python之matplotlib各种图表详细讲解

最新推荐文章于 2022-05-30 12:14:37 发布

小白逆袭记

最新推荐文章于 2022-05-30 12:14:37 发布

阅读量323

点赞数

文章标签： python 数据可视化

本文链接：https://blog.csdn.net/Big_Older/article/details/105586284

版权

#相应包导入
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
%matplotlib inline

散点图(scatter) 对比两组数据之间的关系

s:标记大小
marker:标记样式
color:颜色
alpha:透明度(0,1)

height = [161,170,182,175,173,165]
weight = [50,58,80,70,69,55]
plt.scatter(height, weight,s=100, marker='^', c='blue', alpha=0.5)

折线图(plot)

color:颜色
linestyle:线型("-","–","-.")
linewidth:线宽
marker:标记样式
markerfacecolor:标记颜色
markersize:标记大小

x = np.linspace(-10, 10, 5)
y = x ** 2
plt.plot(x, y,c='red',linestyle='-.',linewidth=1,marker='o',markerfacecolor='blue')
plt.show()

条形图(bar)

width:长条形宽度(横向为height)，默认值0.8
bottom:坐标原点y起始值
color:颜色

y = [20, 10, 30, 25, 15]
x = range(len(y))
bar_width = 10
bar_width = 10
plt.bar(x, y, width = 0.8,color='blue', bottom=100)
# 横向条形图
plt.barh(x, y, height=0.8)

直方图(hist)

bins:直方图的长条形数目，可选项，默认为10
normed:是否将得到的直方图向量归一化,显示频率
color:长条形的颜色
edgecolor:长条形边框颜色
alpha:透明度

mu = 100  # mean of distribution
sigma = 20  # standard deviation of distribution
x = mu + sigma * np.random.randn(2000)
plt.hist(x, bins=15,color='red',edgecolor='blue',normed=True)
# 两组数据的热点直方图
# x = np.random.randn(1000)+2
# y = np.random.randn(1000)+3
# plt.hist2d(x, y, bins=40)

饼图(pie)

size:各部分大小
explode:各部分突出
label:设置各部分标签
labeldistance:设置标签文本距圆心位置,1.1表示1.1倍半径
autopct:设置圆里面文本
shadow:设置是否有阴影
startangle:起始角度,默认从0开始逆时针旋转
pctdistance:设置圆内文本距圆心距离
l_test:圆内部文本
p_test:圆外部文本

labels = 'SH', 'BJ', 'SZ', 'GD'
size = [20, 10, 30, 25]
color = ['red','yellow','blue','green']
explode = (0, 0, 0.05, 0)
plt.axis(aspect=2)
plt.pie(size, explode=explode, labels=labels, colors=color, autopct='%.1f%%', shadow=True)

箱线图(boxplot)

sym:异常点形状
whis:上下四分位线

np.random.seed(10)
data = np.random.normal(size=10, loc=0.0, scale=1.0)
plt.boxplot(data, sym='o', whis=1.5)
# 同时显示多组数据的箱线图
data = np.random.normal(size=(100, 4), loc=0.0, scale=1.0)
labels = ['A','B','C','D']
plt.boxplot(data, labels=labels,sym='^')

子图(snbplot)

221:2行2列第1个

x = np.arange(1, 100)
plt.subplot(221)
plt.plot(x, x)
plt.subplot(222)
plt.plot(x, -x)
plt.subplot(223)
plt.plot(x, x * x)
plt.subplot(224)
plt.plot(x, np.log(x))

多图(snbplot)

fig1 = plt.figure()
ax1 = fig1.add_subplot(111)
ax1.plot([1, 2, 3], [3, 2, 1])
fig2 = plt.figure()
ax2 = fig2.add_subplot(111)
ax2.plot([1, 2, 3], [1, 2, 3])

网格(grid)

设置网格显示

y = np.arange(1, 5)
plt.plot(y, y * 2)
plt.grid(True, color='g', linestyle='--', linewidth='2')

图例(legend)

loc 图例的位置
ncol 图例的列数

x = np.arange(1, 11, 1)
y = x * x
plt.plot(x, x * 2, label='Normal')
plt.plot(x, x * 3, label='Fast')
plt.plot(x, x * 4, label='Faster')
plt.legend(loc=0, ncol=3)
# 方法二
plt.plot(x, x * 2)
plt.plot(x, x * 3)
plt.plot(x, x * 4)
plt.legend(['Normal', 'Fast', 'Faster'])