使用matplotlib绘制简单图表day02

2.4、绘制堆积面积图
2.4.1、使用stackplot（）绘制堆积面积图
x：表示x轴的数据，可以是一维数组
y：表示Y轴数据，可以是一维数组或二维数组序列
labels：表示每组折线及填充区域的标签
baseline：表示计算基线的方法，包括“zero”，“sym”，“wiggle”，“weighted_wiggle”
zero：表示恒定零基线
sym：表示对称于零基线
wiggle：表示最小化平方效率的总和
weighted_wiggle：表示执行相同的操作，但权重用于说明每一层的大小
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(6)
y1=np.array([1,3,5,4,6,7])
y2=np.array([1,4,6,7,3,5])
y3=np.array([3,5,6,7,3,5])
plt.stackplot(x,y1,y2,y3)
plt.title(“2020080603051”)
plt.show()

2.5、绘制直方图
2.5.1、使用hist（）绘制直方图
x：表示x轴的数据，可以为单个数组或多个数组的序列
bins：表示矩形条的个数，默认为0个
range：表示数据的范围。若没有提供range参数的值，则数据范围为（x.min()，x.max()）
cumulative：表示是否计算累计频数或频率
histtype：表示直方图的类型
align：表示矩形条的对齐方式
orientation：表示矩形条的摆放方式，默认为垂直方向
rwidth：表示矩形条宽度的百分比
stacked：表示是否将多个矩形条以堆积形式摆放

import numpy as np
import matplotlib.pyplot as plt
scores=np.random.randint(0,100,50)#准备50个随机测试数据
plt.hist(scores,bins=8,histtype=‘stepfilled’)#绘制直方图
plt.title(“2020080603051”)
plt.show()

import numpy as np
import matplotlib.pyplot as plt
random_state=np.random.RandomState(19680801)
random_x=random_state.randn(10000)#10000个随机数
plt.hist(random_x,bins=555)#控制矩形条个数，绘制555个矩形条的直方图
plt.title(“2020080603051”)
plt.show()

2.6、绘制饼图或圆环图
2.6.1、使用pie（）绘制饼图或圆环图
x：表示扇形或楔形的数据
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的标签文本
autopct：表示控制扇形或楔形的数值显示的字符串，可通过格式化指定小数点后的位数
pctdistance：表示扇形或楔形对应的数值标签离圆心的比例，默认0.6
shadow：表示是否显示阴影
labelddistance：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
center：表示图表的中心点位置
frame：表示是否显示图标

import numpy as np
import matplotlib.pyplot as plt
data=np.array([20,40,50,10,15,55])
pie_labels=np.array([‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,])
plt.pie(data,radius=1.5,labels=pie_labels,autopct=’%.1f%%’)#半径为1.5，保留小数1位数
plt.title(“2020080603051”)
plt.show()

import numpy as np
import matplotlib.pyplot as plt
data=np.array([20,40,50,10,15,55])
pie_labels=np.array([‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,])
plt.pie(data,radius=1.5,wedgeprops={‘width’:0.7},labels=pie_labels,autopct=’%.1f%%’,pctdistance=0.75)
#绘制圆环图：外圆半径为1.5，楔形宽度为0.7，图标为0.75
plt.title(“2020080603051”)
plt.show()

2.6.2、实例
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams[‘font.sans-serif’]=[‘SimHei’]#导入支持中文的包
mpl.rcParams[‘axes.unicode_minus’]=False
#饼图外侧的说明文字
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’]
#饼图的数据
money_scale=[800/3000,100/3000,1000/3000,300/3000,
200/3000,200/3000,200/3000,200/3000]
dev_position=[0.1,0.1,0.3,0.1,0.1,0.1,0.1,0.1]#每个块离圆心的距离
plt.pie(money_scale,labels=kinds,autopct=’%3.lf%%’,
shadow=True,explode=dev_position,startangle=90)#逆时针开始绘制90度
plt.title(“2020080603051”)
plt.show()

绿色扇形的面积最大，说明餐饮美食方面的支出在当月总支出中占比最大；橙色扇形面积最小，说明人情往来的支出在当月总支出中占比最小
2.7、绘制散点图或气泡图
2.7.1、使用scatter（）绘制散点图或气泡图
x，y：表示数据点的位置
s：表示数据点的大小
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为浮点数组是才使用
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
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

import matplotlib.pyplot as plt
import matplotlib as mpl
num=50
x=np.random.rand(num)
y=np.random.rand(num)
plt.scatter(x,y)
plt.title(“2020080603051”)
plt.show()

import matplotlib.pyplot as plt
import matplotlib as mpl
num=50
x=np.random.rand(num)
y=np.random.rand(num)
area=x100#area=x100y100
area=y*100
plt.scatter(x,y,s=area)
plt.title(“2020080603051”)
plt.show()

2.8、绘制箱型图
2.8.1、使boxplot（）绘制箱型图
x：绘制箱型图的数据
sym：表示异常值对应的符号，默认为空心圆圈
vert表示是否将箱型图垂直摆放，默认为垂直摆放
whis：表示箱型图上下须与上下四分位的距离，默认为1.5倍的四分位
positions：表示箱体的位置
widths：表示箱体的宽度，默认为0.5
patch_artist：表示是否填充箱体的颜色，默认不填充
meanline：是否用横跨箱体的线条标出中位数，默认不使用
showcaps：表示是否显示箱形顶部和底部的横线，默认显示
showbox：表示是否显示箱形图的箱体
showfliers：表示是否显示异常值

import numpy as np
import matplotlib.pyplot as plt
data=np.random.rand(100)
#绘制箱型图：显示中位数的线条，箱体宽度为0.2，填充箱体的颜色，不显示异常值
plt.boxplot(data,meanline=True,widths=0.2,patch_artist=True,showfliers=False)
plt.title(“2020080603051”)
plt.show()

2.9、绘制雷达图
2.9.1、使用polar（）绘制雷达图
theta：表示每一个数据点所在射线与极径的夹角
r：表示每一个数据点到原点的距离

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams[‘font.family’]=‘simHei’
plt.rcParams[‘axes.unicode_minus’]=False
dim_num=6
data=np.array([[0.40,0.32,0.35,0.30,0.30,0.88],
[0.85,0.35,0.30,0.40,0.40,0.30],
[0.43,0.89,0.30,0.28,0.22,0.30],
[0.30,0.25,0.48,0.85,0.45,0.40],
[0.20,0.38,0.87,0.45,0.32,0.28],
[0.34,0.31,0.38,0.40,0.92,0.28]])
angles=np.linspace(0,2np.pi,dim_num,endpoint=False)
angles=np.concatenate((angles,[angles[0]]))
data=np.concatenate((data,[data[0]]))
radar_labels=[‘研究型(I)’,‘艺术型(A)’,‘社会型(S)’,
‘企业型(E)’,‘传统型©’,‘现实型®’]
radar_labels = np.concatenate((radar_labels,[radar_labels[0]]))
plt.polar(angles,data)
plt.thetagrids(angles180/np.pi,labels=radar_labels)
plt.fill(angles,data,alpha=0.25)
plt.title(“2020080603051”)
plt.show()

紫色、棕色、蓝色、红色、橙色，绿色多边形分别代表用户1，2,3，4,5，6 的测试结果；用户1偏向现实型人格，用户2 偏向于研究型人格，用户3偏向艺术型人格，用户4偏向于 企业型人格，用户5偏向于社会型人格，用户6偏向于传统型人格。