利用matplotlib库中面向对象API绘制直方图，饼图，散点图，误差图

一、绘制直方图

1、使用hist（）绘制直方图

hist()函数语法：

hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)

bins：表示矩形条的个数，默认为10

range：表示数据范围

cumulative：表示是否计算累计频数或频率

histtype：表示直方图的类型

align：表示矩形边界的对齐方式，默认‘mid’

orientatio：表示矩形条的摆放方式，默认‘vertical’（垂直方向）

rwidth：表示矩形条宽度的百分比，默认为0

stacked：表示是否将多个矩形条以堆积形式摆放

1.1 示例代码：

#导入模块
import matplotlib.pyplot as plt
import numpy as np
#创建画布
fig = plt.figure()
#在画布上添加绘图区域
ax = fig.add_subplot(111)
#准备数据
x = np.random.randint(0,100,50)
#绘制直方图
plt.hist(x,bins=8,histtype='stepfilled')

运行结果：

2、绘制灰度直方图

2.1 示例代码：

#导入模块
import matplotlib.pyplot as plt
import numpy as np
#创建画布
fig = plt.figure()
#在画布上添加绘图区域
ax = fig.add_subplot(111)
#准备数据
random_statel = np.random.RandomState(19680801)
random_x1 = random_statel.randn(10000)
#绘制灰度直方图
plt.hist(random_x1,bins=25)
plt.show()

运行结果：

二、绘制饼图或圆环图

1、使用pie（）绘制饼图或圆环图

pie（）函数语法：

pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, *, normalize=True, hatch=None, data=None)

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标签文本

autopct：表示控制扇形或楔形的数值显示的字符串

pctdistance：表示扇形或楔形对应数值标签距离圆心的比例，默认为0.6

shadow：表示是否显示阴影

labeldistance：表示标签文本的绘制位置，默认1.1

startangle：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

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

1.1 示例代码：

#导入模块
import matplotlib.pyplot as plt
import numpy as np
#创建画布
fig = plt.figure()
#在画布上添加绘图区域
ax = fig.add_subplot(111)
#准备数据
data = np.array([20,50,10,15,30,55])
#绘制扇形对应标签文本
pie_labels = np.array(['A','B','C','D','E','F'])
#绘制饼图
plt.pie(data,radius=1.5,labels=pie_labels,autopct='%3.1f%%')
plt.show()

运行结果：

2.绘制圆环图

2.1 示例代码：

#导入模块
import matplotlib.pyplot as plt
import numpy as np
#创建画布
fig = plt.figure()
#在画布上添加绘图区域
ax = fig.add_subplot(111)
#准备数据
data = np.array([20,50,10,15,30,55])
#绘制扇形对应标签文本
pie_labels = np.array(['A','B','C','D','E','F'])
#绘制圆环图
plt.pie(data,radius=1.5,wedgeprops={'width':0.7},labels=pie_labels,autopct='%3.1f%%',pctdistance=0.75)
plt.show()

运行结果：

三、绘制散点图或气泡图

1、使用scatter（）绘制散点图和气泡图

scatter（）函数语法：

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

x,y:表示数据点的位置

s:表示数据点的大小

表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函数，则忽略vmin,vmax函数

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

1.1 示例代码：

#导入模块
import matplotlib.pyplot as plt
import numpy as np
#设置中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
#创建画布
fig = plt.figure()
#在画布上添加绘图区域
ax = fig.add_subplot(111)
#准备数据
num = 50
x = np.random.rand(num)
y = np.random.rand(num)
#绘制散点图
plt.scatter(x,y)
plt.show()

运行结果：

2.绘制气泡图

示例代码：

#导入模块
import matplotlib.pyplot as plt
import numpy as np
#设置中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
#创建画布
fig = plt.figure()
#在画布上添加绘图区域
ax = fig.add_subplot(111)
#准备数据
num = 50
x = np.random.rand(num)
y = np.random.rand(num)
#每一个散点权重
area = (30*np.random.rand(num))**2
#绘制气泡图
plt.scatter(x,y,s=area,c='red',alpha=0.6)
plt.show()

运行结果：

四、绘制误差棒图

1、使用errorbar（）绘制误差棒图

errorbar（）函数语法：

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)

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:表示误差帮的线条宽度

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

1.1 示例代码：

#导入模块
import matplotlib.pyplot as plt
import numpy as np
#创建画布
fig = plt.figure()
#在画布上添加绘图区域
ax = fig.add_subplot(111)
#准备数据
x = np.arange(5)
y = (25,32,34,20,25)
y_offset = (3,5,2,3,3)
#绘制误差棒图
plt.errorbar(x,y,yerr=y_offset,capsize=3,capthick=2)
plt.show()

运行结果：