matplotlib绘图

已于 2024-04-03 12:14:33 修改
阅读量1k 收藏 31
点赞数 35
分类专栏： Python 文章标签： pandas jupyter python numpy matplotlib
于 2024-03-27 07:45:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ak2111/article/details/137049256
版权

Matplotlib 是一个 Python 的 2D绘图库

  • 绘制如下图形：
    • 线图：plot()
    • 散点图：scatter()
    • 条形图：bar()
    • 箱线图：baxplot()
    • 饼图：pie()
    • 直方图和密度图：hist()
    • 多图合并显示：subplot()和subplots()

导入相关包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

中文乱码的处理

#plt.rcParams[‘font.sans-serif’]=[‘PingFang HK’] #mac系统使用
plt.rcParams[‘font.sans-serif’] = [‘Microsoft YaHei’]# windows使用设置微软雅黑字体
plt.rcParams[‘axes.unicode_minus’] = False # 避免坐标轴不能正常的显示负号

线图：plot()

  • 函数功能：展现变量的变化趋势

  • 调用方法：plt.plot(x, y, linestyle, linewidth,color,marker, markersize, markeredgecolor, markerfactcolor, label, alpha)

    • x：指定折线图的x轴数据；
    • y：指定折线图的y轴数据；
    • linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认文实线；
    • linewidth：指定折线的宽度
    • marker：可以为折线图添加点，该参数是设置点的形状；
    • markersize：设置点的大小；
    • markeredgecolor：设置点的边框色；
    • markerfactcolor：设置点的填充色；
    • label：为折线图添加标签，类似于图例的作用；

  • 画一条直线

x1 = [1,2,3,4,5]
y1 = [2,4,6,8,10]

plt.plot(x1,y1)
在这里插入图片描述

  • 画一条抛物线

x2 = np.linspace(1,50,num=20).astype(‘int’)
y2 = x2 ** 3 + 3

plt.plot(x2,y2)
在这里插入图片描述

x2 = np.linspace(1,50,num=20).astype(‘int’)
y2 = x2 ** 3 + 3

plt.plot(x2,y2,marker=‘*’) #marker是用来指定点的样式
在这里插入图片描述

  • 用plot方法画出x=(0,10)间sin的图像

x3 = np.linspace(1,50,num=50).astype(‘int’)
y3 = np.sin(x3)

plt.plot(x3,y3)
在这里插入图片描述

  • 用点加虚线的方式画出x=(0,10)间sin的图像
    • #还有其他line的属性：如color,linestyle,linewidth,marker等。

x4 = np.linspace(1,50,num=15).astype(‘int’)
y4 = np.sin(x4)

plt.plot(x4,y4,color=‘red’,alpha=0.5,linestyle=‘:’)
在这里插入图片描述

  • 同时绘制cos和sin图像在同一图中
    • 两条线的要求如下：
      • sin曲线：蓝色，实线，'+'号表示；
      • cos曲线：绿色，虚线，'*'号表示；

x = np.linspace(1,100,num=20)
y = np.sin(x)

yy = np.cos(x)

plt.plot(x,y)
plt.plot(x,yy)

#连续对plot调用多次就可以将多个图例绘制在同一个坐标系中
在这里插入图片描述

  • 给上图添加图例
    • 使用label参数结合这legend方法

x = np.linspace(1,100,num=20)
y = np.sin(x)

yy = np.cos(x)

plt.plot(x,y,label=‘sin正弦’)
plt.plot(x,yy,label=‘cos余弦’)
plt.legend(loc=0)

#连续对plot调用多次就可以将多个图例绘制在同一个坐标系中
在这里插入图片描述

  • 没有线性关系的两组数据的折线图

x = np.random.randint(0,100,size=(20,))
y = np.random.randint(0,100,size=(20,))
plt.plot(x,y)
在这里插入图片描述

  • 图像添加标题、x和y轴的标识

x = np.linspace(1,160,num=20)
y = np.sin(x)

yy = np.cos(x)

plt.plot(x,y,label=‘sin正弦’)
plt.plot(x,yy,label=‘cos余弦’)
plt.legend(loc=0)

plt.xlabel(‘temp温度’)
plt.ylabel(‘dist距离’)
plt.title(‘dist&temp’)
在这里插入图片描述

  • 调整图例的大小比例

x = np.linspace(1,160,num=20)
y = np.sin(x)

yy = np.cos(x)

#调整图例大小
plt.figure(figsize=(10,8))

plt.plot(x,y,label=‘sin正弦’)
plt.plot(x,yy,label=‘cos余弦’)
plt.legend(loc=0)

plt.xlabel(‘temp温度’)
plt.ylabel(‘dist距离’)
plt.title(‘dist&temp’)
在这里插入图片描述

散点图

  • 函数功能：散点图，寻找变量之间的关系

  • 调用方法：plt.scatter(x, y, s, c, marker, cmap, norm, alpha, linewidths, edgecolorsl)

  • 参数说明：

    • x: x轴数据
    • y: y轴数据
    • s: 散点大小
    • c: 散点颜色
    • marker: 散点图形状
    • cmap: 指定某个colormap值,该参数一般不用，用默认值
    • alpha: 散点的透明度
    • linewidths: 散点边界线的宽度
    • edgecolors: 设置散点边界线的颜色

  • 绘制两组100个随机数的散点图

x1 = np.random.randint(0,200,size=(30,))
y1 = np.random.randint(0,200,size=(30,))

plt.scatter(x,y)
在这里插入图片描述

x1 = np.random.randint(0,200,size=(30,))
y1 = x1**2 + 3

plt.scatter(x1,y1)
在这里插入图片描述

  • 多图例的整合

x1 = np.random.randint(0,200,size=(30,))
y1 = x1**2 + 3

plt.scatter(x1,y1)
plt.plot(x1,y1)
在这里插入图片描述

条形图：bar(), barh()

  • 调用方法：plt.bar(x, y, width，color, edgecolor, bottom, linewidth, align, tick_label, align)

  • 参数说明：

    • x：指定x轴上数值
    • y：指定y轴上的数值
    • width：表示条形图的宽度，取值在0~1之间，默认为0.8
    • color：条形图的填充色
    • edgecolor：条形图的边框颜色
    • bottom：百分比标签与圆心距离
    • linewidth：条形图边框宽度
    • tick_label：条形图的刻度标签
    • align：指定x轴上对齐方式，“center”,"edge"边缘

  • 简单垂直条形图

GDP = [36112,38710,14093,25092]
city = [‘北京’,‘上海’,‘天津’,‘重庆’]

plt.bar(city,GDP)
在这里插入图片描述

#给图像添加相关的标识
GDP = [36112,38710,14093,25012]
city = [‘北京’,‘上海’,‘天津’,‘重庆’]

plt.bar(city,GDP,color=‘red’)

plt.xlabel(‘城市名称’)
plt.ylabel(‘城市GDP’)
plt.title(‘城市&GDP’)
在这里插入图片描述

#在柱子上面显示柱高的数值
GDP = [36112,38710,14093,25012]
city = [‘北京’,‘上海’,‘天津’,‘重庆’]

plt.bar(city,GDP,color=‘red’)

plt.xlabel(‘城市名称’)
plt.ylabel(‘城市GDP’)
plt.title(‘城市&GDP’)

for i,j in enumerate(GDP):
#i表示GDP列表的索引，j表示GDP列表的元素
plt.text(i,j+200,j,ha=‘center’) #text()作用是可以在图例的相关位置增加文本内容
#将j表示的文本内容显示在第i根柱子的j+200的位置
在这里插入图片描述

#水平方向的条形图
GDP = [36112,38710,14093,25012]
city = [‘北京’,‘上海’,‘天津’,‘重庆’]

plt.barh(city,GDP,color=‘red’)

