使用matplotlib通过面向对象API绘制直方图，饼图，散点图，误差棒图

目录

直方图

代码：

输出：

饼图

代码：

输出：

改为圆环图：

代码1：

输出1：

代码2：

输出2：

​编辑

改为爆炸图：

代码：

输出：

散点图

代码：

输出：

误差棒图

代码：

输出：​

---

---

直方图

代码：

#导入 numpy 和 matplotlib.pyplot 两个库
import matplotlib.pyplot as plt
import numpy as np

# 创建随机数生成器和生成数据

# 随机数生成器1
random_state1 = np.random.RandomState(111)
# 生成数据1，正态分布  
random_x1 = random_state1.normal(loc=0.5, scale=0.2, size=10000)  


# 随机数生成器2
random_state2 = np.random.RandomState(222)
# 生成数据2，正态分布  
random_x2 = random_state2.normal(loc=0.7, scale=0.3, size=15000)  


# 随机数生成器3
random_state3 = np.random.RandomState(333)  
# 生成数据3，正态分布
random_x3 = random_state3.normal(loc=0.9, scale=0.1, size=8000)  

# 绘制直方图
# 画出三条直方图
plt.hist([random_x1, random_x2, random_x3], bins=25, label=['Data 1', 'Data 2', 'Data 3'])  
# 添加图例
plt.legend()  
# 设置标题
plt.title("Histogram of Random Data")  
# 设置x轴标签
plt.xlabel("Value")  
# 设置y轴标签
plt.ylabel("Frequency")  
# 显示图形
plt.show() 

输出：

饼图

代码：

# 导入所需库
import matplotlib.pyplot as plt
import matplotlib as mpl

# 配置中文显示
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 定义数据
kinds = ['购物', '人情往来', '餐饮美食', '通信物流', '生活日用', '交通出行', '休闲娱乐', '其他']
money_scale = [800, 100, 1000, 200, 300, 200, 200, 200]

# 绘制饼图
plt.pie(money_scale,
        labels=kinds,  # 设置饼图各部分对应的标签
        autopct='%3.1f%%',  # 设置百分比标签格式
        startangle=180)  # 设置饼图的起始角度

# 显示饼图
plt.show()

这段代码通过使用matplotlib.pyplot和matplotlib库来创建一个饼图。注释中解释了每个步骤的作用：

1. 导入所需的库。
2. 配置中文显示，使得图表中的中文能够正常显示。
3. 定义了要绘制饼图的数据，kinds表示每个部分的标签，money_scale表示每个部分对应的数值。
4. 最后通过plt.show()显示饼图。

输出：

改为圆环图：

 代码1：

# 导入所需库
import matplotlib.pyplot as plt
import matplotlib as mpl

# 配置中文显示
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 定义数据
kinds = ['购物', '人情往来', '餐饮美食', '通信物流', '生活日用', '交通出行', '休闲娱乐', '其他']
money_scale = [800, 100, 1000, 200, 300, 200, 200, 200]

# 绘制饼图
plt.pie(money_scale,
        wedgeprops={'width': 0.5},  # 设置饼图的内外半径比例
        pctdistance=3/4,  # 设置百分比标签距离饼图中心的距离
        labels=kinds,  # 设置饼图各部分对应的标签
        autopct='%3.1f%%',  # 设置百分比标签格式
        startangle=180)  # 设置饼图的起始角度

# 显示饼图
plt.show()

这段代码通过使用matplotlib.pyplot和matplotlib库来创建一个饼图。注释中解释了每个步骤的作用：

1. 导入所需的库。
2. 配置中文显示，使得图表中的中文能够正常显示。
3. 定义了要绘制饼图的数据，kinds表示每个部分的标签，money_scale表示每个部分对应的数值。
4. 使用plt.pie()函数绘制饼图。其中的参数设置了饼图的属性，如内外半径比例、百分比标签的距离、标签、百分比标签的格式和起始角度等。
5. 最后通过plt.show()显示饼图。

输出1：

代码2：

# 导入所需库
import matplotlib.pyplot as plt
import matplotlib as mpl

# 配置中文显示
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 定义数据
kinds = ['购物', '人情往来', '餐饮美食', '通信物流', '生活日用', '交通出行', '休闲娱乐', '其他']
money_scale = [800, 100, 1000, 200, 300, 200, 200, 200]

# 绘制圆环图
plt.pie(money_scale,
        wedgeprops={"width": 0.4},  # 设置圆环宽度
        pctdistance=3/4,
        labels=kinds,
        autopct='%3.1f%%',
        startangle=180)

