可以看到，尽管其中一个plt.plot()是在plot_func函数中调用的，它对图形的呈现没有任何影响，因为plt.plot()只是声明了我们要呈现的内容，但还没有执行渲染。因此可以使用此特性结合for循环、条件判断等语法完成复杂图形的绘制，同时也可以在同一张图中组合不同类型的统计图。

读取数据文件绘制曲线图

很多情况下数据都是存储于文件中，因此，需要首先读取文件中的数据，再进行绘制，说明起见，以.txt文件为例，其他诸如Excel、CSV文件可以使用pandas、numpy等库进行读取。

假设存在data.txt文件如下：

0 1

1 2

2 5

4 17

5 26

6 37

读取数据和绘制的代码如下：

read_txt.py

import matplotlib.pyplot as plt

x, y = [], []

for line in open(‘data.txt’, ‘r’):

values = [float(s) for s in line.split()]

x.append(values[0])

y.append(values[1])

plt.plot(x, y)

plt.show()

如果使用Numpy库，其等效代码可以写为：

import matplotlib.pyplot as plt

import numpy as np

data = np.loadtxt(‘data.txt’)

plt.plot(data[:,0], data[:,1])

plt.show()

散点图

---

当绘制曲线图时，我们假设点与点之间存在序列关系。而散点图是简单地绘制点，它们之间并不存在连接。

import numpy as np

import matplotlib.pyplot as plt

data = np.random.rand(1000, 2)

plt.scatter(data[:,0], data[:,1])

plt.show()

Tips：函数plt.scatter()的调用方式与plt.plot()完全相同，分别将点的x和y坐标作为输入参数。