箱线图：barplot()

  • 函数功能：反映数据的异常情况；是一种用作显示一组数据分散情况的统计图。因形状如箱子而得名。在各种领域也经常被使用。
    在这里插入图片描述

  • 参数：
    在这里插入图片描述

  • 绘制箱型图

x = [10,10,10,20,20,20,30,40,50,50,50,60,60,60,70,500,600]
plt.boxplot(x)
在这里插入图片描述

饼图

  • 函数功能：表示离散变量各水平占比情况
  • 参数说明：
    • x：指定绘图的数据
    • explode：指定饼图某些部分的突出显示，即呈现爆炸式
    • labels：为饼图添加标签说明，类似于图例说明
    • colors：指定饼图的填充色
    • autopct：自动添加百分比显示，可以采用格式化的方法显示
    • pctdistance：设置百分比标签与圆心的距离
    • shadow：是否添加饼图的阴影效果
    • labeldistance：设置各扇形标签（图例）与圆心的距离；
    • startangle：设置饼图的初始摆放角度；
    • radius：设置饼图的半径大小；
    • counterclock：是否让饼图按逆时针顺序呈现；
    • wedgeprops：设置饼图内外边界的属性，如边界线的粗细、颜色等；
    • textprops：设置饼图中文本的属性，如字体大小、颜色等；
    • center：指定饼图的中心点位置，默认为原点
    • frame：是否要显示饼图背后的图框，如果设置为True的话，需要同时控制图框x轴、y轴的范围和饼图的中心位置；

#简单的饼图
education = [9833, 5631, 3769, 1410, 460]
labels = [‘小学’, ‘初中’, ‘高中’, ‘大学’, ‘研究生及以上’]
plt.pie(education,labels=labels)
在这里插入图片描述

  • 为饼图添加一些参数

#构造数据：某城镇受教育程度
education = [9833, 5631, 3769, 1410, 460]
labels = [‘小学’, ‘初中’, ‘高中’, ‘大学’, ‘研究生及以上’]

explode = [0,0,0,0.6,0.8] # 用于突出显示特定人群
colors=[‘#9999ff’,‘#ff9999’,‘#7777aa’,‘#2442aa’,‘#dd5555’] # 自定义颜色

#绘制饼图
a = plt.pie(x = education, # 绘图数据
explode=explode, # 分割部分距离圆心的距离
labels=labels, # 添加教育水平标签
colors=colors, # 设置饼图的自定义填充色
autopct=‘%.2f%%’, # 设置百分比的格式，这里保留一位小数
pctdistance=0.3, # 设置百分比标签与圆心的距离
labeldistance = 1.15, # 设置教育水平标签与圆心的距离
startangle = 180, # 设置饼图的初始角度
radius = 1.5, # 设置饼图的半径
counterclock = False, # 是否逆时针，这里设置为顺时针方向
wedgeprops = {‘linewidth’: 1.5, ‘edgecolor’:‘green’},# 设置饼图内外边界的属性值
textprops = {‘fontsize’:12, ‘color’:‘k’}, # 设置文本标签的属性值
)
在这里插入图片描述

图像的保存

#1.创建一个fig对象
fig = plt.figure()
#2.画图
education = [9833, 5631, 3769, 1410, 460]
labels = [‘小学’, ‘初中’, ‘高中’, ‘大学’, ‘研究生及以上’]
plt.pie(education,labels=labels)
#3.保存
plt.savefig(‘111.png’)
在这里插入图片描述

直方图/密度图：hist()

