python画相关性可视化图上三角_完成这50个Matplotlib代码，你也能画出优秀的图表...

Matplotlib 是 Python 的绘图库。它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案，也可以和图形工具包一起使用。和 Pandas、Numpy 并成为数据分析三兄弟(我自封的:)。

虽然比起很多其他图形库(Seaborn | pyecharts | plotly | bokeh | pandas_profiling)这个库丑丑呆呆的，甚至有点难用，但人家毕竟是开山始祖，方法全，能够支持你各类骚操作的需求。可以说是现在python数据分析中，用的人最多的图形库了。

很多同学学习了 matplotlib 之后苦于找不到循序渐进的练习。今天我们这里就给大家一次性整理了 50 个常用的代码片段！涵盖了从入门到进阶的多种用法。想做可视化的同学不妨收藏起来，慢慢练习。

一、导入

1.导入matplotlib库简写为pltimport matplotlib.pyplot as plt

二、基本图表

2.用plot方法画出x=(0,10)间sin的图像x = np.linspace(0, 10, 30)

plt.plot(x, np.sin(x));

3.用点加线的方式画出x=(0,10)间sin的图像plt.plot(x, np.sin(x), '-o');

4.用scatter方法画出x=(0,10)间sin的点图像plt.scatter(x, np.sin(x));

5.用饼图的面积及颜色展示一组4维数据rng = np.random.RandomState(0)

x = rng.randn(100)

y = rng.randn(100)

colors = rng.rand(100)

sizes = 1000 * rng.rand(100)

plt.scatter(x, y, c=colors, s=sizes, alpha=0.3,

cmap='viridis')

plt.colorbar(); # 展示色阶

6.绘制一组误差为±0.8的数据的误差条图x = np.linspace(0, 10, 50)

dy = 0.8

y = np.sin(x) + dy * np.random.randn(50)

plt.errorbar(x, y, yerr=dy, fmt='.k')

7.绘制一个柱状图x = [1,2,3,4,5,6,7,8]

y = [3,1,4,5,8,9,7,2]

label=['A','B','C','D','E','F','G','H']

plt.bar(x,y,tick_label = label);

8.绘制一个水平方向柱状图plt.barh(x,y,tick_label = label);

9.绘制1000个随机值的直方图data = np.random.randn(1000)

plt.hist(data);

10.设置直方图分30个bins，并设置为频率分布plt.hist(data, bins=30,histtype='stepfilled', density=True)

plt.show();

11.在一张图中绘制3组不同的直方图，并设置透明度x1 = np.random.normal(0, 0.8, 1000)

x2 = np.random.normal(-2, 1, 1000)

x3 = np.random.normal(3, 2, 1000)

kwargs = dict(alpha=0.3, bins=40, density = True)

plt.hist(x1, **kwargs);

plt.hist(x2, **kwargs);

plt.hist(x3, **kwargs);

12.绘制一张二维直方图mean = [0, 0]

cov = [[1, 1], [1, 2]]

x, y = np.random.multivariate_normal(mean, cov, 10000).T

plt.hist2d(x, y, bins=30);

13.绘制一张设置网格大小为30的六角形直方图plt.hexbin(x, y, gridsize=30);

三、自定义图表元素

14.绘制x=(0,10)间sin的图像，设置线性为虚线x = np.linspace(0,10,100)

plt.plot(x,np.sin(x),'--');

15设置y轴显示范围为(-1.5,1.5)x = np.linspace(0,10,100)

plt.plot(x, np.sin(x))

plt.ylim(-1.5, 1.5);

16.设置x,y轴标签variable x，