使用matplotlib绘制简单图表

 前言

  matplotlib是Python中众多数据可视化库的鼻祖，其设计风格与20世纪80年代设计的商业化程序语言MATLAB十分接近，具有很多强大且复杂的可视化功能。matplotlib包含多种类型的API（Application Program Interface,应用程序接口)，可以采用多种方式绘制图表并对图表进行定制。

   matplotlib实际上是一个面向对象的绘图库，它所绘制的图表元素均对应一个对象。matplotlib库仅需开发人员编写几行代码即可绘制一个图表，包括折线图、柱形图或堆积柱形图、条形图或堆积条形图、堆积面积图、直方图、饼图或圆环图、散点图或气泡图、箱形图、雷达图、误差棒图。

一.使用plot（）绘制折线图

使用pyplot的plot（）函数可以快速绘制折线图。plot（）函数的语法格式如下所示：

plot(x, y, fmt, scalex=True, scaley=True, data=None, label=None,
     *args, **kwargs)

(1)多次调用plot()函数来绘制具有多个线条的折线图，示例代码如下:

plt.plot(x1,y1) 
plt.plot(x2,y2)

(2)调用plot()函数时传入一个二维数组来绘制具有多个线条的折线图。例如，将二维数组arr的第一行数据作为x轴的数据、其他行数据全部作为y轴的数据，代码如下:

arr = np.array([[1，2，3]，[4，5，6]，[7，8，9]，[10，11，1211)
plt.plot(arr[0], arr[1:])

(3)调用plot时传组数据来绘制具有多个线条的折线图，示例代码如下: 

plt.plot(x1，y1，x2，y2)

实例1:未来15天最高气温和最低气温

北京市未来15天的最高气温和最低气温

日期	最高气温	最低气温
9月4日	32	19
9月5日	33	19
9月6日	34	20
9月7日	34	22
9月8日	33	22
9月9日	31	21
9月10日	30	22
9月11日	29	16
9月12日	30	18
9月13日	29	18
9月14日	26	17
9月15日	23	14
9月16日	21	15
9月17日	25	16
9月18日	31	16

使用plot（）函数绘制反映最高气温和最低气温趋势的折线图及平均气温，具体代码如下：

import matplotlib.pyplot as plt
import numpy as np 
x = np. arange(4,19)
y_max = np. array([32, 33, 34, 34, 33, 31, 30, 29, 30, 29, 26, 23, 21, 25, 31])	
y_min = np. array([19, 19, 20, 22, 22, 21, 22, 16, 18, 18, 17, 14, 15, 16, 16])
y_med = np.array(y_max + y_min) /2.0

plt.plot(x,y_max)
plt.plot(x,y_min)
plt.plot(x,y_med)

plt.show()

二.使用bar（）绘制柱形图

使用pyplot的bar（）函数可以快速绘制柱形图或堆积柱形图。bar（）函数的语法格式如下所示：

bar(x, height, width=0.8, bottom=None, align='center',
    data=None, tick_label=None, xerr=None, yerr=None,
    error_kw=None,**kwargs）

实例2：2013—2019财年某电商平台的GMV

2013—2019财年某电商平台的GMV

财年	淘宝GMV	拼多多GMV
FY2013	10770	9770
FY2014	16780	14780
FY2015	24440	24400
FY2016	30920	28920
FY2017	37670	38670
FY2018	48200	49200
FY2019	57270	60270

使用bar（）函数绘制各年份对应的GMV的柱形图，具体代码如下：

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1,8)
y1 = np.array([10770, 16780, 24440, 30920, 37670, 48200, 57270])
y2 = np.array([9770, 14780, 23440, 28920, 38670, 49200, 60270])
bar_width = 0.3

plt.bar(x, y1, tick_label=["FY2013", "FY2014", 
                           "FY2015", "FY2016", 
                           "FY2017", "FY2018", "FY2019"],color="orange",width=bar_width)
plt.bar(x+bar_width, y2, color="red",width=bar_width)
plt.show()

三.绘制条形图

使用pyplot的barh（）函数可以快速绘制条形图，barh（）函数的语法格式如下所示：

barh(y, width, height=0.8, left=None, align='center', *,
     **kwargs)

实例3：各商品种类的网购替代率

各商品种类的网购替代率

商品种类	替代率
家政、家教、保姆等生活服务	95.9%
飞机票、火车票	95.1%
家具	93.5%
手机、手机配件	92.4%
计算机及其配套产品	89.3%
汽车用品	89.2%
通信充值、游戏充值	86.5%
个人护理用品	86.3%
书报杂志及音像制品	86.0%
餐饮、旅游、住宿	85.6%
家用电器	85.4%
食品、饮料、烟酒、保健品	83.5%
家庭日杂用品	82.6%
保险、演出事务	81.6%
服装、鞋帽、家用纺织品	79.8%
数码产品	76.5%
其他商品和服务	76.3%
工艺品、收藏品	67.0%

各商品种类的网购替代率如上图所示，请给条形图添加3%的误差棒。示例代码如下：

import matplotlib.pyplot as plt
import numpy as np
# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.array([0.959, 0.951, 0.935, 0.924, 0.893,
              0.892, 0.865, 0.863, 0.860, 0.856,
              0.854, 0.835, 0.826, 0.816, 0.798,
              0.765, 0.763, 0.67])
y = np.arange(1,19)
height=0.3
error = 0.03
labels = ["家政、家教、保姆等生活服务","飞机票、火车票","家具","手机、手机配件",
          "计算机及其配套产品","汽车用品","通信充值、游戏充值","个人护理用品",
          "书报杂志及音像制品","餐饮、旅游、住宿","家用电器",
          "食品、饮料、烟酒、保健品","家庭日志用品","保险、演出事务",
          "服装、鞋帽、家用纺织品","数码产品","其他商品和服务","工艺品、收藏品"]
#绘制条形图
plt.barh(y, x, tick_label=labels, align="center", xerr=error)

plt.show()