  • 函数功能：判定数据的分布情况

  • 参数说明：

    • x：指定要绘制直方图的数据；
    • bins：指定直方图条形的个数；
    • range：指定直方图数据的上下界，默认包含绘图数据的最大值和最小值；
    • density：是否将直方图的频数转换成频率；
    • weights：该参数可为每一个数据点设置权重；
    • cumulative：是否需要计算累计频数或频率；
    • bottom：可以为直方图的每个条形添加基准线，默认为0；
    • histtype：指定直方图的类型，默认为bar，除此还有’barstacked’, ‘step’, ‘stepfilled’；
    • align：设置条形边界值的对其方式，默认为mid，除此还有’left’和’right’；
    • orientation：设置直方图的摆放方向，默认为垂直方向；
    • rwidth：设置直方图条形宽度的百分比；
    • log：是否需要对绘图数据进行log变换；
    • color：设置直方图的填充色；
    • label：设置直方图的标签，可通过legend展示其图例；
    • stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放；

  • 绘制简单频数直方图

x = [1,1,1,2,2,2,2,2,2,3,3,4,5]
plt.hist(x,bins=9)
在这里插入图片描述

  • hist()函数会返回三组结果：
    • 返回值1：原始数据在不同区间存在的元素个数
    • 返回值2：表示每根柱子对应的数值区间
    • 返回值3：直方图图像

多图合并显示：subplot()和subplots()

  • subplot()函数多次绘制多图

ax1 = plt.subplot(2,2,1) #创建了一个2行2列的表格，然后在表格的第1个位置显示图例
#折线图
x1 = np.linspace(0,10,30)
y1 = x1**2 + 3
ax1.plot(x1,y1)

ax2 = plt.subplot(2,2,2)
#散点图
ax2.scatter(x1,y1)

#直方图
ax3 = plt.subplot(2,2,3)
ax3.hist(x1)

#饼图
ax4 = plt.subplot(2,2,4)
ax4.pie([11,22,33])
在这里插入图片描述

ak2111
关注
  • 35
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Matplotlib绘图
06-07
Matplotlib绘图
matplotlib绘图详解
既然选择远方，便只顾风雨兼程！
12-18 4157
​ Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。Matplotlib可用于Python脚本，Python和Shell、笔记本，Web应用程序服务器和四个图形用户界面工具包。​ Matplotlib 尝试使容易的事情变得更容易，使困难的事情变得可能。您只需几行代码就可以生成图表、直方图、功率谱、条形图、误差图、散点图等。更多的示例，请参见基础绘图例子和示例陈列馆。​ 为了简单绘图，该pyplot。
python使用matplotlib绘图
热门推荐
weixin_41558411的博客
04-26 4万+
matplotlib是python中用于绘制各种图像的模块，功能十分强大，通常与pandas模块搭配使用，可以生成各种样视的图片，用于数据的分析和展示。 绘图风格 plt.style.use('fivethirtyeight') #设置图像风格样式 https://blog.csdn.net/qq_42505705/article/details/84962815 设置图例的位置 plt.legend(l......
【 Matplotlib绘图】
m0_61796189的博客
09-24 4540
Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型的2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等），能够满足大部分需要。Matplotlib最早是为了可视化癫痫病人的脑皮层电图相关的信号而研发，因为在函数的设计上参考了MATLAB，所以叫做Matplotlib。官方文档：Matplotlib中最基础的模块是pyplot。
matplotlib绘图风格
微小冷的学习笔记
08-05 574
matplotlib功能强大，可以定制各种绘图要素，以满足个性化的绘图需求，而更换绘图风格也十分便捷，一个matplotlib.style.use函数轻松搞定，而可用的绘图风格，可调用matplotlib.style.available列表得到
matplotlib 绘图 显示中文
falwat的专栏
09-02 3602
matplotlib 绘图显示中文问题和解决方法.
matplotlib绘图基础汇总
12-24
matplotlib，matplotlib绘图基础汇总，matplotlib 是Python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当...
将matplotlib绘图嵌入pyqt的方法示例
09-18
主要介绍了将matplotlib绘图嵌入pyqt的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
【matplotlib绘图】Pandas绘图与matplotlib绘图的关联及异同
12-22
说到数据可视化绘图，我们先想到的应该是matplotlib库，可以对其中的axes对象等调用不同的绘图方法（如axes.plot()）。 作为数据分析用的pandas库提供了Series DataFrame等类型的对象，我们也可以调用上述对象来绘图...
matplotlib绘图实例.pdf
05-29
我学习matplotlib时的实战作业
使用Docker部署Jupyter Notebook并结合花生壳的内网穿透实现远程访问（详文）
ftzyj的博客
04-27 1073
本文主要介绍如何利用宝塔面板中的Docker 3.9.3管理器，使用Docker本地部署Jupyter Notebook，并结合花生壳内网穿透工具实现任意浏览器公网远程访问Jupyter登录界面。安装完成后在宝塔面板中图例Jupyter Notebook是一个交互式笔记本，支持运行40多种编程语言。可以使用它来创建和共享程序文档，支持实时代码，数学方程，可视化和 markdown。具有数据清理和转换，数值模拟，统计建模，机器学习等等用途。为什么要使用Docker部署？
jupyter lab 如何安装和启动
weixin_40090689的博客
04-27 198
Jupyter环境构筑
anaconda的安装和Jupyter Notebook修改默认路径
weixin_45131087的博客
04-30 160
c.NotebookApp.notebook_dir = //这个不是搜索出来的,是要自己加上去的一条。然后不能在开始菜单中通过快捷方式打开,这个打开那个路径不生效,自己也不知道什么原因。要是没有配置这个环境变量,后面就不能cmd启动Jupyter Notebook。按照那个标志打开,那个文件的属性是没有网上说的那个属性的。我们要找到Jupyter Notebook的配置文件。很多文章都比较老旧了,这个问题一个是新版本才有的。就可以找到存放配置文件的路径了。只能通过管理员模式的cmd打开。
Jupyter 容器环境: Debian 11离线部署SSH Server总结
最新发布
penriver的博客
04-30 70
在基于continuumio/anaconda3镜像搭建的jupyter环境中，想在pycharm中进行远程debug代码，但容器中没有部署ssh server导致无法进行。 本文讲述如何在anaconda3容器中安装ssh server
Day25-Java基础之常用类1
m0_46053885的博客
04-27 874
同时我们发现Math类中的方法都是静态的，因此在使用的时候我们可以直接通过类名去调用。对于计算机而言，其实是没有数据类型的概念的，都是0101010101，数据类型是编程语言自己规定的，所以在实际存储的时候，先把具体的数字变成二进制，每32个bit为一组，存储在数组中。比较内存地址值一般情况下是没有意义的，我们希望比较的是对象的属性，如果两个对象的属性相同，我们认为就是同一个对象；如果我们的数据是一个浮点类型的数据，有的时候计算机并不会将这个数据完全转换成一个二进制数据，而是将这个将其转换成一个无限的。
链表刷题集
yajunjiao的专栏
04-30 272
本文主要列举了一些刷的题，不多，有那么几道，也建议各位去建立自己的刷题集。积少成多。
Lambda表达式特点
weixin_57763462的博客
04-24 773
**API 设计**：Lambda 表达式鼓励使用函数式接口的设计模式，这改变了 Java 库的设计，例如 `java.util.function` 包下的一系列函数式接口。- **函数式编程**：Lambda 表达式引入了函数式编程的理念，使得 Java 更接近于函数式编程语言，如 Scala 和 Clojure。- **并发编程**：Lambda 表达式与 Java 8 新增的 Stream API 结合使用，可以简化并发编程，特别是与集合的操作相关。
【简单介绍下机器学习之sklearn基础】
cz88888888666的博客
04-24 1157
🎈机器学习是一个用于构建预测模型的领域，Scikit-learn（简称sklearn）是Python中的一个开源机器学习库，它支持包括分类、回归、降维和聚类算法，并且集成了与这些算法相关的机器学习的不同任务的各种工具。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ak2111

你的鼓励将是我创作的最大动力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值