# 画一个空白的圆形，相当于盖住内部的一部分，形成圆环效果
circle = plt.Circle((0, 0), 0.3, fc='white')
plt.gca().add_artist(circle)

# 显示圆环图
plt.axis('equal')  # 设置坐标轴刻度相等，使圆环图为正圆
plt.show()

代码中，使用wedgeprops参数的width属性将圆环宽度设置为0.4，即内环和外环之间的距离。然后通过添加一个白色的圆形来盖住内部一部分，形成圆环效果。最后使用plt.axis('equal')来设置坐标轴刻度相等，使圆环图呈现为正圆形。

输出2：

改为爆炸图：

代码：

# 导入所需库
import matplotlib.pyplot as plt
import matplotlib as mpl

# 配置中文显示
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 定义数据
kinds = ['购物', '人情往来', '餐饮美食', '通信物流', '生活日用', '交通出行', '休闲娱乐', '其他']
money_scale = [800, 100, 1000, 200, 300, 200, 200, 200]
explode = [0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7]  # 设置“爆炸”程度

# 绘制爆炸图
plt.pie(money_scale,
        explode=explode,  # 设置“爆炸”程度
        wedgeprops={"width": 0.4},
        pctdistance=3/4,
        labels=kinds,
        autopct='%3.1f%%',
        startangle=180)

# 画一个空白的圆形，相当于盖住内部的一部分，形成圆环效果
circle = plt.Circle((0, 0), 0.3, fc='white')
plt.gca().add_artist(circle)

# 显示图表
plt.axis('equal')
plt.show()

代码中，使用了explode参数来控制每个部分与中心的距离。

输出：

散点图

代码：

# 导入所需库
import numpy as np
import matplotlib.pyplot as plt

# 设置中文显示
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 创建数据
x_speed = np.arange(10, 210, 10)  # 速度数据
y_distance = np.array([0.5, 2.0, 4.4, 7.9, 12.3,
                       17.7, 24.1, 31.5, 39.9, 49.2,
                       59.5, 70.8, 83.1, 96.4, 110.7,
                       126.0, 142.2, 159.4, 177.6, 196.8])  # 距离数据
area = np.linspace(20, 300, 20)  # 气泡大小

# 绘制散点图
plt.scatter(x_speed, y_distance,
            s=area,  # 指定气泡大小
            alpha=0.9,  # 设置透明度
            c='orange')  # 将气泡绘制为橙色

# 显示图表
plt.show()

这段代码实现了将速度和距离用散点图展示出来，每个散点代表一个数据点。其中：

• x_speed表示速度数据，使用np.arange()生成从10到200的等差数列。
• y_distance表示距离数据，为一组预设的距离数组。
• area表示气泡的大小，使用np.linspace()生成20个从20到300的等差数列来表示不同的气泡大小。
• plt.scatter()绘制散点图，通过s参数传入气泡的大小，alpha参数设置透明度，c参数指定气泡的颜色。
• plt.show()显示图表。

输出：

误差棒图

代码：

# 导入所需库
import numpy as np
import matplotlib.pyplot as plt

# 设置中文字体和正常显示负号
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 定义X轴坐标
x = np.arange(3)

# 定义四组Y轴数据
y1 = np.array([2.04, 1.57, 1.63])
y2 = np.array([1.69, 1.61, 1.64])
y3 = np.array([4.65, 4.99, 4.94])
y4 = np.array([3.39, 2.33, 4.10])

# 定义四组误差数据
error1 = [0.16, 0.08, 0.10]
error2 = [0.27, 0.14, 0.14]
error3 = [0.34, 0.32, 0.29]
error4 = [0.23, 0.23, 0.39]

# 定义每个柱子的宽度
bar_width = 0.2

# 绘制四组柱状图
plt.bar(x, y1, bar_width)  # 绘制第一组柱状图
plt.bar(x + bar_width, y2, bar_width, align="center", tick_label=["春季", "夏季", "秋季"])  # 绘制第二组柱状图，并设置标签
plt.bar(x + 2 * bar_width, y3, bar_width)  # 绘制第三组柱状图
plt.bar(x + 3 * bar_width, y4, bar_width)  # 绘制第四组柱状图

# 绘制误差棒
plt.errorbar(x, y1, yerr=error1, capsize=3, elinewidth=2, fmt='k,')  # 绘制第一组误差棒
plt.errorbar(x + bar_width, y2, yerr=error2, capsize=3, elinewidth=2, fmt='k,')  # 绘制第二组误差棒
plt.errorbar(x + 2 * bar_width, y3, yerr=error3, capsize=3, elinewidth=2, fmt='k,')  # 绘制第三组误差棒
plt.errorbar(x + 3 * bar_width, y4, yerr=error4, capsize=3, elinewidth=2, fmt='k,')  # 绘制第四组误差棒

# 显示图形
plt.show()

输出：