一、绘制直方图
直方图是一种常用的统计图表,用于展示数据的分布情况。
示例:
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
data = np.random.randn(1000)
# 创建一个图形对象和一个坐标轴对象
fig, ax = plt.subplots()
# 使用坐标轴对象ax绘制直方图
ax.hist(data, bins=20, color='blue', alpha=0.7)
# 设置X轴和Y轴标签以及图表标题
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_title('title')
# 显示图表
plt.show()
运行结果:
二、绘制饼图
饼图可以形象地展示数据整体与各项数据的关系,适用于快速了解整体数据中各项数据分配情况的场景。
示例:
import matplotlib.pyplot as plt
# 定义标签和大小
labels = 'A', 'B', 'C', 'D'
sizes = [15, 30, 45, 10]
# 创建一个图形对象和一个坐标轴对象
fig, ax = plt.subplots()
# 使用坐标轴对象ax绘制饼图
ax.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
# 保持饼图为圆形
ax.axis('equal')
# 设置图表标题
ax.set_title('饼图')
# 显示图表
plt.show()
运行结果:
三、绘制散点图
散点图主要用于判断两变量之间的关系是否存在某种关系。
示例:
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.random.rand(50)
y = np.random.rand(50)
# 创建一个图形对象和一个坐标轴对象
fig, ax = plt.subplots()
# 使用坐标轴对象ax绘制散点图
ax.scatter(x, y, c='red', marker='o')
# 设置X轴和Y轴标签以及图表标题
ax.set_xlabel('X轴标签')
ax.set_ylabel('Y轴标签')
ax.set_title('散点图')
# 显示图表
plt.show()
运行结果:
四、绘制误差棒图
误差棒图主要用于表示测量数据中存在的测量偏差(标准差和标准误差)。
示例:
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.arange(5)
y = np.array([1.2, 2.4, 0.8, 3.5, 2.0])
error = np.array([0.2, 0.3, 0.1, 0.4, 0.2])
# 创建一个图形对象和一个坐标轴对象
fig, ax = plt.subplots()
# 使用坐标轴对象ax绘制误差棒图
ax.errorbar(x, y, yerr=error, fmt='o', color='green', ecolor='blue', capsize=5)
# 设置X轴刻度位置和标签
ax.set_xticks(x)
ax.set_xticklabels(['A', 'B', 'C', 'D', 'E'])
# 设置X轴和Y轴标签以及图表标题
ax.set_xlabel('X轴标签')
ax.set_ylabel('Y轴标签')
ax.set_title('误差棒图')
# 显示图表
plt.show()
运行结果: